⌘ K
… 读取采集状态 同步中...
雷

#图像生成

今日 0 条
8月22日周六
8月21日周五
  1. 智东西74

    商汤开源8B参数轻量多模态模型SenseNova U1.5 Lite，支持4K生图与超长指令遵循

    商汤科技开源轻量级原生统一多模态模型SenseNova U1.5 Lite正式版，8B参数量，原生支持3-4k字符超长指令遵循和4K分辨率输出。官方基准显示其在多项图像生成、文字渲染和图像编辑指标上优于Qwen-Image-2.0、Seedream-4.5，部分基准超过GPT-Image-1.5但距离GPT-Image-2仍有差距。

    推荐理由：模型用蒸馏方式把多专家能力压缩进8B体量，读者可看清轻量化与多模态一体如何在成本、延迟和细节把控上权衡。

  4. 优设AIGC45

    休闲零食创意广告提示词拆解：真实产品结合手绘场景打造明星化视觉

    一组“零食明星化”创意广告将真实膨化零食置于冠军领奖、摇滚演唱会、红毯等6个场景中。画面采用真实食品摄影与黑色手绘线稿的混合视觉，保留零食酥脆颗粒质感，同时通过观众、奖杯等夸张元素制造幽默感。每图右下角统一放置产品包装，结合固定构图逻辑与角色设定，形成完整且可扩展的系列化广告故事。

8月20日周四
  1. 优设AIGC31

    品牌胶囊创意广告视觉提示词拆解

    利用“品牌胶囊”视觉概念生成 Nike、可口可乐等大牌创意广告。通过固定上下分体结构，将品牌主色、Logo 与代表性元素（如球鞋、咖啡豆）嵌入胶囊，利用玻璃折射、高光与极简白底摄影风格，在保持系列统一感的同时实现单张视觉记忆点。

  2. 量子位76

    百度文心助手发布任务引擎2.0，高阶Agent能力免费开放

    百度在AI DAY上发布文心助手任务引擎2.0，实现高阶Agent能力完全免费开放。该引擎通过任务规划、智能路由和长上下文记忆机制，将复杂任务转化为可交互的成品交付，如图片转Excel、跨平台金融研报及3D太阳系模拟器。在PinchBench v2评测中，文心助手任务Agent取得94.6%综合成功率并位列榜首，同时百度搜索页也上线了GUI交互式答案组件，覆盖K9数理化高频考点。

    推荐理由：百度文心助手任务引擎2.0完全免费开放高阶Agent能力，实测展示了多图片转Excel、跨平台金融研报及3D太阳系模拟器生成等交付成果。

  3. CVer21

    ICML 2026 | 美图影像研究院提出 FlowSeg：双向语义流引导动态条件分割

    美图影像研究院提出 FlowSeg 模型，通过引入双向语义流解决条件分割中的语义对齐失效问题。该模型在 RefCOCO 等指称表达分割数据集上达到最佳水平，并在 ReasonSeg 测试集上取得超 10% 的领先优势。基于此技术，美图云修与美图秀秀 APP 已上线“杂物消除”功能，实现对电线杆等杂物的智能识别与无痕消除。

8月19日周三
  2. APPSO25

    AI 工具将《牛来》视觉风格封装为 Skill，实现任意图片风格化

    网友已将《牛来》粗糙 3D 视觉风格封装为 Skill，支持在 Codex 中调用实现任意图片风格化及生成《牛来》风格动画。该 Skill 核心任务让模型学会“主动做糙”，保留低模、低分辨率贴图及僵硬绑定等特征。此前已有用户利用 Seedance 2.5 完成《牛来》二创，融入功夫熊猫等角色，展示了生成式 AI 大幅缩短 IP 非官方世界观生产周期的能力。

  3. 优设AIGC19

    AI修图提示词设计指南：普通旅行照打造极简海报大片感

    提供一套“摄影×极简抽象”旅行海报AI修图提示词，将普通旅行照转化为艺术海报。提示词包含固定3:4上下对半版式、保留上半部分真实摄影感、提炼下半部分标志性几何元素及统一米白视觉语言四个核心部分。该方法通过提取原图色彩与结构，使普通照片呈现出克制、高级的系列感，适合制作旅行摄影集或艺术展览海报。

8月18日周二
  3. 腾讯研究院57

    从 561 件作品看腾讯云黑客松游戏开发中的 AI 创作新变化

    腾讯研究院分析腾讯云黑客松游戏开发挑战赛的 561 件作品，发现 AI 已深入创意、开发等关键环节，显著降低了游戏制作门槛。统计显示约 151 件作品在四个核心环节均使用了 AI，创作者开始依靠拼凑多套工作流实现独立开发。随着 AI 普及，更多普通人能够制作游戏原型，游戏正逐渐演变为大众的日常表达容器。

8月17日周一
8月16日周日
  2. CVer37

    YOLOv14 提出自适应实时目标检测以应对多样化成像条件

    南京邮电大学提出 YOLOv14 框架，通过引入可变形区域注意力、多层次 Game2Real 对齐、视角感知对比学习及场景自适应增强路由，解决鱼眼、全景、无人机及游戏风格等非理想成像条件下的目标检测难题。该模型构建了覆盖四类非理想输入的评测基准，在标准 COCO 基准上超越同规模前代 YOLO，并在多个非理想输入基准上较基线取得一致提升。

8月14日周五
8月13日周四
8月12日周三
8月10日周一
  3. APPSO65

    xAI 发布 Imagine Image 2.0，支持分层精准编辑；OpenAI 新生图模型现身竞技场

    xAI 发布生图模型 Imagine Image 2.0，在文本转图像和图像编辑类别位列世界第二。该模型支持自动分层编辑，可精确选区修改并将主体导出为透明背景，最多支持 5 张输入图像融合拼接。

    推荐理由：原文展示了 Imagine Image 2.0 的分层编辑与多参考融合能力，并对比了 OpenAI 新测模型在真实感上的表现。

8月9日周日
8月8日周六
8月6日周四
  1. K姐研究社38

    公众号 AI 贴图起号法：GPT Image 2 生成美女图 + 流量主变现拆解

    K姐研究社拆解了一套用 AI 生成"素人感美女贴图"给公众号起号并靠流量主变现的玩法：实测用 GPT Image 2 生成带手机摄影质感的图片，圈内创作者晒出单张图片 1.5 万阅读、广告收益 50 块。发布时在公众号后台选贴图模式、单次上传 1-20 张，实名验证且粉丝 ≥100 后开通流量主，启用贴图底部推荐流广告或评论区广告，靠阅读和广告点击产生收益。

8月5日周三
7月23日周四
  1. Hugging Face Blog80

    Diffusers 原生支持 Nunchaku 4-bit 扩散模型推理

    Diffusers 原生支持加载 Nunchaku Lite 4-bit 量化扩散模型，无需本地编译即可通过 from_pretrained 调用。在 RTX 5090 上，ERNIE-Image-Turbo 的生成耗时降至 1.7 秒，峰值显存占用从 24 GB 降至 12 GB。

    推荐理由：文章给出了 Nunchaku Lite 在 Diffusers 中的原生加载方法、基准测试数据及量化自定义模型的工具流程。

7月22日周三
  1. 数字生命卡兹克80

    腾讯设计Agent Miora 全量开放，整合Skill市场与分层记忆系统

    腾讯设计Agent平台 Miora 于 2026-07-22 全面开放，此前需邀请码和预约排队。该平台由 WorkBuddy 团队开发，支持品牌设计、影视创意、电商广告、互动游戏和网页应用五大场景，每个场景对应不同的快捷模板即垂直任务 Skill。

    推荐理由：腾讯设计Agent平台Miora全量开放，展示了基于Skill市场和分层记忆系统的设计工作流，为AI设计工具的生态演进提供了观察样本。

7月16日周四
7月1日周三
  1. Google DeepMind77

    Google DeepMind 发布 Nano Banana 2 Lite 和 Gemini Omni Flash

    Google DeepMind 发布图像模型 Nano Banana 2 Lite 和视频模型 Gemini Omni Flash，两者均已在 Google AI Studio 和 Gemini API 上线。Nano Banana 2 Lite 生成一张 1K 图像耗时 4 秒、成本 $0.034，Gemini Omni Flash 视频生成成本 $0.10/秒，目前最长支持 10 秒视频。

    推荐理由：原文给出了 Nano Banana 2 Lite 和 Gemini Omni Flash 的延迟、成本及组合工作流细节，读者可据此判断多模态生成应用的性能与预算边界。

6月30日周二
  1. Google Gemini API Release Notes42

    Gemini Omni Flash 进入公开预览，Gemini 3.1 Flash Lite Image 正式发布

    谷歌发布 gemini-omni-flash-preview 进入公开预览，这是一款针对高速视频生成和对话式视频编辑的高性能多模态模型。通过 Interactions API，它支持从文本或静态图片生成 3-10 秒的 720p 视频。gemini-3.1-flash-lite-image 也已进入通用可用性阶段，主打超低延迟和低成本图像生成。

6月15日周一
5月28日周四
  1. Google Gemini API Release Notes72

    Google 正式发布 Gemini 3.1 Flash 和 3 Pro 图像模型，支持视频转图片生成

    Google 发布 Gemini 3.1 Flash Image 和 Gemini 3 Pro Image 正式 GA 版本，并停止预览模型服务。新增视频转图片生成能力，支持通过视频文件或 YouTube 链接结合文本提示生成缩略图、海报或信息图，该功能仅限 gemini-3.1-flash-image 使用。

    推荐理由：提供视频转图片原生功能支持及正式版模型入口，便于快速集成生成高质量视觉资产。

4月9日周四
3月20日周五
  1. The Batch75

    Apple 发布多模态统一分词器 AToken，统一处理图像、视频和 3D 对象

    Apple 团队开发了 AToken，一个能将图像、视频和 3D 对象映射到共享 token 空间的通用视觉分词器，兼顾生成与分类任务。该模型基于 SigLIP2 视觉编码器扩展，通过时空坐标和 4D 旋转位置编码统一处理不同维度的视觉输入。

    推荐理由：文章介绍了Apple提出的统一多模态tokenizer AToken，展示了共享编码器在图像、视频和3D任务上的通用性潜力。

2月26日周四
  1. Google Gemini API Release Notes64

    Google Gemini 发布 Nano Banana 2 和 Gemini 3.1 Flash Image，并公告 Gemini 3 Pro 将于3月9日停用

    Google Gemini API 上线 Nano Banana 2 和 Gemini 3.1 Flash Image Preview，该模型以速度和大规模场景优化为主。同时官方宣布 gemini-3-pro-preview 将于 2026 年 3 月 9 日停用。

    推荐理由：原文给出了新图像模型的定位和旧版Pro模型的停用时间表，便于开发者评估迁移节奏。