A tecnologia de geração de imagens com IA está se desenvolvendo rapidamente, mas os modelos estão ficando cada vez maiores, tornando o custo de treinamento e uso muito alto para usuários comuns. Agora, um novo framework de texto para imagem chamado "Sana" surgiu, capaz de gerar imagens ultranítidas de alta resolução de até 4096×4096 pixels de forma eficiente e surpreendentemente rápida, podendo até mesmo ser executado na GPU de um notebook. O design principal do Sana inclui: Autoencoder de Compressão Profunda: Diferentemente dos autoencoders tradicionais que comprimem imagens apenas 8 vezes, o Sana usa um autoencoder que...

A Estrela Escalonada Inteligência Artificial Tecnologia Co., Ltd. anunciou recentemente uma grande atualização em sua série de modelos de geração de imagens Step-1X, lançando a versão Step-1X-Medium com desempenho aprimorado. Esta versão atualizada apresenta melhorias significativas em vários aspectos: com base na arquitetura MMDit, a velocidade de geração foi aumentada em mais de 30%; após treinamento direcionado, a nova versão apresenta maior capacidade de compreensão e consistência entre texto e imagem, gerando imagens com detalhes e textura mais naturais.

A popular ferramenta de geração de imagens com IA, FLUX1.1Pro, recebeu uma grande atualização com o lançamento da nova versão FLUX1.1Pro Ultra. A nova versão suporta resoluções de até 4 megapixels, com uma velocidade de geração significativamente aprimorada, levando apenas cerca de 10 segundos para gerar cada imagem. O FLUX1.1Pro Ultra oferece dois modos, 'Modo Ultra' e 'Modo Raw', para atender às diferentes necessidades dos usuários em termos de clareza e realismo. No Modo Ultra, os usuários podem gerar imagens de altíssima resolução.

Recentemente, o misterioso modelo red_panda (Panda Vermelho), que chamou a atenção nas listas de modelos de IA LLM, finalmente revelou sua identidade. O modelo é, na verdade, o Recraft V3, o mais novo modelo de geração de imagens lançado pela startup britânica de inteligência artificial Recraft AI. Desde seu lançamento sob o pseudônimo de red_panda, o Recraft V3 recebeu mais de 100.000 votos e lidera outras modelos no ranking Artificial Analysis com uma pontuação ELO de 1172. É importante notar que...

O Google DeepMind, em colaboração com o MIT (Massachusetts Institute of Technology), anunciou recentemente uma descoberta significativa. A equipe de pesquisa desenvolveu um novo modelo autoregressivo chamado 'Fluid' que alcançou avanços revolucionários na geração de imagens a partir de texto. Após ser expandido para 10,5 bilhões de parâmetros, o modelo apresentou um desempenho excepcional. Esta pesquisa desafia a compreensão geral da indústria. Anteriormente, embora os modelos autoregressivos fossem dominantes no processamento de linguagem, eles eram considerados inferiores ao Stable Diffusion e ao Google no que diz respeito à geração de imagens.

Recentemente, uma equipe de pesquisa lançou em conjunto um modelo de geração de imagens de IA de código aberto chamado Meissonic. Surpreendentemente, este modelo usou apenas um bilhão de parâmetros, mas consegue gerar imagens de alta qualidade. Este design compacto dá ao Meissonic o potencial de implementar aplicativos de texto para imagem localizados em dispositivos móveis. Por trás desta tecnologia, a equipe de pesquisa inclui pesquisadores da Alibaba, Skywork AI e várias universidades. Eles adotaram uma arquitetura de transformador única e um novo método de treinamento, permitindo...

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...

A plataforma Gemini do Google anunciou recentemente que seu modelo de geração de imagens de última geração, Imagen3, agora está disponível para todos os usuários em todo o mundo. O Imagen3 é considerado o modelo de geração de imagens de maior qualidade já criado pelo Google, oferecendo maior realismo e melhor capacidade de seguir instruções. Em comparação com versões anteriores, o Imagen3 reduziu muitos artefatos perturbadores no processo de geração de imagens, permitindo que os usuários obtenham mais facilmente os resultados desejados. Isso significa que, se você tiver alguma ideia criativa,

Recentemente, a ZhiPu AI lançou publicamente sua mais recente obra-prima - o CogView3 e sua versão atualizada CogView-3Plus-3B, injetando nova vitalidade no campo da geração de imagens por texto. A chegada do CogView3 é, sem dúvida, um marco importante. Como o primeiro modelo a implementar a difusão de retransmissão no campo da geração de imagem a partir de texto, ele emprega um método de difusão em cascata único. Essa abordagem inovadora gera primeiro imagens de baixa resolução e, em seguida, usa uma técnica de super-resolução baseada em retransmissão para concluir a saída final. Isso não apenas aumenta significativamente a

O modelo de geração de imagens de IA Mystic da Freepik, em parceria com a Magnific AI, inaugura uma nova era na criação com IA. Este modelo não apenas gera imagens extremamente realistas, mas também captura detalhes com precisão em cenários complexos, e até mesmo gera texto realista nas imagens, atingindo resolução Full HD. A singularidade do Mystic reside na sua fusão das vantagens dos modelos Stable Diffusion, Flux e o modelo próprio da Magnific, cuidadosamente ajustado por uma equipe profissional. Testes demonstram...

O grande modelo de geração de imagens de texto HunYuanDiT (HunyuanDiT) da Tencent, em colaboração com a comunidade, lançou recentemente três novos plug-ins ControlNet controláveis, a saber, tile (ampliação de alta definição), inpainting (reparação e expansão de imagens) e lineart (geração de imagens a partir de esboços). Isso amplia ainda mais a matriz ControlNet do modelo. A adição desses plug-ins permite que o modelo HunYuanDiT abranja uma gama mais ampla de cenários de aplicação.

A Apple lançou recentemente uma inovadora tecnologia de geração de imagens e vídeos chamada Matryoshka Diffusion Models (MDM), figurativamente chamada de 'modelo de difusão Matryoshka'. O MDM emprega um método inovador que processa imagens simultaneamente em diferentes resoluções, permitindo a geração perfeita de imagens, desde esboços de baixa resolução até detalhes de alta resolução. Seu conceito central é semelhante a uma Matryoshka russa, com cada nível contendo uma subestrutura menor, mas funcionalmente completa. A arquitetura central dessa abordagem inovadora é chamada de Nested.

A Kwai lançou hoje um grande recurso: seu modelo de geração de imagens de código aberto – 'Kolors'. Este não é um modelo comum; ele foi treinado em bilhões de pares de texto e imagem, utiliza um modelo de linguagem geral (GLM) como codificador de texto, suporta prompts em chinês e inglês e consegue lidar com contextos de até 256 tokens.

A OpenAI anunciou que o mais recente modelo de geração de imagens, DALL·E 3, agora está disponível para usuários do ChatGPT Plus e Enterprise. O DALL·E 3 apresenta melhorias significativas na síntese de imagens, permitindo a geração de diversos tipos de imagens. Essa integração oferece mais possibilidades de geração de imagens, incluindo realismo, estilo anime, e criações artísticas. A OpenAI implementou um sistema de segurança em vários níveis para restringir a geração de imagens potencialmente prejudiciais. O lançamento do DALL·E 3 proporciona aos usuários mais criatividade e utilidade, expandindo...