Seedream 3.0 技术报告

我们开发了多项技术改进，以解决 Seedream 2.0 中存在的挑战，包括复杂提示的对齐、细粒度排版生成、视觉美感和保真度欠佳以及图像分辨率有限等问题。Seedream 3.0 的进步源于整个流程的改进，从数据构建到模型部署。在数据层面，我们采用缺陷感知训练范式和双轴协同数据采样框架，使数据集增加了一倍。此外，我们在预训练阶段采用了混合分辨率训练、跨模态 RoPE、表示对齐损失和分辨率感知时间步采样等多种有效技术。在后训练阶段，我们在 SFT 中利用多样化的美学字幕，并使用基于 VLM 的奖励模型进行扩展，从而实现了与人类偏好高度一致的输出。此外，Seedream 3.0 开创了一种新颖的加速范式。通过采用一致的噪声期望和重要性感知时间步采样，我们在保持图像质量的同时实现了 4 到 8 倍的加速。Seedream 3.0 相较于 Seedream 2.0 有了显著改进：它增强了整体能力，特别是在复杂汉字的文本渲染方面，这对专业排版生成至关重要。此外，它还提供原生高分辨率输出（高达 2K），使其能够生成具有高视觉质量的图像。.