最新研究表明，大型语言模型在自然语言处理方面展现出强大的视觉缺陷推理能力，但在将这些高层次洞察转化为精确的像素级操作时仍面临挑战。这些模型在受限于明确、界定清晰的维度时表现优异，但当需要平衡抽象美学判...

在2025年谷歌I/O大会上，谷歌正式推出新一代生成式媒体模型Veo 3和Imagen 4，以及专为影视制作设计的新工具Flow。Veo 3作为视频生成模型的迭代版本，在动态细节和场景连贯性上实现突破；Imagen 4则进一步提升了文本...

HeyGen公司最新推出的Avatar IV标志着AI数字人技术进入新纪元。该模型采用神经音频-表情引擎技术，通过解析语音的声调、节奏和情感等多维特征，仅需单张静态图像即可驱动生成高度逼真的面部微表情动画。这项突破性技...

OpenAI工程师团队近期披露了ChatGPT图像功能在3月发布时的技术挑战与解决方案。该功能上线首周即吸引1亿新用户，生成7亿张图像，其中印度市场每小时新增用户峰值达100万。面对同步图像生成系统无法承受的突发流量，...

加州大学团队在GitHub开源了UCGM项目，为生成式AI领域带来突破性技术框架。该项目创新性地构建了统一架构，可同时支持多步（如扩散模型）和少步（如流模型）连续生成模型的训练与采样流程。通过数学层面的抽象整合，...

Freepik近日发布了名为F Lite的AI图像生成模型，该模型是与Fal.ai合作开发，并利用64块Nvidia H100 GPU进行训练。F Lite的独特之处在于其训练数据全部来自经过授权的、适合工作场景的图像，确保了生成内容的合法性和...

近日，GitHub上开源了一个名为DDT（Decoupled Diffusion Transformer）的项目，该项目实现了一种结合Transformer和扩散模型的新型架构。该架构采用Encoder-Decoder设计，其中Decoder部分由扩散模型构成。初步实验表...

近日，一项名为'Attention Distillation for Diffusion-Based Image Stylization'的技术在图像生成领域取得重要进展。该技术通过利用预训练扩散模型中的自注意力特征，创新性地引入了注意力蒸馏损失函数，有效优化了...