Ideogram 发布 Ideogram 4.5 图像模型，主打局部编辑不影响画面其余部分
Ideogram 发布新模型 Ideogram 4.5，声称编辑图像局部时不会破坏其余部分，只改动用户指定的区域。模型提供四档质量，价格从每张 0.8 到 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，开源权重版本也将推出。
#图像生成
#图像生成
今日 1 条The DecoderAI 评分5757
Google ResearchAI 评分4141 Google Research 的 Diffusion Controller 如何统一并简化 AI 图像生成控制
Google Research 提出 Diffusion Controller 框架，将去噪生成过程重构为连续控制问题，用轻量级“转向阻尼”网络在冻结基础模型的情况下引导生成方向。
AWS Machine Learning BlogAI 评分4242 在 SageMaker AI 上用 vLLM-Omni 生成图像与视频（第二部分）
这篇教程演示在 Amazon SageMaker AI 上用同一个 AWS 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 将图像生成为视频，MP4 结果存入 Amazon S3。
Hugging Face Blog精选AI 评分6262 Hugging Face 用 Gradio Workflow 重建 AUTOMATIC1111 推出 Workflow1111
Hugging Face 发布 Workflow1111，用 gr.Workflow 在单个画布上重建了 AUTOMATIC1111 的大部分功能，包含 11 条媒体管线和 73 个节点。
推荐理由：用 73 个节点在单一画布上复刻 AUTOMATIC1111 主要功能，并展示每个输出可直接变成 REST 端点和 MCP 工具的做法。
Hugging Face BlogAI 评分5050 用 TRL 和 OpenEnv 训练编程模型绘制水彩画
Hugging Face 工程师用 TRL 和 OpenEnv 开源复现了 Surya Narreddi 的项目：训练语言模型写 JavaScript（通过 p5.brush）绘制水彩画。
Hugging Face Blog精选AI 评分6666 Diffusers 原生集成 Nunchaku Lite，支持 4-bit SVDQuant 扩散模型推理
Hugging Face 宣布 Diffusers 原生支持 Nunchaku 的 SVDQuant 4-bit 推理，通过 Nunchaku Lite 集成路径直接用 from_pretrained() 加载量化 checkpoint，无需独立推理引擎或本地 CUDA 编译。
推荐理由：Diffusers 原生集成 Nunchaku，W4A4 量化在降显存的同时也降低推理延迟，是可复现的部署方案变化。
Google ResearchAI 评分4747 Google Research 解析扩散模型创造力来源：分数平滑使模型从记忆走向插值生成
Google Research 在 ICLR 2026 发表的论文《On the Interpolation Effect of Score Smoothing in Diffusion Models》指出，扩散模型的“创造力”源于神经网络训练对 score function 的平滑效应。
Hugging Face BlogAI 评分5656 Photoroom 详解 PRX 系列第四篇：文生图模型的预训练数据策略
Photoroom 发布 PRX 系列第四篇博客，详解其 7B 文生图模型的预训练数据策略，包括用 Lance 建库、Mosaic Streaming（MDS）供流、分辨率与长宽比分桶等核心环节。
Google DeepMind精选AI 评分7474 Google DeepMind 发布 Nano Banana 2 Lite 与 Gemini Omni Flash
Google DeepMind 发布 Nano Banana 2 Lite（gemini-3.1-flash-lite-image）和 Gemini Omni Flash（gemini-omni-flash-preview）。
推荐理由：官方同时给出两款模型的定价、延迟数字和已知限制，开发者可以直接据此评估是否替换现有图像与视频工作流。
Google Research精选AI 评分6161 Google Photos Auto frame 上线 3D 视角重构功能，可自动调整照片拍摄角度
Google 宣布将一种新的照片视角重构方法作为 Google Photos Auto frame 功能上线，用 ML 模型估计 3D 点图和相机参数，再由生成式扩散模型补全新视角下未拍摄到的区域。方法分 3D 场景与相机估计、生成式修补两阶段，可自动矫正广角前摄的透视畸变，对含人物的合格照片提供一键重构视角的备选结果。
推荐理由：原文解释了将照片当作 3D 场景重建并重定位虚拟相机的两阶段方法，读者可以了解生成式修图与经典裁剪的区别。
Hugging Face Blog精选AI 评分6666 Hugging Face 推出 Modular Diffusers，用可组合积木构建扩散流水线
Hugging Face 发布 Modular Diffusers，将扩散流水线拆成文本编码、去噪、解码等可独立运行、自由增删互换的可复用块，作为现有 DiffusionPipeline 的灵活补充。
推荐理由：原文展示了用可组合积木搭建扩散流水线的完整用法，包括自定义块、模块化仓库和 Mellon 可视化集成，方法可直接复用。
Hugging Face BlogAI 评分5252 Photoroom 用 32 张 H200 在 24 小时内训练文生图模型并开源 PRX 训练代码
Photoroom 以约 $1500 算力预算（32 张 H200，$2/小时/GPU）在 24 小时内完成文生图扩散模型训练，并开源 PRX 训练代码与实验框架。
Google DeepMind精选AI 评分7777 Google DeepMind 发布 Nano Banana 2（Gemini 3.1 Flash Image）图像模型
Google DeepMind 发布 Nano Banana 2（Gemini 3.1 Flash Image），以 Flash 速度提供 Pro 级世界知识、精准文本渲染、最多 5 个角色的主体一致性和 512px 到 4K 的生产级规格。
推荐理由：官方公告列出了能力细节、订阅者保留路径和各产品开放范围，读者可据此判断是否切换工作流。
Hugging Face BlogAI 评分5252 Photorium PRX 系列第二篇：用消融实验讲透文本生成图像模型的训练设计
Photorium 发布 PRX 文生图训练系列第二篇，在统一的 Flow Matching 基线上系统消融各类训练技巧。
Google DeepMindAI 评分3131 Google 2025 年度回顾：8 大研究突破领域
Google 回顾 2025 年在 Google、Google DeepMind 和 Google Research 取得的研究进展：3 月发布 Gemini 2.5。
OpenAI News精选AI 评分6565 OpenAI 推出 ChatGPT Images 新体验并发布 GPT-Image-1.5
OpenAI 宣布推出更快的 ChatGPT Images 体验，并在 API 中发布 GPT-Image-1.5。用户可在 ChatGPT 中体验最新的 ChatGPT Images 2.5。
推荐理由：官方公告点明 ChatGPT Images 更快的新体验和 GPT-Image-1.5 进入 API，读者可据此了解这轮图像功能更新的范围。
Hugging Face Blog精选AI 评分6060 Diffusers 支持 FLUX.2 图像生成
Hugging Face 官方博客宣布 Diffusers 支持 FLUX.2，提供 Flux2Pipeline 和 Flux2Transformer2DModel 的完整加载与推理示例。
推荐理由：官方博客给出 FLUX.2 在 Diffusers 中的完整推理代码和量化加载方式，读者可以直接照搬运行文生图流程。
Google DeepMind精选AI 评分8080 Google DeepMind 发布 Nano Banana Pro（Gemini 3 Pro Image）图像生成与编辑模型
Google DeepMind 发布 Nano Banana Pro（Gemini 3 Pro Image），基于 Gemini 3 Pro 的高保真图像生成与编辑模型，已开始在 Google AI Studio 和 Vertex AI 面向付费预览推出。
推荐理由：官方发布文给出了模型能力细节、2K/4K 分辨率、接入渠道和定价定位，开发者可据此评估是否切换或叠加使用。
Google DeepMind精选AI 评分8484 Google DeepMind 发布 Nano Banana Pro（Gemini 3 Pro Image）图像生成与编辑模型
Google DeepMind 发布 Nano Banana Pro（Gemini 3 Pro Image），基于 Gemini 3 Pro 的新一代图像生成与编辑模型。
推荐理由：官方发布新图像模型，列出文本渲染、多语言、4K 分辨率等具体能力变化和各产品入口，读者可以对照评估使用方式。
Hugging Face Blog精选AI 评分6464 Hugging Face ZeroGPU Spaces 如何用 PyTorch 预编译提速图像视频生成
Hugging Face 发文介绍如何在 ZeroGPU Spaces 中用 PyTorch ahead-of-time 编译优化生成式 demo，指出 torch.compile 与 ZeroGPU 短生命周期进程不兼容，需先导出再用 spaces.aoti_* API 编译加载。
推荐理由：原文给出 ZeroGPU 上 AoT 编译的完整步骤和 FP8、动态形状等进阶技巧，读者可以直接迁移到自己的 Spaces demo。
Hugging Face BlogAI 评分5959 Hugging Face 教你用 MCP 连接 Claude 生成图像
Hugging Face 发布教程，介绍如何把 Claude 连接到 Hugging Face MCP Server，用 Spaces 上的图像生成模型出图。2025 年 10 月更新后需通过 Add custom connector 设置 Remote MCP server URL 为 https://huggingface.co/mcp?
Hugging Face BlogAI 评分4343 Arm 发布 Neural Super Sampling（NSS）AI 超分辨率方案
Arm 发布面向图形与游戏开发的 AI 超分辨率方案 Neural Super Sampling（NSS），可在移动 GPU 的 Neural Accelerator 上实时运行。
Mistral AIAI 评分4242 通过微调释放 Pixtral-12B 在卫星图像上的潜力
Mistral 展示如何通过 LoRA 微调 Pixtral-12B 提升其在卫星图像分类任务上的表现，实验基于 Aerial Image Dataset（AID），采用 8,000 训练样本和 2,000 测试样本的划分。
Hugging Face Blog精选AI 评分6767 Hugging Face 详解如何用 Diffusers 和 PEFT 加速 Flux LoRA 推理
Hugging Face 发布教程，介绍结合 Flash Attention 3、torch.compile 和 FP8 量化的 Flux.1-Dev LoRA 推理优化配方，在 H100 上相对基线取得 2.23x 加速，并支持 LoRA 热切换而不触发重编译。
推荐理由：原文给出可直接复用的 LoRA 推理优化配方和 H100、RTX 4090 两套实测延迟数据，并说明热切换避免重编译的限制。
Hugging Face Blog精选AI 评分6363 Hugging Face 教你用 QLoRA 在消费级显卡上微调 FLUX.1-dev
Hugging Face 发布教程，展示用 QLoRA 配合 diffusers 在单张 GPU 上以约 9GB 峰值显存微调 FLUX.1-dev 学习 Alphonse Mucha 画风，700 步在 RTX 4090 上约 41 分钟完成，标准 BF16 LoRA 则需 26GB。
推荐理由：官方博客给出完整的 QLoRA 微调配方和实测显存与耗时数据，方法可直接迁移到消费级显卡上的 FLUX.1-dev 定制训练。
Hugging Face Blog精选AI 评分6262 Hugging Face Diffusers 量化后端实战：以 Flux-dev 为例对比 BnB、torchao、Quanto、GGUF 与 FP8
Hugging Face 发布 Diffusers 量化后端解读文章，以 black-forest-labs/FLUX.1-dev 为例实测 bitsandbytes、torchao、Quanto、GGUF 和 FP8 Layerwise Casting 五种方案。
推荐理由：文章系统对比了 Diffusers 各量化后端在 Flux-dev 上的内存、速度与画质差异，并给出选型建议和可复现代码。
OpenAI News精选AI 评分7575 OpenAI 在 API 中推出最新图像生成模型 gpt-image-1
OpenAI 宣布最新图像生成模型通过 API 中的 gpt-image-1 提供，面向开发者和企业开放。开发者可将专业级、可定制的视觉生成能力直接集成到自己的工具和平台中。
推荐理由：官方宣布 gpt-image-1 进入 API，开发者可以把专业级、可定制的图像生成直接接入自己的工具和平台。
OpenAI News精选AI 评分8383 OpenAI 在 GPT-4o 中推出原生图像生成
OpenAI 在 GPT-4o 中推出原生图像生成功能，提升了文字渲染和指令遵循能力，并推出 ChatGPT Images 2.5。
推荐理由：官方宣布 GPT-4o 原生支持图像生成，强调文字渲染和指令遵循能力提升，适合关注多模态生成的读者。
OpenAI News精选AI 评分7878 OpenAI 发表 GPT-4o 图像生成系统卡附录
OpenAI 发表 GPT-4o 系统卡附录，介绍 4o 图像生成，称其比此前 DALL·E 3 系列能力显著更强。它能生成照片级真实输出，并支持以图像作为输入进行转换。
推荐理由：原文明确了 4o 图像生成相比 DALL·E 3 的能力跃升，读者可以据此判断它在生成与图像转换上的新定位。
Hugging Face BlogAI 评分5555 Diffusers 推出 Remote VAE 实验功能，把 VAE 解码委托给 Inference Endpoints
Diffusers 团队推出实验性 Remote VAE 功能，通过 huggingface-inference-toolkit 自定义 handler 将 VAE 解码委托给远程端点，以缓解高分辨率图像和视频生成时消费级 GPU 显存不足、offload 延迟和 tiling 画质损失问题。
OpenAI NewsAI 评分77 用 ChatGPT 创作美甲设计
OpenAI 分享用 ChatGPT 寻找美甲设计灵感的方法：用户可以生成美甲图案创意，作为美甲参考。
Hugging Face BlogAI 评分3737 Hugging Face《AI 艺术工具通讯》创刊：回顾 2024 AI 艺术里程碑
Hugging Face 推出《AI 艺术工具》通讯第一期，回顾 2024 年 AI 艺术领域的关键进展。
Hugging Face Blog精选AI 评分6565 Hugging Face 盘点 Diffusers 中的开源视频生成模型现状
Hugging Face Diffusers 团队发文综述当前开源视频生成模型现状，覆盖 CogVideoX、Mochi-1、HunyuanVideo、LTX Video 等模型及其高资源需求、泛化与延迟等局限。
推荐理由：Diffusers 团队原文梳理了开源视频生成模型现状，并给出实测内存数据和一套可复用的推理与微调优化方法。
Hugging Face BlogAI 评分5454 Hugging Face 发布 TimmWrapper：在 transformers 生态中使用任意 timm 模型
Hugging Face 官方博客宣布 transformers 集成 TimmWrapper，让任意 timm 视觉模型可直接使用 pipeline、Auto Classes、Trainer API 和 LoRA 微调。
Hugging Face BlogAI 评分5050 Hugging Face Data is Better Together 社区发布开放文本生成图像偏好数据集 open-image-preferences-v1
Hugging Face 的 Data is Better Together 社区发布 Apache 2.0 许可的文本生成图像偏好数据集 open-image-preferences-v1，包含 10K 偏好对、超 30K 标注响应，由 250 多名社区成员在不到两周内完成。
OpenAI NewsAI 评分5252 OpenAI 论文简化、稳定并扩展连续时间一致性模型
OpenAI 发布论文，对连续时间一致性模型做了简化、稳定化和规模化，仅用两个采样步骤即可达到与领先扩散模型相当的样本质量。
Hugging Face Blog精选AI 评分6666 Stable Diffusion 3.5 Large 上架 Hugging Face 并支持 Diffusers
Stable Diffusion 3.5 Large 发布，提供 8B 基础版和 8B timestep-distilled 版两个 checkpoint，模型已在 Hugging Face Hub 开放并可在 🧨 Diffusers 中使用。
推荐理由：原文给出 Diffusers 中推理、量化加载和低显存训练 LoRA 的具体做法，读者可以直接照着在消费级硬件上使用 8B 模型。
Hugging Face BlogAI 评分5757 Hugging Face 讲解用 Quanto 和 Diffusers 降低 Transformer 扩散模型显存占用
Hugging Face 发布教程，介绍如何用 Quanto 对 Diffusers 中的 Transformer 扩散管线（PixArt-Sigma、Stable Diffusion 3、Aura Flow）做 FP8/INT8/INT4 量化以降低显存占用。
OpenAI NewsAI 评分4141 OpenAI 发布改进一致性模型训练的新技术
OpenAI 介绍了一致性模型训练的改进技术。一致性模型是一类新兴生成模型，无需对抗训练即可一步生成高质量数据样本。
OpenAI NewsAI 评分3232 OpenAI 的 Consistency Models 研究
Consistency Models 是 OpenAI 发布的一项生成模型研究，针对扩散模型的问题提出改进。扩散模型虽显著推进了图像、音频和视频生成，但其依赖的迭代采样过程导致生成速度慢。