La empresa de tecnología de medios con IA, Runway, ha anunciado el lanzamiento de su último modelo de generación de imágenes a partir de texto: Frames. Como empresa conocida por sus modelos de vídeo con IA, Runway busca ampliar su influencia en el ámbito de la creación de imágenes. El lanzamiento de Frames ha recibido excelentes críticas, especialmente por su capacidad para generar imágenes con una estética cinematográfica. El modelo se presentó por primera vez en noviembre de 2024 y, durante las últimas semanas, se ha ofrecido a los usuarios del programa de creadores de Runway para que lo prueben.

En el campo de la inteligencia artificial, el último logro del equipo de tecnología de comercialización de ByteDance, el modelo Infinity, se ha convertido en el nuevo rey de la generación de imágenes a partir de texto autorregresivo gracias a su rendimiento excepcional y tecnología innovadora. Este nuevo modelo de código abierto no solo supera a Stable Diffusion 3 en la calidad de generación de imágenes, sino que también muestra una ventaja significativa en la velocidad de inferencia. La innovación central del modelo Infinity radica en el uso de un marco autorregresivo de Bitwise Token, que predice la siguiente resolución mediante la generación de +1 o -1.

La conversión de estilo impulsada por texto es una tarea importante en el campo de la síntesis de imágenes, cuyo objetivo es fusionar el estilo de una imagen de referencia con el contenido descrito en un aviso de texto. Recientemente, los modelos de generación de imágenes a partir de texto han logrado avances significativos, permitiendo una conversión de estilo más precisa, al tiempo que mantienen una alta fidelidad del contenido. Esta tecnología tiene un enorme valor práctico en áreas como la pintura digital, la publicidad y el diseño de juegos. Sin embargo, las técnicas de conversión de estilo existentes todavía presentan algunas deficiencias. Los principales desafíos incluyen: sobreajuste de estilo: los modelos existentes tienden a copiar todos los elementos de la imagen de referencia, lo que resulta en...

El desarrollo de la IA generativa está avanzando rápidamente, pero evaluar su rendimiento de manera integral sigue siendo un desafío. Aparecen constantemente nuevos modelos con resultados cada vez más impresionantes. Sin embargo, surge la pregunta: ¿cómo evaluar la eficacia de estos modelos de generación de imágenes a partir de texto? Los métodos tradicionales, ya sea la evaluación visual subjetiva o el uso de métricas simples como CLIPScore, a menudo no logran captar los detalles complejos de las indicaciones de texto, como las relaciones entre objetos o el razonamiento lógico. Esto lleva a resultados de evaluación inexactos, e incluso erróneos, en muchos modelos de generación de imágenes a partir de texto.

Recientemente, Canva lanzó una serie de nuevas funciones de IA, siendo la más destacada su nueva herramienta de generación de imágenes: “Dream Lab”. Esta herramienta es el resultado de la adquisición por parte de Canva de la startup de IA generativa Leonardo.ai, y utiliza el modelo Phoenix de Leonardo (¡no confundir con Adobe Firefly AI!). Los usuarios ahora pueden generar imágenes de diversos estilos mediante descripciones, como por ejemplo

Anoche, Stability AI lanzó su modelo más potente: Stable Diffusion 3.5. No se trata de un único modelo, sino de un paquete completo que incluye tres versiones diseñadas para satisfacer las diversas necesidades de investigadores, aficionados, startups y empresas. Estas tres versiones son Stable Diffusion 3.5 Large, Stable Diffusion 3.5 Large Turbo y una tercera que se lanzará el 29 de octubre.

El equipo de tecnología Zhipu ha anunciado hoy una emocionante noticia: sus modelos de generación de imágenes a partir de texto, CogView3 y su versión mejorada CogView3-Plus-3B, han sido oficialmente de código abierto y se han lanzado con éxito en la aplicación 'Zhipu Qingyan'. El lanzamiento de estos dos modelos marca una nueva etapa en la creación artística asistida por IA. CogView3, un modelo de texto a imagen basado en difusión en cascada, tiene un proceso de generación ingenioso. El modelo primero genera una imagen de baja resolución de 512x512 píxeles, y luego...

Recientemente, ZhiPu AI ha lanzado al público su última creación: CogView3 y su versión mejorada CogView-3Plus-3B, inyectando nueva vitalidad al campo de la generación de imágenes a partir de texto. La aparición de CogView3 es sin duda un hito importante. Como el primer modelo en el campo de la generación de imágenes a partir de texto que implementa la difusión de retransmisión, emplea un método de difusión en cascada único. Este enfoque innovador genera primero una imagen de baja resolución, y luego utiliza una técnica de superresolución basada en retransmisión para completar la salida final. Esto no solo mejora significativamente la

El equipo de ByteDance planea anunciar por primera vez a gran escala el 19 de julio (este viernes) los avances en sus últimas tecnologías de modelos de inteligencia artificial. Este anuncio incluirá nuevos modelos de IA para generación de imágenes a partir de texto y videos similares a Sora, mostrando innovaciones especialmente en videos largos y alta dinámica, con la expectativa de competir directamente con el modelo de video a partir de texto Sora de OpenAI.

La startup británica de inteligencia artificial Stability AI ha nombrado a Prem Akkaraju como su nuevo director ejecutivo. Akkaraju fue anteriormente director ejecutivo de la empresa de efectos visuales Weta Digital y también es inversor de Stability AI. Stability AI cuenta con una sólida lista de inversores, entre los que se encuentra el expresidente de Facebook, Sean Parker, y ha recaudado más de 1 millón de dólares en financiación.

El modelo de generación de imágenes a partir de texto de Tencent HunYuan (modelo HunYuan DiT) ha anunciado la publicación de código abierto completo para el entrenamiento, incluyendo los complementos LoRA y ControlNet. LoRA es una técnica para el ajuste fino de modelos de lenguaje grandes que permite entrenar modelos con características específicas utilizando una pequeña cantidad de datos sin modificar el modelo original ni aumentar su tamaño.

Stable Diffusion 3 es el modelo de generación de imágenes a partir de texto más potente. Stable Diffusion 3 utiliza la arquitectura MMDiT, mostrando un rendimiento que supera a los sistemas de generación de imágenes a partir de texto existentes. Stable Diffusion 3 supera a otros modelos avanzados en belleza visual, seguimiento de texto y composición. La arquitectura MMDiT combina DiT y flujos rectangulares, procesando representaciones de imágenes y lenguaje a través de conjuntos de pesos independientes. Stable Diffusion

Tencent HunYuan anuncia la apertura de su función de generación de imágenes a partir de texto, con una potente capacidad de comprensión del idioma chino. Puede generar imágenes de diversos estilos, incluyendo paisajes, personajes, anime, etc. Ha sido integrada en más de 180 negocios y desempeñará un papel importante en áreas como la publicidad, los juegos y el contenido.