Recientemente, NVIDIA lanzó un modelo de generación de imágenes de código abierto llamado Sana. Este modelo, con solo 60 millones de parámetros, reduce drásticamente el umbral de funcionamiento. Sana puede generar imágenes con una resolución de 4096×4096 y funcionar en una tarjeta gráfica de 16 GB, generando imágenes de alta calidad con una resolución de 1024×1024 en menos de un segundo, una velocidad destacada entre modelos similares. Sana funciona con la tecnología DC-AE (autocodificador de doble canal), utilizando un espacio latente 32 veces mayor.

La compañía de tecnología inteligente Estrella Escalonada de Shanghái anunció recientemente una importante actualización de su serie de modelos de generación de imágenes Step-1X, lanzando la versión Step-1X-Medium con un rendimiento mejorado. Esta versión actualizada presenta mejoras significativas en varios aspectos: basada en la arquitectura MMDit, la velocidad de generación se ha incrementado en más del 30%; gracias a un entrenamiento específico, la nueva versión presenta una mayor capacidad de comprensión y coherencia entre texto e imagen, generando imágenes con una textura y detalles más naturales.

Recientemente, Alibaba anunció la publicación de código abierto de su último modelo de generación de imágenes, Qwen2vl-Flux. Este modelo no solo cuenta con varias funciones, como edición, fusión y mezcla, sino que también puede generar imágenes completamente nuevas con una alta similitud a partir de imágenes o texto proporcionados por el usuario. Qwen2vl-Flux ofrece potentes funciones de transformación de imágenes. El usuario solo necesita ingresar una imagen, sin necesidad de indicaciones de texto, y el modelo puede generar varias imágenes similares a partir de la imagen original. Por ejemplo, si el usuario carga una foto de una persona, el modelo puede generar varias imágenes desde diferentes ángulos.

La conocida herramienta de generación de imágenes con IA, FLUX1.1Pro, recibe una importante actualización con el lanzamiento de la nueva versión FLUX1.1Pro Ultra. La nueva versión admite resoluciones de hasta 4 megapíxeles, y su velocidad de generación se ha mejorado considerablemente; cada imagen tarda solo unos 10 segundos en completarse. FLUX1.1Pro Ultra ofrece dos modos: 'Modo Ultra' y 'Modo Raw', para satisfacer las diferentes necesidades de los usuarios en cuanto a nitidez y realismo. En el Modo Ultra, los usuarios pueden generar imágenes de muy alta

Recientemente, el misterioso modelo red_panda (Panda Rojo), que ha llamado la atención en las listas de modelos LLM, finalmente ha revelado su identidad. Este modelo es en realidad Recraft V3, el nuevo modelo de generación de imágenes lanzado por la empresa emergente de inteligencia artificial británica Recraft AI. Según los informes, desde su lanzamiento bajo el nombre de red_panda, Recraft V3 ha recibido más de 100.000 votos y lidera otros modelos en la clasificación de Artificial Analysis con una puntuación ELO de 1172. Cabe destacar que...

Recientemente, el equipo de investigación del Instituto de Inteligencia Artificial de Beijing presentó un nuevo modelo de generación de imágenes llamado OmniGen. A diferencia de las herramientas de generación de imágenes anteriores como Stable Diffusion, OmniGen se destaca por su versatilidad. No se centra en una sola tarea, sino que posee múltiples capacidades: puede manejar diversas tareas de generación de imágenes en un marco unificado, incluyendo la generación de imágenes a partir de texto y la edición de imágenes, lo que lo convierte en un modelo verdaderamente versátil. Esto significa que los usuarios solo necesitan proporcionar indicaciones sencillas...

DeepMind de Google, en colaboración con el MIT, ha publicado recientemente un importante avance en la investigación. El equipo de investigación ha desarrollado un nuevo modelo autorregresivo llamado 'Fluid' que ha logrado un avance revolucionario en el campo de la generación de imágenes a partir de texto. Este modelo, al escalarse a 10.500 millones de parámetros, ha demostrado un rendimiento excepcional. Este estudio desafía la creencia generalizada en la industria. Anteriormente, aunque los modelos autorregresivos habían dominado el campo del procesamiento del lenguaje, se consideraban inferiores a Stable Diffusion y Google en la generación de imágenes.

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.

Recientemente, un equipo de investigación ha lanzado conjuntamente un modelo de generación de imágenes con IA de código abierto llamado Meissonic. Sorprendentemente, este modelo solo utiliza mil millones de parámetros, pero puede generar imágenes de alta calidad. Este diseño compacto permite que Meissonic tenga el potencial de implementar aplicaciones de texto a imagen locales en dispositivos móviles. Detrás de esta tecnología se encuentra un equipo de investigación que incluye a investigadores de Alibaba, Skywork AI y varias universidades. Han adoptado una arquitectura de transformador única y un novedoso método de entrenamiento que permite...

Investigadores de NVIDIA, el MIT y la Universidad Tsinghua han colaborado para desarrollar Sana, un nuevo marco de generación de imágenes a partir de texto capaz de generar imágenes de alta resolución de hasta 4096×4096 píxeles. Sana puede sintetizar imágenes de alta resolución, alta calidad y altamente coherentes con el texto a una velocidad increíble, incluso en una GPU de portátil. El diseño central de Sana incluye: Autocodificador de compresión profunda: a diferencia de los autocodificadores tradicionales que solo comprimen imágenes 8 veces, Sana entrena un autocodificador que...

La plataforma Gemini de Google ha anunciado recientemente que su nueva generación de modelos de generación de imágenes, Imagen3, ya está disponible para todos los usuarios a nivel mundial. Imagen3 ha sido aclamado como el modelo de generación de imágenes de mayor calidad de Google hasta la fecha, ofreciendo un mayor realismo y una mejor capacidad para seguir instrucciones. En comparación con las versiones anteriores, Imagen3 ha reducido considerablemente los artefactos de interferencia en el proceso de generación de imágenes, permitiendo a los usuarios obtener con mayor facilidad los resultados deseados. Esto significa que, si tienes alguna idea creativa...

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 centro de experiencia de la plataforma abierta Jieyue Xingchen presenta el modelo de generación de imágenes Step-1X, que se presentó por primera vez en la Conferencia Mundial de Inteligencia Artificial de 2024, junto con el modelo de lenguaje Step-2 y el modelo multimodal Step-1.5V. Step-1X colaboró con Shanghai Film para desarrollar una experiencia interactiva H5 basada en la IP clásica de La Rebelión en el Palacio del Mono, capaz de generar imágenes de alta calidad incluso con recursos de datos escasos. Se destaca la alineación semántica profunda y la generación de detalles, empleando la arquitectura de modelo DiT de desarrollo propio, admite la introducción de instrucciones largas y es adecuado para publicidad y juegos.

El modelo de generación de imágenes con IA Mystic de Freepik, en colaboración con Magnific AI, inaugura una nueva era en la creación con IA. Este modelo no solo genera imágenes hiperrealistas, sino que también captura con precisión los detalles en escenas complejas, e incluso genera texto realista en las imágenes, alcanzando una resolución Full HD. Lo excepcional de Mystic reside en su fusión de las ventajas de los modelos Stable Diffusion, Flux y el modelo propio de Magnific, cuidadosamente ajustado por un equipo de profesionales. Las pruebas muestran...

El gran modelo de generación de imágenes por texto HunYuanDiT de Tencent, en colaboración con la comunidad, ha lanzado recientemente tres nuevos plugins ControlNet: tile (ampliación de alta resolución), inpainting (reparación y ampliación de imágenes) y lineart (generación de imágenes a partir de bocetos). Estos plugins amplían la matriz ControlNet de HunYuanDiT, permitiendo que el modelo cubra un rango más amplio de aplicaciones.

Apple ha lanzado recientemente una innovadora tecnología de generación de imágenes y vídeo llamada Matryoshka Diffusion Models (MDM), conocida como 'modelo de difusión Matryoshka'. MDM utiliza un método innovador que procesa imágenes simultáneamente a diferentes resoluciones, permitiendo una generación fluida desde bocetos de baja resolución hasta detalles de alta resolución. Su concepto central es similar a las muñecas rusas Matryoshka, donde cada nivel contiene una subestructura más pequeña pero completa. Esta arquitectura innovadora se conoce como Nested.

Volcano Engine celebró en Chengdu la gira de innovación de IA 2024. Volcano Engine anunció que el uso diario de tokens de su modelo Doubao ha superado los 500 mil millones, y el uso diario promedio de tokens por cliente empresarial ha aumentado 22 veces desde el lanzamiento del modelo el 15 de mayo. Zhang Xin, vicepresidente de Volcano Engine, declaró que Volcano Engine se está desarrollando hacia una dirección más inteligente, sectorial y regional, y está ayudando a las empresas a lograr la innovación empresarial a través de soluciones sectoriales, productos y servicios optimizados.

Kuaishou ha presentado hoy un gran avance: el lanzamiento de código abierto de su propio modelo de generación de imágenes, 'KeTu Kolors'. No se trata de un modelo cualquiera; se ha entrenado con miles de millones de pares de texto e imagen, incorpora un modelo lingüístico general (GLM) como codificador de texto, admite indicaciones en chino e inglés y puede procesar contextos de hasta 256 tokens.