Ideogram 发布 Ideogram 4.5,称可局部编辑图像而不影响其余部分
Ideogram 发布新模型 Ideogram 4.5,称其只修改用户指定的区域,其余部分保持不变,可避免多次编辑后出现的伪影。该模型提供四档质量选项,每张图 0.8 至 22 美分,均为原生 2K 分辨率,现已上线 Ideogram 平台和 API,合作方包括 Picsart、Runway、Pika 和 Leonardo AI,并称即将推出开放权重版本。
Ideogram 发布新模型 Ideogram 4.5,称其只修改用户指定的区域,其余部分保持不变,可避免多次编辑后出现的伪影。该模型提供四档质量选项,每张图 0.8 至 22 美分,均为原生 2K 分辨率,现已上线 Ideogram 平台和 API,合作方包括 Picsart、Runway、Pika 和 Leonardo AI,并称即将推出开放权重版本。
Simon Willison 用 GPT-6 Astra 构建了实验性工具 Photo Scrubber,可自动识别人脸并模糊处理,同时移除照片元数据。该工具基于 Google 的 MediaPipe C++ 库,通过 @mediapipe/tasks-vision 编译为 WebAssembly,并使用 BlazeFace 人脸检测模型,全部在本地运行。
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。