AI在线 AI在线

图像生成

好玩！AI“穿越”新玩法火了：根据12岁照片生成23岁的你

好玩！AI“穿越”新玩法火了：根据12岁照片生成23岁的你
中国有句古话，“三岁看大，七岁看老”——现在，AI技术把这句话变得更直观了。 外国一网友让ChatGTP根据她12岁的照片推测她23岁的样子，结果居然还挺准的？ 新玩法一出，很多人兴致勃勃地参与到了这场“穿越”里，甚至脑洞大开地尝试了很多新奇玩法。
7/13/2025 12:37:00 PM
闻乐
扩散语言模型写代码！速度比自回归快10倍

扩散语言模型写代码！速度比自回归快10倍
谁说扩散模型只能生成图像和视频？ 现在它们能高质量地写代码了，速度还比传统大模型更快！ Inception Labs推出基于扩散技术的全新商业级大语言模型——Mercury。
7/10/2025 2:54:13 PM
谢赛宁团队新作：不用提示词精准实现3D画面控制

谢赛宁团队新作：不用提示词精准实现3D画面控制
曾几何时，用文字生成图像已经变得像用笔作画一样稀松平常。 但你有没有想过拖动方向键来控制画面？ 像这样，拖动方向键（或用鼠标拖动滑块）让画面里的物体左右移动：还能旋转角度：缩放大小：这一神奇操作就来自于谢赛宁团队新发布的 Blender Fusion框架，通过结合图形工具 (Blender) 与扩散模型，让视觉合成不再仅仅依赖文本提示，实现了精准的画面控制与灵活操作。
7/4/2025 8:52:00 AM
GitHub一周2000星！国产统一图像生成模型神器升级，理解质量双up，还学会了“反思”

GitHub一周2000星！国产统一图像生成模型神器升级，理解质量双up，还学会了“反思”
国产开源统一图像生成模型，技术重大升级！ 新进展来自智源研究院：一模支持文生图、图像编辑、主题驱动图像生成的OmniGen，2.0新版本正式发布。 具体来说，OmniGen2在保持简洁架构的基础上，显著增强了上下文理解能力、指令遵循能力和图像生成质量。
7/3/2025 3:01:26 PM
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

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

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

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

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

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

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

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

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

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

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

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

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！

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