A Runway, empresa de tecnologia de mídia com IA, anunciou o lançamento de seu mais recente modelo de geração de imagem a partir de texto: o Frames. Conhecida por seus modelos de vídeo com IA, a Runway busca expandir sua influência na criação de imagens. O lançamento do Frames recebeu elogios generalizados dos usuários, especialmente por sua capacidade de gerar efeitos visuais cinematográficos. O modelo foi apresentado pela primeira vez em novembro de 2024 e, nas últimas semanas, foi disponibilizado em acesso antecipado para os usuários do programa de criadores da Runway.

Recentemente, a Nvidia lançou um modelo de geração de imagem de código aberto chamado Sana. Este modelo possui apenas 60 milhões de parâmetros, reduzindo significativamente a barreira de entrada para sua execução. O Sana pode gerar imagens com resolução de 4096×4096 e funcionar em uma placa gráfica de 16GB, gerando imagens de alta qualidade com resolução de 1024×1024 em menos de 1 segundo, uma velocidade notável em comparação com modelos similares. O Sana funciona com base na tecnologia DC-AE (Autoencoder de duplo canal), usando um espaço latente 32 vezes maior.

A Kuaishou Technology, sediada em Pequim, anunciou recentemente que sua API de modelo de geração de imagem em larga escala, Kling AI (Kling), concluiu uma nova rodada de atualizações de recursos. A API Kling AI atualizada apresenta melhorias significativas em dois recursos principais: prova virtual e sincronização labial, fornecendo suporte técnico mais robusto para clientes nos setores de comércio eletrônico, marketing de publicidade, entretenimento e ferramentas de IA.

A conversão de estilo baseada em texto é uma tarefa importante no campo da síntese de imagens, com o objetivo de fundir o estilo de uma imagem de referência com o conteúdo descrito em uma legenda de texto. Recentemente, os modelos de geração de imagem a partir de texto alcançaram progressos significativos, permitindo uma conversão de estilo mais refinada, mantendo ao mesmo tempo a alta fidelidade do conteúdo. Essa tecnologia possui um enorme valor prático em áreas como pintura digital, publicidade e design de jogos. No entanto, as técnicas de conversão de estilo existentes ainda apresentam algumas deficiências, sendo os principais desafios: sobreajuste de estilo: os modelos existentes tendem a replicar todos os elementos da imagem de referência, levando...

Na conferência Baidu World 2024, o fundador da Baidu, Robin Li, proferiu um discurso intitulado "Os aplicativos chegaram" e lançou duas novas tecnologias: a tecnologia de geração de imagem aprimorada por busca (iRAG) e a ferramenta sem código "Miōda". Li afirmou que, nos últimos 24 meses, o setor de IA passou por mudanças significativas, especialmente com os grandes modelos reduzindo significativamente as alucinações na geração de conteúdo. A tecnologia Wenxin iRAG visa resolver o problema de alucinações em grandes modelos na geração de imagens, melhorando a utilidade do conteúdo gerado por IA. Diferentemente dos modelos de geração tradicionais, o

Recentemente, uma equipe de pesquisa da Academia de Inteligência Artificial de Pequim lançou um novo modelo de geração de imagem chamado OmniGen. Ao contrário de ferramentas de geração de imagem anteriores, como o Stable Diffusion, o OmniGen se destaca por sua natureza multifuncional. Ele não se concentra em uma única tarefa, mas sim em várias capacidades em um único framework: incluindo geração de imagem a partir de texto e edição de imagem, tornando-o um verdadeiro multitarefa. Isso significa que os usuários precisam apenas fornecer prompts simples para gerar imagens.

Recentemente, a startup alemã de inteligência artificial Laboratório Floresta Negra (Black Forest Labs) lançou seu mais recente modelo de geração de imagem, o Flux 1.1 Pro. A velocidade deste novo modelo é impressionante; o Laboratório Floresta Negra afirma que ele é seis vezes mais rápido que seu antecessor, o Flux 1 Pro, além de apresentar uma melhoria significativa na qualidade da imagem. Além do Flux 1.1 Pro, o Laboratório Floresta Negra também lançou a versão beta de sua API BFL, permitindo que desenvolvedores integrem...

A equipe do ByteDance planeja anunciar pela primeira vez em larga escala os avanços em suas mais recentes tecnologias de modelos de inteligência artificial em 19 de julho (esta sexta-feira). O anúncio incluirá novos modelos de IA, como geração de imagem a partir de texto e novos vídeos semelhantes ao Sora, com foco em inovações em vídeos longos e alta dinâmica, esperando competir diretamente com o modelo de vídeo de geração de texto Sora da OpenAI.

Desenvolvido por pesquisadores da HKUST e ByteDance, o LlamaGen é um método de geração de imagem baseado no modelo autorregressivo Llama, mostrando potencial para superar modelos de difusão tradicionais na geração de imagens. O lançamento de código aberto do LlamaGen rapidamente recebeu quase 900 estrelas no GitHub. Este feito não apenas demonstra a competitividade dos modelos autorregressivos na geração de imagens, mas também traz nova vitalidade e impulso inovador para a comunidade de código aberto.

A startup de inteligência artificial britânica Stability AI nomeou Prem Akkaraju como seu novo CEO. Akkaraju foi anteriormente CEO da empresa de efeitos visuais Weta Digital e também é investidor da Stability AI. A Stability AI possui uma lista impressionante de investidores, incluindo o ex-presidente do Facebook, Sean Parker, e arrecadou mais de US$ 1 bilhão em investimentos.