图像模型

当前主流的图像编辑模型在处理静态属性（如颜色、纹理、物体替换）时已相当成熟，但在修改图像中主体的动作、姿势或交互行为时仍面临显著挑战。例如，让一个人从“站立”变为“坐下”，或让其“拿起桌上的杯子”，现...

武汉大学、新加坡国立大学、中南大学、电子科技大学和微软的研究人员推出一个用于加速扩散模型（Diffusion Models）的轻量级框架 Glance，通过“慢-快”（Slow-Fast）的阶段感知...

Ovis-Image 是由阿里巴巴国际数字商务团队开发的 70亿参数 文本到图像（Text-to-Image）生成模型，专注于解决文生图系统中长期存在的文本模糊、拼写错误、排版失真等痛点。该模型在保持...

在图像生成模型多依赖“大参数堆料”的行业趋势下，阿里通义MAX项目组推出的Z-Image，以60亿参数的轻量化体量实现了颠覆性突破。这款通过系统性优化打造的图像生成基础模型，不仅在照片级真实感生成、中...

来自俄罗斯的AI企业Sber AI，正式推出新一代扩散模型家族 Kandinsky 5.0，以“全场景覆盖+开源开放”为核心亮点，涵盖视频生成（T2V/I2V）、图像生成（T2I）、图像编辑三大核心能...

在视觉AI领域，能够真正适配现实世界创意工作流的工具，往往比单纯的“演示级模型”更具价值。近日，黑森林实验室正式推出新一代视觉智能系统 FLUX.2，不仅在图像生成质量、细节还原度上实现突破，更以多参...

尽管微软已全面接入OpenAI最新前沿模型，该公司仍在自主研发AI模型，通过差异化产品与服务更好地满足用户需求。今年初，微软曾宣布首批两个自研AI模型：MAI-Voice-1与MAI-1-previe...

BRIA 开源发布了其首个文本到图像模型 FIBO —— 一个专为专业图像生成工作流设计的 JSON 原生、结构化提示驱动 的开源模型。与主流强调“想象力”的生成模型不同，FIBO 的核心目标是 可控...

香港中文大学、香港科技大学与字节跳动联合推出开源模型 DreamOmni2，旨在突破当前 AI 图像编辑与生成的两大瓶颈：纯文本指令表达力有限，以及现有模型难以处理抽象概念（如风格、纹理、妆容等）。 ...

在文生图领域，高分辨率输出（如 4K）正成为标配。然而，随之而来的计算成本和推理延迟问题日益凸显——以当前领先的 FLUX.1-Krea-12B 模型为例，在英伟达H100 GPU 上生成一张 4K ...

腾讯混元项目组正式发布并开源HunyuanImage-3.0——当前开源社区规模最大、性能最强的文生图模型。该模型总参数量突破800亿，推理时每token仅激活130亿参数（兼顾性能与效率），基于原生...

Stability AI 近日发布 SD3.5-Flash ——一个全新的少步蒸馏（few-step distillation）图像生成模型，解决当前生成式 AI 模型在普通硬件上运行困难的核心痛点...