文本驱动的风格转换是图像合成领域的一项重要任务，旨在将参考图像的风格与文本提示所描述的内容相融合。 近期，文本到图像生成模型取得了显著进展，能够实现更精细的风格转换，同时保持内容的高保真度。这项技术在数字绘画、广告和游戏设计等领域具有巨大的实用价值。然而，现有的风格转换技术仍存在一些不足之处，主要挑战包括:风格过拟合:现有模型倾向于复制参考图像的所有元素，导致生成图像过于贴近参考风格图像的特征，限制了生成图像的审美灵活性和适应性。文本

Shakker AI 今天宣布推出了其最新的高级图像生成模型——Zeno-1。这一模型不仅继承了前身 FLUX.1的卓越美学和艺术性，还通过内部推荐系统实现了风格多样性的飞跃。Zeno-1的推出标志着数字艺术创作工具的一个新时代。它提供了一系列控制工具，使用户能够以前所未有的方式塑造和细化他们的数字艺术作品。以下是 Zeno-1模型的主要特点:调色板控制:用户可以依据特定的调色板来控制生成图像的视觉色调，并通过不同的控制强度来满足个性化需求。实体控制:给定一个角色或主题，Zeno-1能够生成

近日，阿里巴巴宣布开源其最新研发的图像生成模型 Qwen2vl-Flux，该模型不仅具备编辑、融合和混合等多种功能，还能够在用户输入图像或文本的情况下，生成具有高度相似性的全新图像。Qwen2vl-Flux 提供了强大的图像变化功能。用户只需输入一张图像，无需任何文本提示，模型便能根据原图生成多幅相似的图像。例如，用户上传一张人物照片，模型便可以生成多个角度下的人物表现，展现出不同的视角与情感。模型还支持文本引导图像混合。当用户输入一张图片并附加相关文本提示时，Qwe

知名 AI 图像生成工具 FLUX1.1Pro 迎来重大更新，推出全新版本 FLUX1.1Pro Ultra。新版本支持高达4兆像素的分辨率，生成速度也大幅提升，每张图片仅需约10秒即可完成。FLUX1.1Pro Ultra 提供 "Ultra 模式" 和 "Raw 模式" 两种模式，满足用户对清晰度和真实性的不同需求。Ultra 模式 下，用户可以生成超高分辨率图像，分辨率是标准版的4倍，生成速度比同类高分辨率模型快2.5倍，并且不会影响提示词的精准度。 这意味着用户可以在更短的时间内获得细节更丰富的图像，同时保持对生成内容的精确控制。

阿里巴巴通义实验室最新研究表明，现有的文生图 Diffusion Transformer 模型其实已经具备生成多张具有特定关系图像的能力，只需稍加“点拨”就能“融会贯通”，生成高质量的多图集。传统的 Diffusion 模型更像是一个“死记硬背”的学生，需要用海量数据训练，才能生成高质量的图像。而有了 IC-LoRA 加持，它就变成了“触类旁通”的学霸，只需要少量样本就能学会新技能。这背后的原理说起来也不复杂，研究人员发现，现有的文生图 Diffusion 模型其实已经具备一定的“上下文学习”能力，只

近日，在LLM大模型榜单上引发关注的神秘模型red_panda（小熊猫）终于揭开面纱，该模型实为英国人工智能初创公司Recraft AI推出的最新图像生成模型Recraft V3。据悉，自以red_panda化名发布以来，Recraft V3已收获超过10万次投票，在Artificial Analysis排行榜上以1172的ELO评分领先其他模型。值得注意的是，Artificial Analysis图像竞技场累计已有超过100万次投票，其ELO评分系统被视为评估图像生成模型的重要独立指标。Recraft V3的突出特点在于其强大的长文本图像生成能力，不再局限于单个或少量词语的图像

近日，北京人工智能学院的研究团队推出了一款名为 OmniGen 的全新图像生成模型。全能型图片生成编辑选手与以往的图像生成工具如 Stable Diffusion ，OmniGen 最大的亮点是，它不再只是专注于单一任务，它具备了多种能力:能在一个统一的框架下处理多种图像生成任务能:包括从文本到图像生成、图像编辑，可以说是个全能选手。这意味着，用户只需提供简单提示词，就能控制图像生成与精细编辑，而不再需要再使用 ControlNet、IP-Adapter 这样的插件对图片进行细节调整!OmniGen 的架构非常简化。与

谷歌 DeepMind 联合麻省理工学院（MIT）近日发布了一项重大研究成果。研究团队开发的新型自回归模型"Fluid"在文本到图像生成领域取得了突破性进展，该模型在扩展到105亿参数规模后，性能表现出色。这项研究颠覆了业界普遍认知。此前，自回归模型虽然在语言处理领域占据主导地位，但在图像生成方面一直被认为不如 Stable Diffusion 和 Google Imagen3等扩散模型。研究人员通过创新性地引入两个关键设计因素，显著提升了自回归模型的性能和可扩展性:采用连续型词元替代离散型词元，以及引入

最近，科研团队联合推出了一款名为 Meissonic 的开源 AI 图像生成模型。惊喜的是，这款模型仅使用了十亿个参数，却能生成高质量的图像。这种紧凑的设计让 Meissonic 有潜力在移动设备上实现本地化的文本转图像应用。这项技术的背后，研发团队包括阿里巴巴、Skywork AI 以及多所大学的研究者。他们采用了一种独特的变换器架构和新颖的训练方法，使得 Meissonic 能够在普通游戏 PC 上运行，甚至未来可能在手机上使用。Meissonic 的训练方法采用了一种被称为 “遮蔽图像建模” 的技术，简单来说

英伟达与麻省理工学院、清华大学的研究人员合作开发了一款名为Sana的全新文本到图像生成框架，该框架能够高效生成高达4096×4096分辨率的图像。Sana可以在极快的速度下合成高分辨率、高质量且与文本高度一致的图像，甚至可以在笔记本电脑的GPU上运行。Sana 的核心设计包括:深度压缩自动编码器: 与传统的自动编码器仅压缩图像8倍不同，Sana 训练的自动编码器可以将图像压缩32倍，有效减少了潜在标记的数量。线性 DiT: Sana 将 DiT 中所有普通的注意力机制替换为线性注意力机制，这在高分

研究人员最近开发了一种名为 REPA 的新技术，旨在加速 AI 图像生成模型的训练速度。REPA 代表 REPresentation Alignment，通过整合来自 DINOv2等模型的高质量视觉表示来提高训练速度和输出质量。传统的扩散模型通常会创建嘈杂的图像，然后逐渐将其细化为干净的图像。REPA 增加了一个步骤，将在此去噪过程中生成的表示与来自 DINOv2的表示进行比较。然后，它将扩散模型的隐藏状态投影到 DINOv2的表示上。研究人员表示，REPA 不仅提高了训练效率，还提高了生成的图像质量。使用各种扩散模型架构

Google 的 Gemini 平台日前宣布，他们的新一代图像生成模型Imagen3，现已向全球所有用户开放使用。Imagen3被誉为 Google 迄今为止质量最高的图像生成模型，带来了更高的逼真度和更好的指令遵循能力。相比之前的版本，Imagen3在图像生成过程中减少了许多干扰性的伪影，用户可以更轻松地获得所需的图像效果。这意味着，如果你有任何创意和想法，只需简单的指令，系统就能够生成高质量的图像，真正满足用户的各种需求。不仅如此，这项技术的发布还引发了许多用户的热议。不少用户在社交

最近，德国的人工智能初创公司黑森林实验室（Black Forest Labs）推出了最新的图像生成模型 Flux1.1Pro。这个新模型的速度真是令人惊叹，黑森林实验室声称:它比前一代的 Flux1Pro 快了整整六倍，同时在图像质量上也有了显著提升。除了 Flux1.1Pro，黑森林实验室还发布了其 BFL API 的 beta 版本，让开发者可以将 Flux 模型集成到他们自己的应用中。Flux1.1Pro 在多个关键功能上都有所加强，不仅在速度上达到了前所未有的水平，还提高了图像的质量、响应指令的准确性以及图像的多样性。未来，这个模

近日，智谱AI向公众开源了其最新力作——CogView3及其升级版CogView-3Plus-3B，为文生图领域注入了新的活力。CogView3的亮相无疑是一个重要里程碑。作为首个在文本到图像生成领域实现中继扩散的模型，它采用了独特的级联扩散方法。这种创新性的approach首先生成低分辨率图像，随后通过基于中继的超分辨率技术来完成最终输出。这不仅大幅提升了生成图像的质量，还显著降低了训练和推理的成本。最令人瞩目的是CogView3的性能表现。根据人类评价结果，CogView3在生成质量上超越了当前最先进的

FLUX.1-dev-LoRA 是一款创新图像生成模型，专长于将现实与插画元素融合，创造出独特视觉效果。基于 FLUX.1-dev 训练而成，它能将前景角色描绘为插画风格，背景保持现实主义，适用于生成社交平台上的创意图像。用户通过提供场景描述和角色动作提示，即可生成符合需求的图像。官方提示词示例展示了如何描述以实现特定艺术风格融合。在线体验与下载模型链接提供给用户，使用时推荐调整 LoRA 权重以优化生成效果。

Freepik的AI图像生成模型Mystic，通过与Magnific AI的合作，开创了AI创作的新纪元。这款模型不仅能够生成超逼真的图像，还能在复杂场景中精准捕捉细节，甚至在图像中生成逼真的文字，达到了全高清水平。Mystic的独特之处在于它融合了Stable Diffusion、Flux和Magnific的自有模型优势，经过了由专业团队精心调校。测试显示，无论提示多么复杂或简单，Mystic都能产出令人震撼的结果，如猫咪弹钢琴、巨龟背负城市、火焰编织的头发女性和机器人绘制星空等，每幅作品都展示了Mystic在光影处理和艺术表达上的高超技艺。尽管目前仅对Freepik平台的高级用户开放，但Mystic的潜力已引起业界广泛关注，标志着AI图像生成领域正迅速发展。Mystic不仅展示了AI技术的最新进展，也为创意工作者提供了一种强大的工具，预示着AI辅助创作将在不久的将来成为主流，为视觉艺术领域带来前所未有的创新和突破。

苹果公司近期推出了一种名为Matryoshka Diffusion Models（MDM）的创新图像和视频生成技术，形象地称为"套娃扩散模型"。MDM采用了一种在不同分辨率下同时处理图像的突破性方法，实现了从低清晰度草图到高清晰度细节的无缝生成，其核心技术理念类似于俄罗斯套娃，每个层次都包含一个更小但功能完整的子结构。这种创新方法的核心架构被称为NestedUNet，能够同时驾驭多个分辨率的图像处理，通过在多个分辨率上进行联合去噪，生成的图像细节更加丰富，更具真实感。MDM在高质量图像和视频生成模型中展现出卓越性能，特别是在类条件图像生成、文本到图像和文本到视频的转换应用中。即使在相对有限的数据条件下，MDM也能生成高达1024x1024像素分辨率的图像，具有惊人的零样本泛化能力。未来，MDM有望在虚拟现实、增强现实、电影制作、游戏开发等领域发挥重要作用，为数字创意世界带来新的可能性。

快手今天放了个大招，开源了自家的图像生成模型——"可图 Kolors"。这可不是一个普通的模型，它在数十亿的文本图像对上进行了训练，搭载了通用语言模型（GLM）作为文本编码器，支持中英文双语提示词，还能处理长达256个token的上下文。

["魔搭社区推出相似图像生成模型，可生成多张风格相似但不完全相同的图像。","适用于艺术创作和产品设计等领域，提供更多选择，节约时间和成本。","模型链接和创空间体验链接提供给用户进行使用。"]