騰訊AIの新たな突破：X-Omniモデルで知能生成が書字困難症から解放される。図文理解生成は一括りに完了

騰訊の研究チームは、新たなマルチモーダルAIモデルX-Omniを発表しました。このモデルは、画像生成と理解の分野で大きな突破を遂げており、特に長文レンダリングにおいて優れた性能を発揮し、従来のAIモデルが画像内の文字生成において持っていた正確性の問題を効果的に解決しています。

長年にわたり、AI画像生成モデルは文字レンダリングの処理において大きな課題に直面してきました。伝統的な離散自己回帰モデルは、1ピクセルずつまたはトークンごとに画像を構築する方法を採用しており、この方法では累積誤差が生じやすく、生成された文字がスペルミスや文字の欠落、歪みなどの問題を引き起こすことがあります。多くの研究チームはそのため、拡散モデルや混合アーキテクチャに移行し、単純な自己回帰法では高品質な文字レンダリングタスクには適さないと考えていました。

X-Omniは、強化学習のフレームワークを活用してモデル性能を最適化しています。このシステムは、美学品質評価器HPSv2、統合報酬モデルUnified Reward、視覚言語理解モデルQwen2.5-VL-32B、そして専門的な文字認識評価ツールであるGOT-OCR2.0とPaddleOCRを導入しています。これらのコンポーネントは協力しながら、モデルの生成過程でリアルタイムのフィードバックと指導を提供し、出力品質の安定性と正確性を大幅に向上させています。

X-Omniのコア的な利点は、画像生成と理解機能を統一したモデル化を実現している点です。従来の方法では、これらのタスクを別々に処理し、異なるモデルアーキテクチャやトレーニング戦略が必要でした。X-Omniは、セマンティック画像トークン化器SigLIP-VQを使用して、視覚情報を言語モデルが処理できるセマンティックトークンに変換し、同じモデルで高品質な画像を生成し、画像の内容を正確に理解することが可能になりました。

パフォーマンステストにおいて、X-Omniは複数のベンチマークで優れた成績を収めました。文字レンダリングタスクでは、このモデルは英語や中国語のテキストを処理しても高い正確性を維持しており、特に長文レンダリングにおいてはGPT-4oを含む多数の主流モデルを上回っています。テキストから画像生成を行うタスクでは、X-Omniは複雑な指示を正確に遵守し、要件に合った高品質な画像を生成できます。また、画像理解タスクでは、OCRBenchなどの専門的なテストにおいて、LLaVA-One Visionなどの専門的な視覚理解モデルよりも優れた結果を示しています。

注目すべきは、X-Omniが分類器フリー・ガイド技術を用いなくても高品質な生成結果を維持できている点です。分類器フリー・ガイドは一般的に使われる最適化技術であり、モデルが指示に従う度合いを向上させることが可能ですが、計算コストを増加させます。X-Omniはこの外部の補助メカニズムに依存することなく優れた性能を達成しており、これは内部の視覚と言語モジュールが高度に統合されていることを示しています。

技術的アーキテクチャの観点から見ると、X-Omniの成功は離散自己回帰モデルがマルチモーダルタスクにおいて潜在能力を持つことを証明しています。強化学習の最適化メカニズムと統一された意味表現方法を導入することで、このモデルは従来の自己回帰法の制約を克服し、マルチモーダルAIの発展に新しい技術的道を開きました。

X-Omniのリリースは、AIが画像生成と理解の分野で新たな段階に入ったことを示しています。このモデルは技術指標で突破を達成しただけでなく、統一されたマルチモーダルモデリングの可能性を検証し、より知能的で効率的なAIシステムの構築に基礎を築いたのです。このような技術がさらに進化していくにつれて、ユーザーは自然言語を通じて複雑な文字コンテンツを含む視覚作品をより簡単に作成できるようになり、AIによるコンテンツ創作の効率と質は大きく向上するでしょう。

論文のURL：https://arxiv.org/pdf/2507.22058