图像生成

字节图像生成新模型：主打多主体一致性，新基准数据集同时亮相

设定角色，让AI照“本”生成主角不变的不同图像，对于各路AIGC工具来说一直是不小的挑战。而现在，字节再进一步，最新发布多主体控制生成模型Xverse——既可以对设定好的每个主体进行精确控制，也不会破坏图像的生成质量。多主体？

7/3/2025 9:09:51 AM

AI一眼认出95万物种，还能分辨雄雌老幼，2亿生物图像炼成“生命视觉”大模型

让AI看懂95万物种，并自己悟出生态关系与个体差异!俄亥俄州立大学研究团队在2亿生物图像数据上训练了BioCLIP 2模型。大规模的训练让BioCLIP 2取得了目前最优的物种识别性能。而更令人惊喜的是，即使在训练过程中没有相应监督信号，BioCLIP 2还在栖息地识别、植物疾病识别等5个非物种任务中给出了远超DINOv2的准确率。

6/30/2025 8:52:00 AM

图像界的DeepSeek！12B参数对标GPT-4o，5秒出图，消费级硬件就能玩转编辑生成

图像模型开源还得是FLUX！ Black Forest Labs刚刚宣布开源旗舰图像模型FLUX.1 Kontext[dev]，专为图像编辑打造，还能直接在消费级芯片上运行。只有小小的12B，更少的参数，更快的推理，性能更是媲美GPT-image-1等一众闭源模型。

6/30/2025 8:48:50 AM

通义千问发布多模态统一理解与生成模型Qwen VLo

近日，Qwen VLo多模态大模型正式发布，该模型在图像内容理解与生成方面取得了显著进展，为用户带来了全新的视觉创作体验。据介绍，Qwen VLo在继承原有Qwen-VL系列模型优势的基础上，进行了全面升级。该模型不仅能够精准“看懂”世界，更能基于理解进行高质量的再创造，真正实现了从感知到生成的跨越。

6/28/2025 10:00:43 AM

AI在线

国产SOTA新模型精准get“画(3+6)条命的动物” | 开源

生成图像这件事，会推理的AI才是好AI。举个例子，以往要是给AI一句这样的Prompt：（3 6）条命的动物。我们人类肯定一眼就知道是猫咪，但AI的思考过程却是这样的：△虽然生成了猫，但思考过程不对思考的过程还是把“（3 6）”里的数字分开来处理，并没有真正get到其背后“九条命的动物=猫”的本意。

6/20/2025 2:37:59 PM

DPO与GRPO谁更胜一筹？港中文、北大等联合发布首个系统性对比研究

近年来，强化学习 (RL) 在提升大型语言模型 (LLM) 的链式思考 (CoT) 推理能力方面展现出巨大潜力，其中直接偏好优化 (DPO) 和组相对策略优化 (GRPO) 是两大主流算法。如今，这股 RL 的浪潮也涌向了图像生成领域。当我们将自回归图像生成也视为一种序列化的 CoT 推理过程时，一个核心问题浮出水面：DPO 和 GRPO 在这个新战场上表现如何？

6/20/2025 9:06:00 AM

何恺明改进了谢赛宁的REPA：极大简化但性能依旧强悍

在建模复杂的数据分布方面，扩散生成模型表现出色，不过它的成果大体上与表征学习（representation learning）领域关联不大。通常来说，扩散模型的训练目标包含一个专注于重构（例如去噪）的回归项，但缺乏为生成学习到的表征的显式正则化项。这种图像生成范式与图像识别范式差异明显 —— 过去十年来，图像识别领域的核心主题和驱动力一直是表征学习。

6/13/2025 8:53:00 AM

扩散语言模型真的会比自回归好？理论分析结果可能恰恰相反

本工作来自北京大学智能学院贺笛老师课题组与蚂蚁集团武威团队。贺笛老师在机器学习领域获得过多项荣誉，包括 ICLR 2023 杰出论文奖与 ICLR 2024 杰出论文奖提名。扩散模型近年来在图像生成领域取得了令人瞩目的成就，其生成图像的质量和多样性令人惊叹。

6/11/2025 9:21:28 AM

像素蛋糕 “方糖大模型” 成功获批，成为国内影像行业首个备案图像大模型

近日，像素蛋糕公司自主研发的 “方糖大模型” 正式通过国家网信办的备案，成为国内影像行业首个获得官方资质的应用级图像大模型。这一成就不仅标志着方糖大模型在技术上的突破，也显示了其在安全性和规范性方面达到了国家标准。方糖大模型的成功备案是人工智能领域的重要里程碑，特别是在图像生成技术日益发展的背景下。

5/29/2025 11:01:24 AM

AI在线

CVPR2025｜MCA-Ctrl：多方协同注意力控制助力AIGC时代图像精准定制化

本文由中国科学院计算技术研究所研究团队完成，第一作者为硕士生杨晗，通讯作者为副研究员安竹林，助理研究员杨传广。论文标题：Multi-party Collaborative Attention Control for Image Customization论文地址：：，生成式人工智能（Generative AI）技术的突破性进展，特别是文本到图像 T2I 生成模型的快速发展，已经使 AI 系统能够根据用户输入的文本提示（prompt）生成高度逼真的图像。从早期的 DALL・E 到 Stable Diffusion、Midjourney 等模型，这一领域的技术迭代呈现出加速发展的态势。

5/12/2025 2:16:52 PM

港大&Adobe联合提出图像生成模型PixelFlow，可直接在原始像素空间中运行，无需VAE即可进行端到端训练

香港大学和Adobe联合提出了一种直接在原始像素空间中运行的图像生成模型PixelFlow，这种方法简化了图像生成过程，无需预先训练的变分自编码器 (VAE)，并使整个模型能够端到端训练。通过高效的级联流建模，PixelFlow 在像素空间中实现了可承受的计算成本。它在 256x256 ImageNet 类条件图像生成基准上实现了 1.98 的 FID。

4/29/2025 9:21:19 AM

AIGC Studio

GPT-4o图像生成能力集成GPTs，开启个性化图像机器人新篇章

OpenAI宣布GPT-4o的图像生成能力正式集成到GPTs（自定义GPT）平台，为开发者与创作者提供了构建个性化图像生成机器人的强大工具。据AIbase了解，这一更新允许用户通过GPTs打造专属图像生成应用，如海报设计机器人或特定艺术风格生成器，极大地提升了创作灵活性与共享性。社交平台上的热烈讨论凸显了其广泛影响力，相关功能已向ChatGPT Plus、Pro及Team用户开放。

4/27/2025 5:00:38 PM

AI在线

GPT-4o图像生成功能现已集成至自定义GPTs

2025年4月26日 AIbase报道：OpenAI近日宣布，其旗舰多模态模型GPT-4o的图像生成功能现已正式集成至ChatGPT的自定义GPTs功能中。这一更新标志着用户创建的定制化AI助手能够直接生成和编辑图像，为内容创作、设计和教育等领域带来更多可能性。无缝集成的图像生成体验GPT-4o的图像生成功能此前已于2025年3月25日起在ChatGPT和Sora平台向免费、Plus、Pro和Team用户逐步开放。

4/27/2025 9:00:21 AM

AI在线

UniToken：多模态AI的“全能选手”，一次编码搞定图文理解与图像生成！

首次在统一框架内实现理解与生成的“双优表现”，打破了多模态统一建模的僵局！复旦大学和美团的研究者们提出了UniToken——一种创新的统一视觉编码方案，在一个框架内兼顾了图文理解与图像生成任务，并在多个权威评测中取得了领先的性能表现。 UniToken通过融合连续和离散视觉表征，有效缓解了以往方法中“任务干扰”和“表示割裂”的问题，为多模态统一建模提供了新的范式。

4/25/2025 9:10:00 AM

三星研究院推出新型自回归 Transformer，助力高分辨率图像生成

在图像生成领域，技术的进步不断推动着虚拟现实等应用的发展。最近，三星研究院提出了一种基于自回归建模的新方法，旨在提升图像生成的保真度和可扩展性。与传统的一次性生成整个场景的方法不同，该方法采用了逐步添加细节的策略，使图像的生成过程更符合人类的创作习惯。

4/22/2025 10:01:03 AM

AI在线

AI大模型看手相！图片视频加持深度思考，阿里QVQ-Max“神了神了”

阿里又发了个有意思的大模型——QVQ-Max，第一版视觉推理模型，对任意图像或视频都可以进行深度思考。举个有趣的例子，上传一张你的手掌，再点击Thinking，QVQ-Max就可以给你看手相：可以看到，在深度思考过后，QVQ-Max就开始逐步分析手掌上的线条和其他特征。包括心线、头线、生命线等主要线条的分析，以及戒指手指上的金戒指的象征意义。

3/31/2025 7:30:00 AM

量子位

ChatGPT 的新 AI 图像功能延迟对免费用户开放

OpenAI 首席执行官萨姆・阿尔特曼在社交媒体上宣布，ChatGPT 新推出的图像功能的上线时间将推迟，原因是用户的需求远远超出了公司的预期。阿尔特曼表示:“ChatGPT 中的图像功能比我们想象的要受欢迎得多（而且我们的预期已经很高了）。 ”本周二，OpenAI 刚刚推出了 GPT-4o 的原生图像生成功能，允许用户上传和修改图像，并表示该功能将很快向所有用户开放。

3/27/2025 9:10:00 AM

AI在线

OpenAI发布最新图像生成模型：GPT-4o内置多轮对话编辑功能

2025年3月25日，OpenAI宣布其最新图像生成模型正式内置于GPT-4o中，这一突破性升级为用户带来了更强大的图像生成与编辑体验。据悉，该功能已于今日开始向ChatGPT和Sora的所有Plus、Pro、Team以及免费用户逐步推出。这一消息迅速引发了科技界的广泛关注。

3/26/2025 8:48:00 AM

AI在线

资讯热榜

全球高校 “猎杀” AI作业！学生如何应对 “人类化” 挑战？ AI 数据版权新纪元：Real Simple Licensing 协议引发行业关注量大管饱！我整理了10个好用到爆的即梦4.0进阶玩法 Gemini加密交易所IPO价格大幅上调，目标估值超30亿美元！光刻机巨头杀入AI：ASML拿下Mistral 11%股权 OpenAI进军韩国市场，携手三星与SK海力士共建AI未来！甲骨文公司股价飙升 27%，人工智能未来收入大幅增长数十亿人将用上免费AGI！OpenAI奥特曼高调断言：全球经济将迎来极度通缩！效率强如DeepSeek，全球AI也需百吉瓦能源!

标签云

AI 人工智能 OpenAI AIGC 模型 ChatGPT DeepSeek AI绘画谷歌机器人数据大模型 Midjourney 开源智能 Meta 用户微软 GPT 学习技术图像 Gemini 智能体马斯克 AI新词 AI创作 Anthropic 英伟达论文训练代码算法 LLM Stable Diffusion 芯片腾讯苹果蛋白质 Claude 开发者 AI for Science Agent 生成式神经网络机器学习 3D xAI 研究人形机器人生成 AI视频百度计算工具 Sora GPU 大语言模型华为 RAG AI设计字节跳动具身智能搜索大型语言模型场景深度学习 AGI 视频生成预测视觉伟达架构 Transformer 神器推荐 DeepMind 亚马逊特斯拉编程 AI模型