图像模型

阿里 Qwen 项目组正式推出 Qwen-Image，这是通义千问系列中首个专注于图像生成的基础大模型。基于 20B 参数的 MMDiT（Multimodal Diffusion Transforme...

在上一代模型 OmniGen 发布仅 7 个月后，北京人工智能研究院正式推出了其升级版——OmniGen2，一个集成了视觉理解、文本到图像生成、指令驱动编辑和基于主体的上下文生成能力的统一多模态模型...

传统的文生图模型（如 Stable Diffusion）能够根据文本描述生成高质量的 RGB 图像，但这些图像通常包含固定的光照效果（如反射、阴影、高光），这限制了它们在需要 PBR 地图（如游戏、V...

在线图形设计平台 Freepik 于周二宣布推出一款新的开源图像生成模型——F Lite。这款模型完全基于商业授权的、“适合工作场所（SFW）”的图像进行训练，为用户提供安全、合法且高质量的图像生成服...

文本到图像（T2I）生成技术的进步，离不开强化学习方法的优化与基准测试的支撑。但当前领域存在两大核心问题：一是传统强化学习依赖“点式奖励模型”打分，易出现“分数涨而质量降”的奖励操控现象；二是现有基准...

近日，阿里巴巴通义实验室Ovis团队正式发布了新一代统一多模态大模型——Ovis-U1。该模型以30亿参数为基础，实现了对多模态任务的全面覆盖，涵盖图像理解、文本到图像生成以及图像编辑三大核心能力。 ...

近年来，视频生成模型因其能够捕捉现实世界中的动态变化和复杂因果关系，被广泛视为一种“世界模拟器”。它们整合了视觉、时间、空间和语义等多个维度的信息，在建模长程依赖和多模态交互方面展现出强大潜力。 那么...

RouWei-Gemma是一个为 Rouwei 0.8 开发的文本编码器适配器，基于 Gemma-3-1b 构建，用于替换 SDXL 中的 CLIP 文本编码器。它利用大语言模型（LLM）的强大语义理...

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...

来自香港中文大学MMLab、上海人工智能实验室和悉尼大学的研究团队，推出了一款名为Transition Models (TiM) 的新型生成模型。该模型通过重构生成学习的核心目标，成功破解了生成模型领...

在单目深度估计、表面法线预测等密集几何预测任务中，如何在有限标注数据下实现高精度的零样本泛化，一直是三维视觉的核心挑战。 近年来，研究者尝试利用文本到图像生成模型（如Stable Diffusion...

字节跳动正式推出 Seedream 4.0（即梦图片4.0），新一代图像创作模型。该模型在前代 Seedream 3.0 和 SeedEdit 3.0 的基础上，全面增强逻辑理解与多模态推理能力，首次...