AITOP

图像生成

共 224 条相关 AI 资讯
5月21日
00:14
00:14rohanpaul_ai@rohanpaul_ai
76°
中国 AI 实验室商汤开源了 SenseNova U1，这是一个统一的多模态模型，能在单一模型中理解、推理并生成图像和文本。其架构去除了传统的视觉编码器和变分自编码器，在共享表示空间中处理图像和语言，减少了模块间切换和信息损失，提升了生成一致性。该模型在生成信息图、指南、海报、漫画等密集视觉内容时表现出色，据客户基准测试，生成信息图的速度约为 Qwen-Image-2.0 / Seedream-4.5 的两倍，且质量相当。
AI模型商汤SenseNova U1多模态模型
推荐理由：商汤的架构创新解决了多模态模型常见的模块间信息丢失问题，做视觉内容生成或信息图设计的团队可以直接用这个开源模型，生成效率翻倍值得一试。
原文
5月19日
12:10
02:19
02:19rohanpaul_ai@rohanpaul_ai
76°
HiDream 开源了 8B 参数的图像模型 HiDream-O1-Image，声称性能与 27B 的 Qwen-Image 等更大模型持平。该模型采用像素级统一 Transformer，无需 VAE 和文本编码器，直接在原始像素上端到端处理。它支持文生图、长文本渲染、指令编辑、主体个性化及故事板生成等多种任务。内置推理驱动的提示代理，能先理解用户意图再生成，在长文本渲染基准上接近 200B+ 模型的表现。这暗示传统扩散管线可能不再是唯一的主流路径。
AI模型HiDreamHiDream-O1-Image图像生成
推荐理由：HiDream 用 8B 参数挑战了传统扩散架构的统治地位，做图像生成或研究的开发者值得关注——它可能改变你对模型效率与架构的认知。
原文
5月18日
20:06
12:06
12:05
12:05Paul Couvert@itsPaulAi
HiDream-O1-Image 是一款开源图像生成模型，在多数使用场景下表现出色，足以替代闭源替代品。它在照片级真实感、长文本渲染、图像编辑（添加/替换/移除元素）以及提示词遵循度方面均有优异表现。其 8B 变体在所有开源基线中领先，性能与 Nano Banana 相当，而 200B 版本则达到当前最优水平。该模型为开发者提供了高性价比的闭源替代选择。
AI模型图像生成开源模型HiDream-O1-Image
推荐理由：做图像生成和编辑的开发者终于有了一个能打的开源模型——HiDream-O1-Image 在多数场景下可替代闭源方案，8B 版本性能媲美 Nano Banana，建议直接上手试试。
原文
12:05
5月16日
20:04
20:04OpenRouter@OpenRouterAI
Recraft AI 在 OpenRouter 上发布了 V4.1 系列六款新图像生成模型，包括主打高美学的 V4.1 和 V4.1 Pro、专为 SVG 插画设计的 V4.1 Vector 和 V4.1 Pro Vector，以及面向产品图像的 V4.1 Utility 和 V4.1 Utility Pro。新模型在照片真实感、渐变平滑度和短提示命中率上均有显著提升，用户无需过多提示工程即可获得高质量结果。这一更新为设计师和开发者提供了更多专业选择，可直接通过 OpenRouter API 调用。
AI产品图像生成RecraftOpenRouter
推荐理由：Recraft V4.1 系列覆盖了从高美学到矢量插画、产品图等多个细分场景，做设计或 AI 应用的团队可以直接在 OpenRouter 上试用，短提示效果提升明显，值得一试。
原文
19:31
19:03
5月14日
14:51
14:51官方账号Midjourney@midjourney
73°
Midjourney 宣布开始测试其 V8 模型的早期版本，面向社区开放。新模型在提示跟随能力上大幅提升，生成速度提高了 5 倍，并支持原生 2K 分辨率模式。此外，文本渲染得到改进，个性化、风格参考和情绪板功能也达到最佳性能。这标志着 Midjourney 在图像生成质量和效率上的重要升级。
AI产品MidjourneyV8模型图像生成
推荐理由：Midjourney V8 的 5 倍速度和原生 2K 模式对设计师和创意工作者是直接利好，提示跟随的改进能减少反复调参的烦恼，建议有 AI 绘图需求的用户第一时间体验。
原文
13:36
5月12日
21:55
17:19
00:01
5月11日
22:18
22:17
22:17
22:17岚叔@lufzzliz
用户通过推特分享了对GPT Image 2的第三次测试，重点展示其生成高级时尚摄影图像的能力。输入提示词为“优雅的韩国女模特穿着淡粉色缎面吊带裙，在落地窗前摆出优雅的过肩姿势，黄金时段背光营造柔和光芒，Vogue韩国风格时尚摄影”。该测试对比了模型生成的左右两张图片，以呈现不同输出结果。这体现了GPT Image 2在生成专业级、高美学要求图像方面的潜力。
AI产品图像生成GPT Image 2时尚摄影
推荐理由：该测试直观展示了GPT Image 2在时尚摄影领域的生成质量，对创意从业者和AI图像生成应用开发者具有参考价值，有助于评估模型在实际场景中的表现。
原文
22:17
22:17官方账号百度 AI Baidu@Baidu_Inc
百度用其AI图像生成模型ERNIE-Image，将母亲节经典唠叨翻译成“真正含义”，并通过趣味图片展示。例如，“有空打电话”可能意味着“想你了”。该活动利用AI技术进行创意表达，旨在传递情感而非仅仅文字表面意思。百度借此展示其多模态AI能力，同时庆祝母亲节。
AI产品图像生成ERNIE-Image百度
推荐理由：此为百度营销活动，展示ERNIE-Image的创意应用。对行业而言，表明AI图像生成正从技术展示转向情感化、场景化的用户体验设计。
原文
22:16
22:16
11:43
11:43官方账号arXiv cs.LG（学术论文）
STARFlow2提出了一种基于自回归归一化流（TarFlow）的统一多模态生成框架，用于处理交错的文本-图像序列。它通过在Pretzel架构中垂直交错预训练VLM流和TarFlow流，并采用深度-浅层流设计和统一的FAE潜空间，实现了文本和视觉输出的缓存友好型生成。实验表明，STARFlow2在图像生成和多模态理解基准上表现强劲，证明了自回归流可以替代扩散模型作为统一多模态建模的基础。这项工作解决了因果文本生成和迭代视觉去噪之间的结构不匹配问题，为更自然的统一生成提供了新范式。
论文多模态自回归流图像生成
推荐理由：STARFlow2展示了自回归归一化流在多模态统一生成中的潜力，为替代基于扩散的图像生成方法提供了新思路，对多模态模型的设计和效率优化有参考价值。
原文
11:43
11:43官方账号arXiv cs.AI（学术论文）
本文提出SCOPE框架，将复杂的图像生成要求形式化为语义承诺，通过结构化规范持续追踪这些承诺的状态，并条件式调用检索、推理和修复技能以解决未满足的承诺。研究指出当前模型生成中存在的“概念鸿沟”问题，即承诺在生成生命周期中可能被局部解决但无法作为统一操作单元被追踪。为评估承诺级意图实现，作者引入人类标注基准Gen-Arena和实体级通过率指标EGIP，SCOPE在该基准上达到0.60 EGIP，显著优于所有基线，并在WISE-V（0.907）和MindBench（0.61）上表现优异，证明持续承诺追踪对复杂图像生成有效。
论文图像生成语义承诺结构化解耦
推荐理由：该工作首次系统定义了图像生成中的语义承诺概念及其生命周期断裂问题，并提供了可操作的框架和评估基准。对追求高可控性图像生成的从业者来说，SCOPE展示了结构化规范追踪如何提升复杂交互场景下的生成质量。
原文
11:42
11:42官方账号arXiv cs.AI（学术论文）
精选80°
Flow-OPD提出首个将在线策略蒸馏（OPD）集成到Flow Matching模型中的统一后训练框架，有效解决了多任务对齐中的奖励稀疏和梯度干扰问题。该框架采用两阶段对齐策略：先通过单奖励GRPO微调培养领域专用教师模型，再通过Flow冷启动、在线策略采样、任务路由标注和密集轨迹监督将异构专业知识整合到单个学生模型中。研究者还引入了流形锚点正则化（MAR），利用任务无关教师提供全数据监督，避免RL驱动对齐中常见的美学退化。在Stable Diffusion 3.5 Medium上的实验显示，GenEval分数从63提升至92，OCR准确率从59%提升至94%，整体提升约10个百分点，且保持图像保真度和人类偏好对齐，并出现“超越教师”效应。该工作为构建通用文本到图像模型的可扩展对齐范式奠定了基础。
论文图像生成Flow Matching在线策略蒸馏
推荐理由：该工作针对现有多任务对齐中指标相互制约和奖励欺骗的痛点，将LLM领域成熟的OPD方法成功迁移至图像生成领域，并通过冷启动、任务路由和正则化创新提升了效果。实验在关键指标上大幅领先现有方法，对业界构建高性能通用文生图模型具有直接参考价值。
原文