跳到正文

#图像生成

今日 0 条
11月12日周四
11月5日周四
10月27日周二
10月16日周五
10月15日周四
10月9日周五
9月30日周三
  1. Google Research50

    Google Research 推出 Diffusion Controller,统一并简化 AI 图像生成控制

    Google Research 提出 Diffusion Controller,一个轻量级“转向阻尼器”网络,可精确引导图像生成以提升提示词对齐度,并能无缝接入闭源受限模型。其完全解锁版本在人类偏好对比中对基线模型取得 90% 胜率,同时保持基础模型的画质与稳定性。该框架将去噪过程重构为连续控制问题,提供基于最终奖励分数的 PPO 策略梯度和奖励加权损失两种微调方法。

9月29日周二
  1. AWS Machine Learning Blog28

    在 SageMaker AI 上用 vLLM-Omni 生成图像与视频(第二部分)

    AWS 发布教程,演示在 SageMaker AI 上从同一个 vLLM-Omni DLC 部署两个端点:实时端点运行 FLUX.2-klein-4B 生成图像,异步端点运行 Wan2.1-VACE-1.3B 做图像条件视频生成。文本提示词先生成 PNG,再连同运动提示词经 Amazon S3 传给视频端点,最终取回 MP4,并提供命令行与 Streamlit 界面。

9月8日周二
  1. OpenAI News62

    OpenAI 发布 ChatGPT Images 2.5

    OpenAI 发布 ChatGPT Images 2.5,可将想法、草图与参考照片转化为更个性化、更精致的图像,并更贴近用户原本的构想。

    推荐理由:官方给出 ChatGPT Images 2.5 的输入类型与输出定位,可据此判断图像生成能力的迭代方向。

7月16日周四
7月1日周三
4月23日周四
  1. Google Research58

    Google Photos 上线 Auto frame 功能,可重新调整照片拍摄视角

    Google Research 宣布 Google Photos 的 Auto frame 功能上线,可在拍照后自动调整相机位置和焦距,重新构图。该方法分两步:先用内部 3D 点图估计模型重建场景并估算焦距,再用生成式扩散模型补全新视角下露出的空白区域。该功能会处理含人物的照片,自动检测人脸位置与朝向并修正广角前置镜头的透视畸变,结果作为 Auto frame 候选中的第二个版本呈现。

1月10日周六
  1. Berkeley AI Research32

    伯克利提出信息驱动成像系统设计框架,登 NeurIPS 2025

    伯克利 AI 研究团队提出基于互信息的成像系统评估与优化框架,可直接从含噪测量中估计信息量,并在彩色摄影、射电天文、无透镜成像和显微成像四个领域验证其能预测解码器性能。该方法优化出的设计达到端到端 SOTA 水平,同时占用更少内存和算力,且无需任务专用解码器设计。