腾讯优图提出 L2P:8 卡即可训练,零真实数据实现原生 4K 像素级扩散生成由南京大学、腾讯优图等机构联合提出的 L2P (Latent-to-Pixel) 技术,为高分辨率图像生成提供了一条全新的低成本路径。作为一种高效的迁移范式,L2P 能够将预训练隐空间扩散模型(LDM...图像模型# L2P# L2P-z-image# 腾讯优图5个月前3220
微软发布 Lens:3.8B 参数文生图模型,以 1/5 算力媲美 SOTA,支持 4 步极速推理微软正式推出 Lens,一款仅拥有 38 亿(3.8B)参数的基础文本到图像(T2I)生成模型。在主流大模型参数量动辄达到 6B 甚至 80B 的今天,Lens 证明了“小而美”的可能性:它通过极致的...图像模型# Lens# 微软# 文生图模型5个月前3460
MIT 发布 GenCAD:首个图像条件参数化 CAD 生成模型,输出可编辑命令序列而非静态网格麻省理工学院(MIT)研究团队提出了 GenCAD,这是首个基于图像条件的参数化计算机辅助设计(CAD)生成模型。与传统 AI 生成静态 3D 网格或点云不同,GenCAD 能够直接从输入图像或草图中...图像模型# CAD# GenCAD# MIT5个月前2810
斯坦福提出 AsymFlow:首个将预训练潜在模型微调至像素空间的流生成框架,ImageNet FID 1.57 刷新纪录,AsymFLUX.2 超越 FLUX.2 基础版在高维像素空间中进行基于流(Flow-based)的生成一直面临巨大挑战:即使数据具有低秩结构,速度场预测仍需处理高维噪声,导致训练困难且效率低下。近日,斯坦福大学研究团队提出了 Asymmetric...图像模型# AsymFlow# AsymFLUX.2 klein6个月前2480
Krea 正式发布Krea 2:从零构建的首个基础模型,支持 4 重风格参考与概念级情绪板在 AI 绘画领域,如何平衡“创造力”与“控制力”一直是最大的挑战。今天,Krea 正式推出其首个完全从零构建的基础模型——Krea 2。 地址:https://www.krea.ai/krea-2 ...图像模型早报# Krea# Krea 26个月前4530
智象未来发布HiDream-O1-Image:8B 参数原生统一生图模型,无需 VAE 与独立文本编码器在文生图领域,传统模型往往依赖复杂的流水线:独立的文本编码器(如 CLIP/T5)、潜空间压缩器(VAE)以及扩散主干网络。北京智象未来发布了 HiDream-O1-Image,一款革命性的原生统一图...图像模型# HiDream-O1-Image# 智象未来6个月前4300
X2SAM:中山大学发布统一图像-视频分割 MLLM,一句话精准圈出任意物体,支持对话式交互与稳定追踪在多模态大语言模型(MLLM)飞速发展的今天,AI 已经能流畅地“看图说话”,但在像素级精准感知——即准确圈出画面中的特定物体——方面仍显笨拙。与此同时,像 SAM(Segment Anything ...图像模型# X2SAM# 图像-视频分割模型6个月前2990
Walkyrie 1.3B:基于 Wan2.1 架构的轻量级文本生图模型,6GB 显存即可运行的高质量 T2I 新选择在大型扩散模型日益臃肿的今天,如何在有限硬件上获得高质量生成效果成为一大挑战。Walkyrie 1.3B 是一个从强大的 Wan2.1-T2V-1.3B(文生视频)模型衍生而来的**文生图(T2I...图像模型插件# Walkyrie 1.3B# Wan2.16个月前3480
清华 x 腾讯混元发布 Meta-CoT:让 AI 修图“先思考后动手”,复杂指令理解力提升 15.8%在 AI 图像编辑领域,我们常遇到这样的尴尬:AI 虽然能听懂简单的“添加”或“删除”指令,但面对复杂描述(如“把相机视角移到车内”、“让人物变老同时保持背景不变”)时,往往出现“想的和做的不一样...图像模型# Meta-CoT6个月前2070
清华 x 腾讯混元发布 RvR:用“重生成”取代“局部修图”,解决 AI 绘图不听话难题在文字生成图片(Text-to-Image)领域,我们常遇到这样的尴尬:AI 生成的画面大体不错,但细节却“不听话”——物体数量不对、位置错乱、风格偏差,甚至完全忽略否定词(如“没有猫”)。传统的优化...图像模型# RvR# 修图6个月前2020
Tuna-2:Meta AI 提出无编码器统一多模态模型,像素级端到端训练超越传统架构在当前的统一多模态模型(Unified Multimodal Models)中,预训练的视觉编码器(如 VAE 或 CLIP)几乎是标配。这种模块化设计虽然成熟,却带来了一个根本性问题:理解任务与生成...图像模型# Meta AI# Tuna-2# 多模态模型6个月前2200
Meta 推出的超高分辨率人体视觉基础模型Sapiens2Sapiens2 是 Meta AI 最新推出的一系列以人为中心的计算机视觉模型。它在 10 亿张高质量人类图像上进行了预训练,旨在解决传统人体视觉模型在细节还原与语义理解之间难以兼顾的痛点。Sapi...图像模型# Meta# Sapiens26个月前2670