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3200
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3780
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-CoT7个月前2330
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7个月前2200
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7个月前2470
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# Sapiens27个月前2980
OpenAI正式发布ChatGPT Images 2.0:内置推理能力,支持多语言文本和批量图像生成OpenAI 正式推出 ChatGPT Images 2.0(API 模型名为 gpt-image-2),标志着 AI 图像生成从单纯的“像素绘制”向“视觉推理”的范式转变。基于全新的底层架构,该模型...图像模型早报# ChatGPT Images 2.0# OpenAI7个月前6890
百度开源 ERNIE-Image:8B 参数打造开源文生图新标杆,精准文本渲染与结构化生成能力卓越百度 ERNIE-Image 团队正式开源了其最新文生图模型 ERNIE-Image。该模型基于单流扩散变换器(DiT)架构,拥有 80 亿(8B)参数,并配备一个轻量级的 3B 提示增强器(Prom...图像模型# ERNIE-Image# 文生图模型# 百度7个月前3350
微软发布 MAI-Image-2-Efficient:速度提升 22%,成本降低 41% 的企业级图像生成模型微软正式推出 MAI-Image-2-Efficient,这是其旗舰图像生成模型 MAI-Image-2 的轻量化、高效率版本。该模型专为需要大规模生成视觉内容的企业团队设计,在保持高质量输出的同时...图像模型早报# MAI-Image-2-Efficient# 微软7个月前2860
AI 修图终于“指哪打哪”:SpatialEdit 实现精准空间操控,告别画面扭曲现在的 AI 画图工具,大多有个“通病”:你让它“把车往左挪一点”,它可能给你换了一辆车;你让它“旋转 30 度”,它可能直接把车轮画歪了。 它们懂语义,但不懂空间。 最近,由香港大学、京东探索研究院...图像模型# SpatialEdit# 图像编辑7个月前3310
京东发布 JoyAI-Image:集图像理解、文生图及指令引导编辑于一体的统一多模态基础模型京东今日正式发布 JoyAI-Image,这是一款集图像理解、文生图(T2I)及指令引导编辑于一体的统一多模态基础模型。不同于传统模型将理解与生成割裂处理,JoyAI-Image 的核心理念是构建“理...图像模型# JoyAI-Image# 京东8个月前4840
阿里巴巴发布 Wan2.7-Image:集图像生成与编辑于一体的统一模型,人更真、字更稳、色更准阿里巴巴今日正式发布 Wan2.7-Image,一款集图像生成与编辑于一体的统一模型。专为对内容品质有极致要求的创作者打造,Wan2.7-Image 直击当前 AI 生图领域的三大痛点:人物同质化(A...图像模型# Wan2.7-Image# 阿里巴巴8个月前4690