#文本到图像

共 16 条 · 7 天 0 条 · 30 天 4 条

Arena.ai 2 Diffusion Transformer 1 flow matching 1 Looped-DiT 1 MAI-Image-2.6 1 MLLM-as-judge 1 RAE 1 RecraftAI 1

信息流里打上「文本到图像」标签的资讯、产品与论文，按刊登时间排，新的在上。

10月3日

技巧 Agent 与开发者精选00:01

前沿文本到图像模型后训练方法

Arena.ai 分享了如何训练文本到图像模型的具体方法，包括评估设置和失败案例分析。

#文本到图像 #后训练 #Arena.ai #奖励机制

lmarena.ai@lmarena_ai原文

10月1日

模型 Agent 与开发者12:40

Looped Diffusion Transformer研究发布

OpenAI团队发布Looped-DiT，260M参数模型性能超越6.5倍大模型，计算效率提升4.9倍。

#Looped-DiT #Diffusion Transformer #文本到图像 #推理模型

arXiv cs.LG@Yong Xien Chng 等 10 人原文

9月24日

论文 Agent 与开发者10:56

论文提出 x0-预测替代速度预测，改善高维潜空间扩散生成

如果你在调扩散模型，这篇讲清楚了为什么高维潜空间里速度预测费劲，换成 x0-预测就能稳定涨点，思路很实用。

#扩散模型 #flow matching #文本到图像 #RAE

arXiv cs.LG@Chao Feng 等 10 人原文

9月15日

模型 Agent 与开发者19:20

RecraftAI 发布新图标生成模型

朋友，RecraftAI 新出的图标生成模型很酷，你试试看，输入文字就能生成六宫格图标，比用其他工具方便多了。

#RecraftAI #图标生成 #文本到图像

Recraft@recraftai原文

9月5日

Text-to-image 排行榜上线

Arena.ai 上线了文本到图像生成模型排行榜，方便大家直观比较各模型表现。

#Arena.ai #文本到图像 #排行榜 #生成模型

lmarena.ai@lmarena_ai原文

9月3日

论文精选73°10:09

文本到图像模型视觉隐喻生成基准研究

研究人员发布了首个视觉隐喻生成基准，测试了11个模型，发现即使是最好的模型在隐喻表达方面也有明显不足。

#VMetaphor-Bench #T2I #视觉隐喻 #文本到图像

arXiv cs.AI@Chuer Chen 等 5 人原文

8月26日

模型多源确认72°00:55

MAI-Image-2.6领跑AA图像编辑模型

微软AI最新模型MAI-Image-2.6在AA图像编辑领域表现卓越，是图像编辑和文本到图像生成领域的佼佼者，值得一试。

#MAI-Image-2.6 #图像编辑模型 #微软AI #文本到图像

Mustafa Suleyman@mustafasuleyman11 个信源在谈原文

6月26日

模型中美对照多源确认精选72°03:54

Microsoft 推出 MAI-Image-2.5 模型，文本到图生成排名第2

微软新出的 MAI-Image-2.5 图像生成和编辑都很强，排名只输给 OpenAI，价格也透明，值得试试看。

#MAI-Image-2.5 #Microsoft #文本到图像 #图像编辑

Mustafa Suleyman@mustafasuleyman11 个信源在谈原文

6月23日

模型中美对照多源确认14:06

NVIDIA Cosmos 3 Super 在 Text-to-Image Arena 开放模型排名第8和第11

NVIDIA 这个开源文生图模型在排行榜上跟 Flux、Qwen 差不多水平，想试试免费好用的生成工具可以关注它。

#Cosmos-3-Super #NVIDIA #Text-to-Image Arena #文本到图像

lmarena.ai@lmarena_ai7 个信源在谈原文

Semantic Browsing: 通过文本级语义控制实现图像生成的可控多样性

想要生成同一主题下不同设计的图像？这篇论文教你用VLM在文本层面控制多样性，比随机抽噪声靠谱多了。

#Semantic Browsing #文本到图像 #Vision Language Model #图像生成

arXiv cs.AI@Sara Dorfman 等 5 人原文

6月4日

模型多源确认78°03:00

Ideogram 4.0 开源发布：原生2K分辨率与改进文本渲染

对于需要高质量图像生成且注重文本准确性的创作者和开发者，Ideogram 4.0 的开源权重版本提供了顶级性能，值得尝试。

#Ideogram #文本到图像 #开源模型 #2K分辨率

官方账号Decoder@Matthias Bastian11 个信源在谈原文

6月2日

论文精选12:00

DrPO：一步生成模型偏好优化的新方法

DrPO 解决了单步生成模型偏好微调的核心痛点——无需可微奖励或复杂去噪轨迹，做文本到图像生成的团队可以直接用黑箱奖励提升模型对齐度，训练效率还提升了3倍多，值得关注。

#一步生成模型 #偏好优化 #文本到图像 #SD-Turbo

arXiv cs.LG@Zhou Jiang 等 3 人原文

5月26日

论文精选11:45

CVQ：通道级向量量化实现图像生成新范式

CVQ解决了传统VQ码本利用率低、细节丢失的痛点，做图像生成和视觉自回归研究的开发者值得关注——它让模型像人类一样先画轮廓再细化，生成质量更高。

#图像生成 #向量量化 #自回归模型 #文本到图像

arXiv cs.AI@Wei Song 等 8 人原文

5月13日

论文精选70°19:12

AlphaGRPO：用分解可验证奖励解锁多模态生成自反思能力

做多模态生成或强化学习对齐的团队值得关注——AlphaGRPO 用分解奖励解决了复杂指令的监督难题，让模型能自我反思修正，直接提升图像生成质量。

#多模态生成 #强化学习/GRPO #自反思 #分解奖励

arXiv cs.AI@Runhui Huang 等 5 人原文

Step Image Edit 2 发布：3.5B参数图像编辑模型登顶KRIS-Bench

该模型以极小参数量在图像编辑基准上取得领先，推理速度快且成本低，为图像编辑和生成任务提供了高效的新选择。

#图像编辑 #文本到图像 #多模态 #Stepfun

官方账号阶跃星辰 Stepfun@StepFun_ai原文

5月11日

NTM：四步采样的标准化轨迹模型

NTM 通过将标准化流与轨迹建模结合，在少步生成和无似然性能间取得平衡，为扩散模型加速提供了新思路。对需要快速推理且关注可解释性的应用（如实时图像生成）具有实际意义。

#标准化流 #扩散模型 #少步生成 #文本到图像

arXiv cs.LG原文