跳到正文

#图像生成

今日 0 条
9月25日周五
9月24日周四
9月23日周三
  2. Tencent Hy59

    Hy Image3.5 preview 现已在 ComfyUI 中可用。人工评测胜率相比 Hy Image3.0 提升 30%；单一模型支持文生图与图生图，最高 2K 分辨率，支持多语言文字与小字渲染，覆盖电影、漫画、商业摄影、插画风格，人物身份与产品特征可在场景、服装和风格切换中保持一致。

    引用ComfyUI@ComfyUI

    Hy Image3.5 preview is now available in ComfyUI. Professional-grade image generation, +30% win rate in human eval vs Hy Image3.0 → Text to image and Image to image in one model, up to 2K → Multilingual text, symbols, and small print that render correctly → Cinematic, comic, commercial photography, and illustration styles → Identity and product features that hold through scene, outfit, and style changes

9月22日周二
9月17日周四
9月15日周二
9月11日周五
9月10日周四
  1. Hugging Face：Blog（RSS）61

    Hugging Face 用 Gradio Workflow 重建 AUTOMATIC1111，推出 Workflow1111

    Hugging Face 发布 Workflow1111，用 gr.Workflow 在单个画布上以 73 个节点重建了 AUTOMATIC1111 的 11 条媒体管线，涵盖文生图、hi-resolution fix、图生图、VLM 反推提示词、检测生成 inpaint 蒙版、ControlNet 风格 annotator、背景去除、PNG Info 和图生视频。

    推荐理由：官方用 Gradio Workflow 在单个画布上复刻了 AUTOMATIC1111 的主要功能，读者可以对照它了解节点式工作流与 ComfyUI 的差异。

9月8日周二
9月4日周五
9月1日周二
8月29日周六
8月28日周五
  2. Midjourney：Updates（RSS）65

    Midjourney 开放测试首个 V8.2 图像编辑模型

    Midjourney 开始让所有用户测试首个 V8.2 图像编辑模型。该模型支持用指令编辑图像、以最多 4 张图像参考生成新图（替代 omni-reference）、局部重绘（inpainting）与扩图（outpainting），并可用 personalization、moodboards 和 srefs。

    推荐理由：官方宣布 V8.2 图像编辑模型开放测试，列出指令编辑、多图参考、局部重绘等能力变化和具体入口。

8月22日周六
8月19日周三
8月17日周一
7月25日周六
  1. Midjourney：Updates（RSS）47

    Midjourney 发布 V8.2 图像模型

    Midjourney 推出 V8.2 图像模型，本次更新聚焦美学、图像质量与个性化。官方称图像将更具创意、大胆、精致、前卫和新颖，低质量图像的随机情况应会大幅减少。V8.2 的个性化档案拥有更大且更优的图像池，能更好理解用户个人品味，尤其适合在个人档案下积累了大量评分的用户。

7月23日周四
  1. Hugging Face：Blog（RSS）69

    Diffusers 原生集成 Nunchaku Lite 4-bit 扩散模型推理

    Hugging Face 宣布 Diffusers 原生支持 Nunchaku Lite，可像普通模型一样用 from_pretrained() 加载 SVDQuant 4-bit (W4A4) 检查点，无需单独推理引擎或本地 CUDA 编译，内核经 kernels 包从 Hub 下载。

    推荐理由：Diffusers 原生支持 Nunchaku 4-bit 推理，附带基准数据和自己量化模型的完整流程，适合关注消费级显卡跑扩散模型的读者。

  2. Midjourney：Updates（RSS）57

    Midjourney 宣布首次收购 Co–Star

    Midjourney 创始人 David Holz 宣布公司首次收购，对象是创始人 Banu 旗下的 Co–Star。Co–Star 将完全由 Banu 继续掌控和指导，她和团队加入 Midjourney 帮助围绕 Product 和 Design 建立更大的组织。

7月16日周四
7月6日周一
  1. Hugging Face：Blog（RSS）45

    PRX Part 4：我们的数据策略

    PRX 系列第 4 篇披露其数据策略：预训练数据由公开与内部数据集混合而成，用 VLM 重新生成图像长描述，再转为可流式读取的语料。团队改用 Qwen3-VL 在训练中实时计算文本 latent，实测吞吐仅损失约 3–4%（30 天训练多约 1 天），并采用 Lance 构建、MDS 流式的双格式流程，图像统一以 JPEG quality 92 编码。

7月1日周三
6月26日周五
6月17日周三
6月11日周四
  1. Midjourney：Updates（RSS）58

    Midjourney 将默认模型从 V7 切换为 V8.1

    Midjourney 宣布经过测试和反馈后，默认模型已从 V7 更新为 V8.1。V8.1 更聪明、更连贯，更好地遵循详细提示词并渲染文字；开启 HD 模式后图像尺寸为 V7 的两倍、分辨率 4 倍，SD 模式 4 秒、HD 模式 12 秒出图。风格参考、个性化与美学在 V7 与 V8.1 间保持一致；V7 的 omni-reference 仍可使用，V8.0 alpha 将在两周后弃用。

5月28日周四
5月22日周五
  1. Saining Xie45

    来看看 Jas 主导的 RAEv2。通过大量实验，我们发现了一些非常有趣的行为，说明为什么强大的表征编码器对像素解码器至关重要。 剧透：关键不在于爬 FID 的坡；像 ep@fid-k/fdr^k 这样的新指标表明，还有更多值得探索的空间！

    引用Jaskirat Singh@1jaskiratsingh

    In Oct last year, Representation Autoencoders provided an elegant solution to unified tokenization for understanding and generation. Today we make them a bit more simple. a bit more general. Result: >10x faster convergence, better reconstruction, better generation. And yes we test them on T2I and world models :) Introducing RAEv2

5月14日周四
5月7日周四
4月23日周四
  1. Google Research69

    Google Photos Auto frame 上线 3D 视角重排功能，可改变照片拍摄视角

    Google 宣布其新方法已在 Google Photos 的 Auto frame 功能中上线，用 ML 模型估计 3D 点图和相机参数，再用生成式扩散模型补全新视角下原先未拍到的内容，实现拍摄后的视角重排。方法分 3D 场景与相机估计、生成式修补两阶段，可自动调整人像构图并校正广角前置镜头的透视畸变，对含人物的合格照片提供单次操作的备选 rendition。

    推荐理由：原文拆解了 3D 场景估计与生成修补的两阶段方法，读者可以理解这种视角重排与普通生成式修图的区别。

3月6日周五