生成式AI发展迅猛，但如何全面评估其性能一直是个难题。各种模型层出不穷，效果也是越来越惊艳。但是，问题来了，怎么评价这些文生图模型的效果呢?传统的评价方法，要么是靠人眼看，主观性太强;要么是用一些简单的指标，比如CLIPScore，但这些指标往往无法捕捉到复杂文本提示中的细节，比如对象之间的关系、逻辑推理等等。这就导致很多文生图模型的评测结果不准确，甚至会出现一些搞笑的情况，明明生成的图片驴唇不对马嘴，得分却还挺高。为了解决这个问题，卡耐基梅隆大学

昨日晚间，Stability AI发布了其最强大的模型——Stable Diffusion3.5，这不仅是一个单一的模型，而是一个包含三个版本的全家桶，旨在满足从科研人员到业务爱好者、初创公司和企业的多样化需求。这三个版本分别是Stable Diffusion3.5Large、Stable Diffusion3.5Large Turbo和即将于10月29日发布的Stable Diffusion3.5Medium。

Stability AI 与亚马逊网络服务 (AWS) 合作，引入三款全新文本到图像生成模型至 Amazon Bedrock 服务，以提升商业定位和市场竞争力。这三款模型——Stable Image Ultra、Stable Diffusion3Large 和 Stable Image Core——分别针对不同需求，提供从高质量图像生成到快速大批量图像生产，以及更经济的选择，满足市场营销、广告和设计行业等不同场景。其中，Stable Image Ultra 作为旗舰产品，专为需要极高视觉效果的行业设计，如市场营销和建筑设计。Stable Image Core 则提供经济实惠的选择，适合一般需求。Stability AI 通过这些合作和新模型的引入，旨在扩展市场渠道，通过会员模式和 Stable Assistant 聊天机器人提供服务，并考虑通过云服务提供商、系统集成商和其他模型服务提供商扩大模型的可及性。在经历领导层变动后，Stability AI 正寻求新的增长机会。

2024年8月21日，Ideogram团队隆重发布了其最新版本的文本到图像模型——Ideogram2.0。这一重磅更新不仅为用户带来了免费的使用权限，更引入了一系列创新功能和工具，标志着文本到图像技术的一次重大飞跃。

谷歌文生图模型Imagen3的“ImageFX”功能正式对全员开放，提供更优的提示词交互体验。用户仅需输入描述性文字，系统便能生成相应图片，并对提示词进行优化，提供多种选择以提升生成效果。此外，Imagen3还具备局部修改功能，用户可使用笔刷工具修改图片局部，并填写相关描述词，系统将自动生成修改后的图片，大大提高了图片生成的灵活性和便利性。

由港大和字节的研究人员共同开发的LlamaGen是一个基于自回归模型Llama的图像生成方法，它在图像生成领域展现出了超越传统扩散模型的潜力。LlamaGen的开源发布，迅速在GitHub上获得了近900颗星标的认可。这一成果不仅证明了自回归模型在图像生成上的竞争力，还为开源社区带来了新的活力和创新动力。

["Stable Diffusion 3是一款最强的文生图模型","Stable Diffusion 3采用了MMDiT架构，展现出超越现有文本到图像生成系统的性能","Stable Diffusion 3在视觉美感、文本遵循和排版方面超越了其他先进模型","MMDiT架构结合了DiT和矩形流形式，通过独立的权重集合处理图像和语言表示","Stable Diffusion 3具有灵活性，能在不同硬件设备上快速生成图像，并提供多种模型规模选择","Stable Diffusion 3通过MMDiT架构、Prompt Following功能、Rectified Flow方法等技术实现了改进"]

["OpenAI宣布，ChatGPT Plus和企业版用户现在可以使用最新的文生图模型DALL·E3。","DALL·E3在图像合成方面有显著的进展，能够生成多种类型的图片。","这一整合提供了更多图像生成的可能性，包括写实、二次元、创意等。","OpenAI采用了多层级的安全系统，以限制可能有害的图像生成。","DALL·E3的发布为用户提供了更多的创意和实用性，拓展了AI图像生成的应用领域。"]