《战锤 40,000:战争黎明 IV》将登陆 GeForce NOW,DLSS 5 支持《战争雷霆》与《燕云十六声》
《战锤 40,000:战争黎明 IV》将于 12 月 3 日登陆 Steam 并加入 GeForce NOW,由 KING Art Games 开发、Deep Silver 发行,含 70 多个战役任务。
《战锤 40,000:战争黎明 IV》将于 12 月 3 日登陆 Steam 并加入 GeForce NOW,由 KING Art Games 开发、Deep Silver 发行,含 70 多个战役任务。
《霍格沃茨之遗》今日在 GeForce NOW 上线 NVIDIA DLSS 5 升级,借助 3D-Guided Neural Rendering 带来更逼真的光照与材质细节,同时支持 DLSS 多帧生成与光线重建。
OpenAI 发布 Images 2.6,带来更快的图像生成、GIF 创建、更精确的编辑以及新的 API 控制,覆盖 ChatGPT、Codex 和 API。原文未披露具体速度提升幅度与 API 参数细节。
AWS 发布基于 SageMaker Python SDK v3 的车队级边缘计算机视觉模型生命周期方案,用 SageMaker Neo 取代已弃用的 SageMaker Edge Manager 做边缘优化。
Black Forest Labs 发布开源图像生成模型 FLUX.3 Image Klein,首日即在 Diffusers 中运行,单个模型同时支持文生图、多参考图生图和用边界框指定布局的布局控制。
推荐理由:原文给出两个开放 checkpoint 的默认步数、显存占用与 H100 实测耗时,可据此判断本地部署成本。
NVIDIA DLSS 4.5 控制选项现已登陆 GeForce NOW,会员可在支持游戏中调节画质与性能,无需最新硬件;Ultimate 会员在 GeForce RTX 5080 云主机上可使用最高 4X 的 Dynamic Multi Frame Generation。
Pollo AI 借助 GPT-5.6、GPT-6 Astra 和 GPT-Image-2.5,帮助创作者把创意转化为精细图像和电影级视频广告。
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。
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。
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。
Google Research 在 ICLR 2026 论文中提出,扩散模型的创造力源于神经网络训练中的 score smoothing:权重衰减等正则化使学到的 score function 变平滑,去噪过程因此在训练数据点之间插值,生成新样本而非简单记忆。
Google DeepMind 发布 Nano Banana 2 Lite(gemini-3.1-flash-lite-image)和 Gemini Omni Flash(gemini-omni-flash-preview)两款模型。
推荐理由:两款新模型给出延迟、单价与开放入口,读者可据此判断图像与视频生成链路的成本与可用性。
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。
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。