⌘ K
… 读取采集状态 同步中...
雷

#图像生成

今日 0 条
1月15日周四
12月17日周三
  1. Mistral News80

    Mistral 发布 Mistral OCR 3 模型

    Mistral 正式发布 Mistral OCR 3，该模型在表单、手写及复杂表格识别上的整体胜率比上一代提升 74%，并支持输出含 HTML 表格重构的 Markdown 格式。

    推荐理由：原文提供了性能对比数据和定价细节，展示了该模型在企业文档处理场景中的成本优势。

  2. AISI Blog66

    AISI与Thorn发布AI生成儿童性虐待材料安全协议

    AISI与儿童安全组织Thorn发布新安全协议，指导AI开发者、模型托管平台等降低系统被用于生成AI生成儿童性虐待材料（CSAM）的风险。协议设定了安全设计原则和部署侧缓解措施，配合英国新立法允许授权机构在严格条件下测试AI模型的CSAM生成能力。AISI称将在政府支持下与行业、执法和安全组织协作设计测试条件与操作安全机制，并开展威胁建模和资助外部研究，强化从训练、分发到使用的全链条防护。

    推荐理由：协议给出了开发者和托管方在模型全生命周期中降低滥用风险的具体原则和步骤，并明确了立法后的测试边界。

8月19日周二
  1. Qwen Blog71

    Qwen-Image-Edit 图像编辑模型发布

    Qwen 发布图像编辑版模型 Qwen-Image-Edit，基于 20B 参数的 Qwen-Image 扩展并支持中英双语精确文字编辑。模型将输入图同时送入 Qwen2.5-VL 与 VAE 编码器，实现语义编辑与外观编辑双通道能力，并在公开基准上取得 SOTA。

    推荐理由：基于 20B 基座扩展的编辑模型，将文字渲染能力落地到图像编辑，给出多语言精确改字和语义一致性保持等特性与对比基准。

8月4日周一
  1. Qwen Blog80

    Qwen 发布原生文字渲染图像模型 Qwen-Image

    Qwen 正式发布 20B MMDiT 图像基础模型 Qwen-Image，实现复杂文字渲染与精准图像编辑的显著突破。该模型在 GenEval、GEdit 等基准测试中达到 SOTA 水平，并支持中英双语多行排版及复杂场景下的文字细节生成。

    推荐理由：官方详细列举了模型在中英复杂文字渲染与多任务编辑场景下的具体表现，为创作者判断其替代现有工作流的可行性提供了直接依据。

6月26日周四
  1. Qwen Blog68

    Qwen VLo 预览版发布：统一多模态理解与生成模型

    Qwen VLo 预览版发布，是一个统一的多模态理解与生成模型，用户可以通过 Qwen Chat 访问，直接输入文本生成图像或上传图片并下达指令编辑。模型采用从左到右、从上到下的渐进式生成机制，支持开放式指令编辑、风格迁移、多语言交互，并能在单条指令中完成多步任务如海报制作和物体合成。

    推荐理由：原文说明了统一模型从理解到生成的能力变化和交互入口，读者可以据此判断它会怎样改变多模态图像工作流。

12月24日周六
  1. Qwen Blog45

    中文 CLIP 发布：基于对比式视觉-语言预训练的开源中文多模态模型

    千问团队发布开源中文 CLIP 模型，旨在解决英文 CLIP 在中文跨模态检索中因翻译质量和文化领域偏差导致的性能下降问题。该模型采用两阶段预训练方法，使用包含 2 亿图文对的公开数据集训练，并发布了 ResNet-50、ViT-L/14 等 5 个版本，在 MUGE 等数据集上取得了优于前最优模型的性能。