字节 Seed 研究文生图文本条件扩展:长度饱和后结构化提示成关键变量
ByteDance Seed 团队在论文《Scaling Properties of Text Conditioning in Visual Generation》中提出,文生图训练中真正决定效果的并非 Caption 长度,而是其中可被模型利用的图像信息。团队据此引入 Structured Prompt,用结构化 JSON 组织全局、元素和关系层信息,并结合 GPG、ED 两项指标衡量文本条件信息量。在相同 Qwen-Image 架构、训练图像和预算下,这套结构化接口在复杂组合、推理和世界知识生成任务上取得更好结果。








