跳到正文

#图像生成

今日 1 条
今天10月8日周四
10月7日周三
  1. TechCrunch · AI22

    前 Ramp 工程师创办的 Melius 融资 2500 万美元，转型 AI 广告创意生成

    前 Ramp 工程师创立的 Melius 完成 2500 万美元融资，包括 CRV 领投的 2000 万美元 A 轮和 General Catalyst 领投的 500 万美元种子轮。该公司最初做 AI 效果营销工具，六個月后放弃原产品并重写全部代码，转向生成广告创意素材与营销活动的「创意工作智能体实验室」平台。Melius 称 7 月结束隐身状态后两个月内年化收入已超 100 万美元。

10月6日周二
10月2日周五
  2. The Decoder62

    Ideogram 发布 Ideogram 4.5，称局部编辑不破坏画面其余部分

    Ideogram 发布新模型 Ideogram 4.5，称其只修改用户指定的区域，换装等编辑不会改变人物身形和背景，早期测试者确认多次编辑后一致性较强。该模型提供四档质量档位，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。

9月30日周三
9月29日周二
  2. HuggingFace Daily Papers（社区热门论文）38

    MT-OPSD：面向多轮图像编辑的在线策略自蒸馏框架

    针对现有图像编辑模型在递归编辑中快速退化的问题，研究者提出 MT-OPSD 在线策略自蒸馏框架，让模型在自生成的条件下状态上训练，并由干净条件教师模型提供编辑监督，无需多轮标注。该工作同时发布 LME-Bench，包含 100 组十轮编辑会话，用于评估长程鲁棒性。在三个编辑骨干上的实验显示，MT-OPSD 显著提升长程编辑成功率、减少多轮崩溃，并基本保持单轮编辑质量。

9月28日周一
  1. 公众号：数字生命卡兹克45

    GPT-Image 2.5 的12种照片编辑与创意玩法教程

    文章介绍了利用 GPT-Image 2.5 模型进行照片精准编辑和创意生成的12种具体玩法，包括消除背景游客、自动调光、专业美颜、制作3D公仔拍立得、景点明信片、主体贴纸化、旅游碎片行李箱、人物海报、演唱会氛围感照片、美食飞溅效果、物体转文字涂鸦及Ins风注释等。每种玩法均提供了详细的提示词示例和操作步骤，旨在帮助用户在假期通过AI优化朋友圈照片。

9月27日周日
  1. HuggingFace Daily Papers（社区热门论文）41

    结构化残差连接对 Diffusion Transformer 为何重要

    研究提出将 Diffusion Transformer 的残差连接从被动求和改为主动检索机制，通过结构化连接设计让每个 Transformer block 选择性关注早期层表示。该方法训练迭代次数最多减少 1.73 倍，额外参数不到 0.1%，将 REPA-XL/2 的无引导 FID 从 5.9 降至 4.34，使用 classifier-free guidance 时达到 1.39 FID。

9月26日周六
  1. HuggingFace Daily Papers（社区热门论文）38

    神经图像水印中的残差可迁移性研究：CoverLock 防御策略

    研究提出残差可迁移性（RT）指标，量化神经图像水印证据在跨图像迁移后的可解码程度，发现架构设计而非训练侧变化是 RT 差异的主因，并识别出两种强化水印证据对载体图像依赖的机制。针对难以重新设计架构的现有水印系统，作者提出即插即用策略 CoverLock，在高 RT 水印系统上实现了优于传统手工防御和基于学习分类器防御的安全—鲁棒性权衡。

9月25日周五
9月24日周四
  1. 公众号：卡尔的AI沃茨62

    五大场景实测商汤SenseNova U1 Pro：从审美到多图融合的生图能力评测

    商汤上线SenseNova U1 Pro，在8月SuperCLUE-Image中文文生图榜单以总分93.81排名第一，作者实测其与gpt image 2.5对比。作者分审美与中文版式、多文字运营物料、资料检索与高密度信息、局部修图、多图融合五类任务测试，附全部提示词，认为其文字稳定、局部编辑精准、可支持8K输出，整体完成度达到可交付水平，考虑替换进自己的图片工作流。

  2. 公众号：火山引擎67

    Seedance 2.5 API 上线 Draft 模式，480P 试错后 1080P 一次成片

    火山引擎为 Seedance 2.5 API 推出 Draft（样片）模式，先用 480P 快速生成样片验证创意，选中后再通过样片 ID 生成 1080P 成片，复用提示词、参考素材、seed、ratio、duration 等参数保证一致性。

    推荐理由：官方给出了具体的成本节约数字和两阶段工作流说明，创作者可以据此判断是否把 Draft 模式接入自己的视频生成管线。

  3. 公众号：蚂蚁百灵（Ling）67

    蚂蚁开源 Ming-Image-0.1-Design 系列：两个 6B 模型打通设计生成与图层编辑

    蚂蚁百灵开源 Ming-Image-0.1-Design 系列模型，包含两个 6B 模型：Design 从文字需求生成 UI、信息图、海报等完整设计，Layer 将设计图拆成 2 至 9 个可独立编辑的 RGBA 图层，并同步开源 Design Skill 和 PPT Skill。

    推荐理由：原文给出两个 6B 模型的能力划分、评测成绩和实际接入效果，读者可以据此评估设计生成加图层编辑链路的部署价值。

9月23日周三
9月22日周二
  4. IT之家（RSS）65

    火山引擎 Seedance 2.5 API 上线 Draft 模式：480P 验证创意后生成 1080P 终版

    火山引擎为 Seedance 2.5 API 推出 Draft（样片）模式，用户先用 480P 低成本生成样片验证创意，再通过样片 ID 复用提示词、seed、ratio、duration 等参数生成 1080P 成片。以 5 秒镜头抽卡 4 次为例可节约 57% 成本、速度提升近一倍，抽卡 20 抽 1 时可节约 77%；C 端可在即梦中选择“Seedance 2.5（样片模式）”体验。

  10. 腾讯混元：Research（API）60

    腾讯混元发布 Hy Image3.5 preview 图像生成模型

    腾讯混元发布 Hy Image3.5 preview，支持文生图与图生图、最多 5 张参考图、多轮编辑和最高 2K 分辨率输出，经上百名专业设计师 GSB 盲测对上一代胜率综合提升 30% 以上。

    推荐理由：原文给出了文本渲染、编辑一致性与定价等具体能力细节，以及多家腾讯内部产品的实测反馈，便于评估适用场景。

  11. HuggingFace Daily Papers（社区热门论文）45

    FoMo：利用扩散模型轨迹分叉时刻自动生成感知距离标签

    该论文提出 FoMo（Forking Moment），一种全自动数据生成管线，用于在无需人工标注的情况下生成图像对之间的点式感知距离标签。方法利用扩散模型的生成动态，认为早期时间步决定粗结构，晚期决定细节；图像在生成轨迹中“分叉”越早，感知距离越远。实验表明该方法能对齐人类视觉系统，并用于训练参考型图像质量评估指标，在多个基准上超越依赖人工标注的数据集。