हाल ही में, एनवीडिया ने एक ओपन-सोर्स इमेज जनरेशन मॉडल साना लॉन्च किया, जिसमें केवल 0.6 करोड़ पैरामीटर हैं, जिससे इसे चलाने की बाधाएं काफी कम हो गई हैं। जानकारी के अनुसार, साना 4096×4096 रिज़ॉल्यूशन की इमेज बना सकता है और इसे 16 जीबी की ग्राफिक्स कार्ड पर चलाया जा सकता है, 1024×1024 रिज़ॉल्यूशन की उच्च गुणवत्ता वाली इमेज बनाने में 1 सेकंड से भी कम समय लगता है, जो इसे समान मॉडल में अद्वितीय बनाता है। साना की कार्यप्रणाली डीसी-एई (डुअल चैनल ऑटोएन्कोडर) तकनीक पर निर्भर करती है, जो 32 गुना संभाव्यता का उपयोग करती है।

शंघाई स्टेप स्टार्स इंटेलिजेंट टेक्नोलॉजी कंपनी ने हाल ही में घोषणा की कि उनके इमेज जनरेशन मॉडल स्टेप-1X श्रृंखला में बड़ा अपग्रेड हुआ है, और अधिक शक्तिशाली स्टेप-1X-मीडियम संस्करण लॉन्च किया गया है। इस अपग्रेड संस्करण ने कई क्षेत्रों में महत्वपूर्ण सुधार किए हैं: MMDit आर्किटेक्चर के आधार पर, उत्पादन गति में 30% से अधिक वृद्धि हुई है; लक्षित प्रशिक्षण के बाद, नए संस्करण की समझ और टेक्स्ट-इमेज संगति में अधिक ताकत है, और उत्पन्न छवियों की विवरण गुणवत्ता अधिक स्वाभाविक है।

टेक्स्ट-आधारित स्टाइल ट्रांसफर इमेज सिंथेसिस क्षेत्र में एक महत्वपूर्ण कार्य है, जिसका उद्देश्य संदर्भ छवि की शैली को टेक्स्ट संकेत द्वारा वर्णित सामग्री के साथ मिलाना है। हाल ही में, टेक्स्ट से इमेज जनरेशन मॉडल में महत्वपूर्ण प्रगति हुई है, जो अधिक फाइन ट्यून स्टाइल ट्रांसफर को सक्षम बनाता है, जबकि सामग्री की उच्च निष्ठा बनाए रखता है। यह तकनीक डिजिटल पेंटिंग, विज्ञापन और गेम डिज़ाइन जैसे क्षेत्रों में巨大实用价值 रखती है। हालांकि, मौजूदा स्टाइल ट्रांसफर तकनीक में कुछ कमी हैं, मुख्य चुनौतियाँ शामिल हैं: स्टाइल ओवरफिटिंग: मौजूदा मॉडल संदर्भ छवि के सभी तत्वों की नकल करने की प्रवृत्ति रखते हैं।

हाल ही में, अलीबाबा ने अपने नवीनतम विकसित इमेज जनरेशन मॉडल Qwen2vl-Flux को ओपन-सोर्स करने की घोषणा की, जो न केवल संपादन, फ्यूजन और मिश्रण जैसी कई सुविधाएँ प्रदान करता है, बल्कि उपयोगकर्ता द्वारा इनपुट की गई इमेज या टेक्स्ट के आधार पर उच्च समानता वाली नई इमेज भी जनरेट कर सकता है। Qwen2vl-Flux शक्तिशाली इमेज चेंजिंग क्षमताएँ प्रदान करता है। उपयोगकर्ताओं को केवल एक इमेज इनपुट करनी होती है, बिना किसी टेक्स्ट संकेत के, और मॉडल मूल इमेज के आधार पर कई समान इमेज जनरेट कर सकता है। उदाहरण के लिए, यदि उपयोगकर्ता एक व्यक्ति की फोटो अपलोड करता है, तो मॉडल विभिन्न कोणों से कई छवियाँ उत्पन्न कर सकता है।

प्रसिद्ध AI इमेज जनरेशन टूल FLUX1.1Pro ने एक महत्वपूर्ण अपडेट प्राप्त किया है, नया संस्करण FLUX1.1Pro Ultra पेश किया गया। नया संस्करण अधिकतम 4 मेगापिक्सल रिज़ॉल्यूशन का समर्थन करता है और उत्पन्न करने की गति काफी बढ़ गई है, हर इमेज केवल लगभग 10 सेकंड में पूर्ण हो जाती है। FLUX1.1Pro Ultra अल्ट्रा मोड और रॉ मोड दो मोड प्रदान करता है, जो उपयोगकर्ताओं की स्पष्टता और वास्तविकता की विभिन्न आवश्यकताओं को पूरा करता है। अल्ट्रा मोड में, उपयोगकर्ता अति उच्च रिज़ॉल्यूशन इमेज उत्पन्न कर सकते हैं।

NVIDIA ने MIT और Tsinghua विश्वविद्यालय के शोधकर्ताओं के सहयोग से Sana नामक एक नई टेक्स्ट से इमेज जनरेशन फ्रेमवर्क विकसित की है, जो 4096×4096 रिज़ॉल्यूशन तक की इमेज को कुशलता से उत्पन्न करने में सक्षम है। Sana का उपयोग करते हुए, उच्च गुणवत्ता वाली और टेक्स्ट के साथ अत्यधिक संगत उच्च रिज़ॉल्यूशन इमेज को बेहद तेज़ गति से आज़माया जा सकता है, और यह लैपटॉप के GPU पर भी काम कर सकता है। Sana के मुख्य डिज़ाइन में शामिल हैं: गहरी संकुचन स्वचालित एन्कोडर: पारंपरिक स्वचालित एन्कोडर के विपरीत, जो केवल इमेज को 8 गुना संकुचित करते हैं, Sana द्वारा प्रशिक्षित स्वचालित एन्कोडर

एप्पल इंक. ने हाल ही में Matryoshka Diffusion Models (MDM) नामक एक नवीन इमेज और वीडियो जनरेशन तकनीक पेश की है, जिसे मात्रीयोशका विसरण मॉडल के रूप में जीवंत तरीके से कहा गया है। MDM एक अभिनव दृष्टिकोण अपनाता है, जिसमें विभिन्न संकल्पों पर एक साथ इमेज को संसाधित किया जाता है, जो कम स्पष्टता के स्केच से उच्च स्पष्टता के विवरण तक निर्बाध रूप में निर्माण को सक्षम बनाता है, जिसकी मुख्य तकनीकी अवधारणा रूसी मात्रीयोशका के समान है, प्रत्येक स्तर में एक छोटा लेकिन पूरी तरह से कार्यात्मक उपसंरचना शामिल होता है। इस नवोन्मेषी विधि की केंद्रीय आर्किटेक्चर को NestedUN कहा जाता है।