PROVE:小米 MiLM Plus 发布全新对象移除评估指标,终结“模糊即高分”的乱象在 AI 图像和视频编辑领域,对象移除(Object Removal)技术的发展速度已经远远超过了评估它们的指标。当前的扩散模型能够令人信服地重建阴影、反射和遮挡结构,但传统的评估指标如 PSNR、S...图像模型# PROVE# 小米3个月前1170
商汤科技开源 SenseNova U1.5-Lite-Preview:8B 轻量级模型原生支持 4K 图像生成商汤科技今日正式开源了多模态模型 SenseNova U1.5-Lite-Preview 的预览版本。作为基于 NEO-Unify 架构的系统性迭代,该模型仅以 8B-MoT(混合专家Transfor...图像模型# SenseNova U1.5-Lite-Preview# 商汤科技3个月前1990
FeyNoBg:FeynAI 推出的 SOTA 级开源背景去除模型,配套 NoBg 训练库同步发布FeynAI 正式发布了 FeyNoBg,一款在背景去除(Background Removal)任务上达到最先进(SOTA)水平的深度学习模型。与此同时,为了降低该领域的开发门槛并促进社区创新,Fey...图像模型# FeynAI# FeyNoBg# 去背景3个月前1660
Black Forest Labs 发布 FLUX 3:支持20秒音视频生成,但开源版本需等待德国AI实验室Black Forest Labs今天发布了FLUX家族的新成员——FLUX 3。这不仅是版本号的递进,更意味着产品线的战略扩张:从单一的图像生成模型,升级为一个能同时处理图像、视频、音...图像模型早报# Black Forest Labs# FLUX 33个月前4310
阿里发布 Qwen-Image-3.0:以“实”为核心,4.5k Token 重塑图像生成生产力阿里巴巴通义千问团队正式推出 Qwen-Image-3.0,这是 Qwen-Image 系列的第三代图像生成基础模型。如果说 1.0 时代追求的是“准”,2.0 时代实现了“准、多、齐、美、真”,那么...图像模型早报# Qwen-Image-3.03个月前2220
字节跳动推出 Seedream 5.0 Pro:支持图层分离与精准编辑的生产级多模态模型字节跳动 Seed 项目组正式推出了 Seedream 5.0 Pro,这是一款专为专业设计工作流打造的多模态图像生成与编辑模型。与以往侧重于单次创意输出的模型不同,Seedream 5.0 Pro ...图像模型早报# Seedream 5.0 Pro# 字节跳动4个月前2370
Krea AI 开源 Krea 2:120亿参数 DiT 模型,首创“Raw训练+Turbo推理”双模型策略创意AI平台 Krea AI 正式发布了其基础图像生成模型 Krea 2 的开源版本。该模型基于拥有 120亿参数 的扩散 Transformer(Diffusion Transformer)架构构建...图像模型# Krea 2# Krea AI# Krea-2-Raw4个月前4590
Boogu Team开源统一图像生成与编辑模型家族Boogu-Image-0.1 :支持中英文文字渲染与 3-4 步快速生成,Apache-2.0 协议可商用在闭源多模态系统(如 Nano Banana Pro、GPT-Image-2)凭借庞大算力垄断高质量图像生成的当下,Boogu Team 发布了 Boogu-Image-0.1,一个基于 Apache...图像模型# Boogu-Image-0.14个月前4330
Ideogram开源Ideogram 4.0 :93亿参数单流 DiT 模型,首创结构化 JSON 提示实现像素级布局控制与精准文本渲染Ideogram 正式开源了其最新的旗舰基座模型 Ideogram 4.0。作为一个从头训练的 93 亿参数单流扩散 Transformer (DiT),它不仅在文本渲染和布局控制上达到了行业顶尖水平...图像模型# Ideogram 4.05个月前3140
ControlLight:基于 FLUX.2 的可控低光增强模型,支持连续亮度调节与结构保持,解决“一键修图”过度失真痛点在低光照摄影中,我们常面临两难选择:直接提亮会导致噪点爆炸、色彩失真,而使用现有 AI 增强工具则往往出现“过曝发白”或“结构扭曲”的问题。ControlLight 是一个基于 FLUX.2 [kle...图像模型# ControlLight5个月前3260
Prism ML 发布 Bonsai Image 4B:首个可在 iPhone 本地运行的 4B 级图像生成模型,Transformer 权重压缩至 1GB 以下在云 API 主导图像生成的当下,高昂的成本、网络延迟以及隐私顾虑限制了用户的创意迭代。Prism ML 今日正式发布了 Bonsai Image 4B,这是一系列专为本地设备设计的紧凑级图像生成模型...图像模型# Bonsai Image 4B# Prism ML5个月前5160
英伟达发布 PiD:像素扩散解码器统一解码与超分,210ms 生成 2K 图像,显存仅需 13GB在高分辨率文本到图像生成领域,传统的“潜在扩散模型(LDM)+ VAE 解码 + 级联超分”流程正面临瓶颈:VAE 解码器仅能还原低频信息,无法生成高频细节,且在百万像素尺度下显存占用极高、速度缓慢...图像模型# PiD# 英伟达5个月前2850