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.

Na área da inteligência artificial, o Infinity, o mais recente desenvolvimento da equipe de tecnologia de comercialização da ByteDance, tornou-se o novo líder na geração de imagens a partir de texto autorregressivo, graças ao seu desempenho excepcional e tecnologia inovadora. Este novo modelo de código aberto não apenas supera o Stable Diffusion 3 na qualidade da geração de imagens, mas também demonstra uma vantagem significativa na velocidade de inferência. A inovação central do modelo Infinity reside no uso da estrutura autorregressiva Bitwise Token, que prevê a próxima resolução através da adição ou subtração de 1 (+1 ou -1).

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...

Recentemente, a Canva lançou uma série de novos recursos de IA, sendo o mais notável sua nova ferramenta de geração de imagens - o "Dream Lab". Essa ferramenta é resultado da aquisição da startup de IA generativa Leonardo.ai pela Canva, utilizando o modelo Phoenix da Leonardo (não confunda com o Firefly AI da Adobe!). Os usuários agora podem gerar imagens em vários estilos através de descrições, como por exemplo,

Ontem à noite, a Stability AI lançou seu modelo mais poderoso - Stable Diffusion 3.5. Este não é apenas um modelo único, mas sim um pacote completo contendo três versões, projetadas para atender às diversas necessidades de pesquisadores, entusiastas, startups e empresas. Essas três versões são Stable Diffusion 3.5 Large, Stable Diffusion 3.5 Large Turbo e a versão que será lançada em 29 de outubro.

Pesquisadores da Nvidia, em colaboração com o MIT e a Universidade Tsinghua, desenvolveram uma nova estrutura de geração de imagem a partir de texto chamada Sana, capaz de gerar imagens de alta resolução de até 4096×4096 pixels. O Sana pode sintetizar imagens de alta resolução, alta qualidade e altamente consistentes com o texto em velocidades extremamente rápidas, podendo até mesmo rodar em GPUs de notebooks. O design principal do Sana inclui: Autocodificador de compressão profunda: diferente dos autocodificadores tradicionais que comprimem imagens apenas 8 vezes, o Sana treina um autocodificador que...

Recentemente, a equipe de criação da Alibaba Mãe lançou o FLUX.1-Turbo-Alpha, um modelo Lora destilado em 8 etapas treinado com base no modelo FLUX.1-dev. Este modelo emprega um discriminador de múltiplas cabeças, melhorando significativamente a qualidade da destilação e suportando diversas aplicações relacionadas ao FLUX, como geração de imagem a partir de texto e controle de reparo de rede. A equipe recomenda definir a escala de orientação como 3,5 e a escala Lora como 1 durante o uso. Versões com menos etapas serão lançadas no futuro. FLUX.1-Turbo-

A Stability AI, em parceria com a Amazon Web Services (AWS), introduziu três novos modelos de geração de imagem a partir de texto ao serviço Amazon Bedrock, para melhorar o posicionamento comercial e a competitividade no mercado. Esses três modelos — Stable Image Ultra, Stable Diffusion 3 Large e Stable Image Core — atendem a diferentes necessidades, oferecendo desde a geração de imagens de alta qualidade até a produção rápida de imagens em larga escala.

Em 21 de agosto de 2024, a equipe Ideogram lançou com entusiasmo a versão mais recente do seu modelo de imagem a partir de texto: o Ideogram 2.0. Esta atualização significativa não apenas oferece aos usuários acesso gratuito, mas também introduz uma série de recursos e ferramentas inovadoras, marcando um grande avanço na tecnologia de imagem a partir de texto.

No lançamento de novos smartphones Samsung em 17 de julho, a Meitu e a Samsung anunciaram uma parceria mais aprofundada. O modelo de IA da Meitu oferecerá aos usuários dos smartphones dobráveis Galaxy Z Fold6 e Z Flip6 os recursos de 'imagem a partir de texto' e 'desenho a imagem'. Por meio da definição de palavras-chave, os usuários podem gerar papéis de parede com design artístico criativo ou usar a S Pen para transformar rabiscos em obras de arte. O Meitu Imaging Lab destaca a capacidade do seu modelo de IA em alcançar um nível profissional em termos de luz, cor e composição. O recurso 'desenho a imagem' é particularmente notável.

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.

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.

O modelo de imagem a partir de texto de grande escala Tencent HunYuan (modelo HunYuan DiT) anunciou o lançamento do código de treinamento totalmente aberto, incluindo os plug-ins LoRA e ControlNet. LoRA é uma técnica usada para ajustar modelos de linguagem grandes que podem treinar modelos com características específicas usando uma pequena quantidade de dados sem modificar o modelo original ou aumentar o tamanho do modelo.

O Microsoft adicionou um botão Cocreator ao aplicativo Paint no Windows 11. O recurso de geração de imagens Cocreator é baseado no modelo DALL-E 3 da OpenAI. Todos os usuários podem usar essa tecnologia de geração de IA no Microsoft Paint. A Microsoft está integrando a funcionalidade de geração de imagem a partir de texto do DALL-E 3 em vários de seus produtos.

A Tencent HunYuan anunciou a abertura da função de geração de imagens a partir de texto, com uma poderosa capacidade de compreensão de chinês. Ela consegue gerar imagens em diversos estilos, incluindo paisagens, personagens e animes. Já foi integrada a mais de 180 negócios e desempenhará um papel importante em áreas como publicidade, jogos e conteúdo.