Google Research 提出 Diffusion Controller 统一图像生成控制
Google Research 提出 Diffusion Controller 框架，把扩散模型的去噪过程重构为连续控制问题，用一个轻量附加网络在冻结基座模型上动态调整生成轨迹。
#图像生成
#图像生成
今日 0 条Google ResearchAI 评分5252
Hugging Face Blog精选AI 评分6262 Hugging Face 用 Gradio Workflow 重建 AUTOMATIC1111，73 个节点复刻 11 条媒体管线
Hugging Face 发布 Workflow1111，用 Gradio Workflow 把 AUTOMATIC1111 的大部分功能重建为一张工作流画布，由 11 条媒体管线和 73 个节点组成，覆盖文生图、高清修复、图生图、提示词矩阵、VLM 反推、检测生成 inpaint 掩码、ControlNet 风格标注器、背景移除、PNG Info 与图生视频。
推荐理由：原文给出用 Gradio Workflow 重建 A1111 全部管线的节点构成与运行方式，可据此判断无 GPU 搭建多模型工作流的可行性。
OpenAI News精选AI 评分6262 OpenAI 发布 ChatGPT Images 2.5
OpenAI 发布 ChatGPT Images 2.5，可将想法、草图和参考照片转化为更个性化、更精致的图像，更贴近用户原本的构想。
推荐理由：官方给出 ChatGPT Images 2.5 的输入类型与输出定位，可据此了解图像生成能力这次的调整方向。
Hugging Face Blog精选AI 评分6262 Hugging Face 将 Nunchaku 4-bit 扩散推理接入 Diffusers
Hugging Face 在 Diffusers 中引入 Nunchaku Lite，可直接用 from_pretrained() 加载 Nunchaku 风格的 4-bit 量化检查点，无需自定义 pipeline 或本地 CUDA 编译。
推荐理由：原文给出 Nunchaku Lite 在 Diffusers 中的加载方式与实测数据，读者可据此判断 4-bit 扩散推理的显存与速度取舍。
Google ResearchAI 评分2727 Google Research 揭示扩散模型创造力来源：score smoothing 如何让模型学会插值生成
Google Research 在 ICLR 2026 论文中揭示扩散模型的创造力源于 score smoothing：神经网络训练中的正则化使学到的 score function 变平滑，导致去噪过程在训练数据点之间插值，从而生成新样本而非简单记忆。
Google DeepMind精选AI 评分8080 Google DeepMind 发布 Nano Banana 2 Lite 与 Gemini Omni Flash
Google DeepMind 发布 Nano Banana 2 Lite（gemini-3.1-flash-lite-image）和 Gemini Omni Flash（gemini-omni-flash-preview）两款模型。
推荐理由：两款新模型给出了延迟、单价与可用入口，读者可据此判断图像与视频生成链路的成本取舍。
Google ResearchAI 评分5959 Google Photos 上线 Auto frame，用生成式 AI 重设照片机位
Google Research 宣布新方法已作为 Google Photos 的 Auto frame 功能上线，可自动调整拍摄视角。该方法先用 3D 点图估计模型重建场景与相机参数，再用生成式潜在扩散模型补全新视角下露出的空白区域，并自动检测人脸位置与广角畸变来选定理想机位。用户可在 Auto frame 候选中选择第二版重构图，一键改善含人物的照片。
OpenAI NewsAI 评分2222 如何用 ChatGPT 创建图像
OpenAI 发布指南，介绍如何用 ChatGPT 通过清晰的提示词创建和优化图像，并迭代设计方案，在几分钟内生成高质量视觉内容。
Google Research精选AI 评分6262 Google Research 与 NHS 合作研究：AI 用于乳腺筛查工作流
Google Research 与多家 NHS 机构合作的 AIMS 研究在 Nature Cancer 发表两项研究，评估 AI 乳腺筛查系统。
推荐理由：两项 Nature Cancer 研究给出 AI 在 NHS 乳腺筛查中的独立读片与双读流程数据，可了解落地条件。
Google ResearchAI 评分3434 Google SpeciesNet 开源一年：可识别近 2500 类动物的相机陷阱 AI 模型
Google 开源的 SpeciesNet 可对相机陷阱图像分类 2,498 个类别，基于 6,500 万张标注图像训练，在留出测试集上能找出 99.4% 含动物的图像，83% 的情况可识别到物种且其中 94.5% 预测正确。
Hugging Face Blog精选AI 评分6666 Hugging Face 推出 Modular Diffusers，用可组合模块搭建扩散流水线
Hugging Face 发布 Modular Diffusers，用可复用的 block 组合扩散流水线，作为 DiffusionPipeline 之外更灵活的替代方案。
推荐理由：官方给出可组合扩散流水线的完整用法与自定义块示例，读者可据此判断现有 Diffusers 工作流如何拆解复用。
Hugging Face BlogAI 评分4444 PRX Part 3：24 小时训练一个文本到图像扩散模型
Hugging Face 博客发布 PRX 系列第三篇，用 32 张 H200、约 1500 美元算力预算在 24 小时内完成文本到图像扩散模型训练，并开源训练代码与实验框架。该方案采用 x-prediction 在像素空间直接训练、无需 VAE，并叠加 LPIPS 与 DINOv2 感知损失、TREAD token 路由、REPA 表征对齐和 Muon 优化器。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Nano Banana 2（Gemini 3.1 Flash Image）图像模型
Google DeepMind 发布最新图像生成模型 Nano Banana 2（Gemini 3.1 Flash Image），将 Nano Banana Pro 的高级世界知识、质量与推理能力带到 Flash 级速度。
推荐理由：Google DeepMind 官方发布 Nano Banana 2，读者可据此了解其能力边界与在 Gemini、搜索、Flow 等产品中的落地范围。
Hugging Face BlogAI 评分3434 PRX 文本到图像模型训练设计：消融实验的经验教训
Hugging Face 公布 PRX-1.2B 文本到图像模型的训练消融实验，在 100k 步、256×256 分辨率、全局 batch size 256 的 Flow Matching 基线上，系统对比表征对齐、训练目标、token 路由与稀疏化、数据四类技巧对收敛与效率的影响。
Hugging Face Blog精选AI 评分6262 Diffusers 支持 FLUX.2，官方给出 4bit 量化推理代码
Hugging Face Diffusers 官方博客宣布支持 FLUX.2，并给出基于 diffusers/FLUX.2-dev-bnb-4bit 仓库的完整推理示例。
推荐理由：Diffusers 官方给出 FLUX.2 的加载与推理代码，读者可据此判断本地部署所需的显存与量化方案。
Google DeepMind精选AI 评分8080 Google DeepMind 发布 Nano Banana Pro（Gemini 3 Pro Image）图像模型
Google DeepMind 发布 Nano Banana Pro（Gemini 3 Pro Image），基于 Gemini 3 Pro 构建，面向开发者提供影棚级图像生成与编辑，已在 Google AI Studio 和 Vertex AI 以付费预览形式逐步开放。
推荐理由：官方给出新图像模型的分辨率、文本渲染与搜索接地能力，以及 Adobe、Figma 等接入情况，便于判断其与上一代的取舍。
Google DeepMind精选AI 评分8484 Google DeepMind 发布 Nano Banana Pro（Gemini 3 Pro Image）图像生成与编辑模型
Google DeepMind 发布 Nano Banana Pro（Gemini 3 Pro Image），基于 Gemini 3 Pro 构建，主打更准确的图像内文字渲染、多语言生成与更强的世界知识。
推荐理由：官方给出 Nano Banana Pro 的能力边界与各产品上线节奏，可据此判断图像生成与编辑的可用范围。
Hugging Face BlogAI 评分5858 Hugging Face AI Sheets 加入视觉能力，可在表格中处理图像
Hugging Face 为开源工具 AI Sheets 发布重大更新，新增视觉支持，可在表格中查看、分析图像并抽取信息，也能从文本生成图像和编辑图像，全部由 Inference Providers 上的开放模型驱动。
OpenAI NewsAI 评分1818 SchoolAI 用 GPT-4.1 打造赋能教师的 AI 平台
SchoolAI 基于 GPT-4.1、图像生成和 TTS 构建安全、教师引导的 AI 工具，已服务超过 100 万个课堂，提升参与度、监督能力和个性化学习。
Hugging Face BlogAI 评分3030 Hugging Face 用 Gradio 一条命令为 AI 生成内容添加可见水印
Hugging Face 在 Gradio 中内置可见水印功能，创建 Space 时只需为 gr.Image、gr.Video 添加 watermark 参数，即可在 AI 生成的图像和视频上显示水印，水印支持文件名、图像或 numpy 数组，也可使用 QR 水印。gr.Chatbot 同样支持文本水印，用户复制 AI 回复时会自动附带署名，便于 AI 透明度与披露。
Hugging Face BlogAI 评分3838 如何将 Claude 连接 Hugging Face 生成图像
通过 Hugging Face MCP Server 将 Claude 接入 Hugging Face Spaces，即可调用 FLUX.1 Krea [dev] 和 Qwen-Image 等模型生成图像。
Hugging Face BlogAI 评分5050 Arm 发布 Neural Super Sampling，面向图形与游戏开发者的 AI 超分方案
Arm 发布 Neural Super Sampling（NSS），一款面向图形与游戏开发者的 AI 超分方案，现已开放试用。NSS 是用于实时时序超分的参数预测模型，针对移动 GPU 中的 Neural Accelerators（NX）优化，适用于移动游戏、XR 等功耗受限场景。
Hugging Face BlogAI 评分3838 用 Python 实现 MCP 服务器：基于 Gradio 的 AI 购物助手
Hugging Face 博客演示了如何用 Gradio 的 MCP 集成在 Python 中搭建 AI 购物助手，将 Python 函数自动转换为 LLM 可调用的 MCP 工具。该助手结合 IDM-VTON 扩散模型实现虚拟试衣，并通过 VS Code AI Chat 接入 vton 与 playwright 两个 MCP 服务器，让 LLM 能浏览线上服装店并生成试穿效果图。
Hugging Face Blog精选AI 评分6262 Hugging Face 用 Diffusers 和 PEFT 优化 Flux 的 LoRA 推理
Hugging Face 发布教程，介绍如何用 Diffusers 和 PEFT 优化 Flux.1-Dev 的 LoRA 推理速度，在 H100 上通过 Flash Attention 3、torch.compile 和 FP8 量化配合 LoRA 热插拔，实现约 2.23 倍加速。
推荐理由：Hugging Face 官方给出 Flux LoRA 推理的完整优化配方与实测数据，可迁移到其他扩散模型。
Hugging Face Blog精选AI 评分6262 在消费级硬件上用 QLoRA 微调 FLUX.1-dev
Hugging Face 发布教程，介绍用 diffusers 库以 QLoRA 在单张 GPU 上微调 FLUX.1-dev，峰值显存约 10GB 以下。在 RTX 4090 上，QLoRA 峰值显存约 9GB，标准 BF16 LoRA 需 26GB，700 步训练约 41 分钟。
推荐理由：给出在单张消费级 GPU 上微调 FLUX.1-dev 的完整配置与显存对比，方法可直接复用。
Hugging Face BlogAI 评分3434 Hugging Face Diffusers 量化后端解析：bitsandbytes、GGUF、torchao、Quanto 与 FP8
Hugging Face Diffusers 现已集成 bitsandbytes、GGUF、torchao、Quanto 和原生 FP8 等多种量化后端，并以 Flux-dev 为例展示其效果。
OpenAI NewsAI 评分2222 ChatGPT for Business 2025 年 4 月更新：o3、图像生成、增强记忆与内部知识
ChatGPT for Business 迎来 4 月更新，新增 o3 模型、图像生成、增强记忆和内部知识功能。官方同步放出了这些新能力的实操演示视频。
Hugging Face BlogAI 评分3838 Hugging Face 推出 Remote VAE：用 Inference Endpoints 远程解码
Hugging Face Diffusers 团队实验性推出 Remote VAE，将扩散模型的 VAE 解码过程委托给远程 Inference Endpoints，以降低高分辨率图像和视频生成对消费级 GPU 的显存压力。
Hugging Face BlogAI 评分3636 Hugging Face 社区发布文本到图像生成开放偏好数据集
Hugging Face 的 Data is Better Together 社区发布 Apache 2.0 许可的文本到图像偏好数据集，覆盖多种图像生成类别并混合不同模型家族与提示词复杂度。数据集基于 Flux 和 Stable Diffusion 模型生成图像，配套提供 flux-dev-lora-finetune 微调模型及 GitHub 预处理代码。
Hugging Face Blog精选AI 评分6767 Diffusers 支持 Stable Diffusion 3.5 Large，含 8B 模型与少步蒸馏版
Stability AI 的 Stable Diffusion 3.5 已在 Hugging Face Hub 发布并接入 Diffusers，包含 8B 的 Large 模型和 8B 的 timestep-distilled 模型，后者支持 4-8 步少步推理。
推荐理由：官方给出 SD3.5 Large 在 Diffusers 中的推理、量化与 LoRA 训练代码，可直接照此在消费级显卡上跑通。
Hugging Face BlogAI 评分3131 如何将顶点着色网格转换为 UV 贴图纹理网格
Hugging Face 发布教程与 InstantTexture 库，可将 InstantMesh 等生成模型输出的顶点着色网格转换为 UV 贴图纹理网格。流程用 xatlas 生成 UV 映射，再通过重心坐标插值填充 1024 像素纹理，并配合修复、中值滤波、高斯模糊与 LANCZOS 降采样消除空洞。该库可通过 pip 安装，将 .obj 网格转换为 .glb 输出。
OpenAI NewsAI 评分1212 OpenAI 与 The Met 合作唤醒“睡美人”时装展
OpenAI 与 The Met 服装学院合作推出“Sleeping Beauties: Reawakening Fashion”展览，借助 AI 挖掘艺术与创意潜力，让时尚藏品以新方式呈现。
Hugging Face BlogAI 评分3838 用 Quanto 和 Diffusers 实现内存高效的 Diffusion Transformer
Hugging Face 展示了如何借助 Diffusers 库中的 Quanto 量化工具降低 Transformer 扩散管线的显存占用。以 PixArt-Sigma、Stable Diffusion 3 和 Aura Flow 为例，将扩散主干与文本编码器量化为 FP8 后，SD3 推理显存从 16.403 GB 降至约 8.2 GB，质量几乎无损、延迟略有上升。
OpenAI NewsAI 评分2424 OpenAI 改进一致性模型（Consistency Models）训练技术
OpenAI 提出改进的一致性模型（Consistency Models）训练技术。一致性模型是一类新兴生成模型，无需对抗训练即可一步采样出高质量数据。
OpenAI NewsAI 评分2828 OpenAI 提出 Consistency Models 实现快速生成
OpenAI 提出 Consistency Models，可在不依赖迭代采样的情况下实现快速生成，从而解决扩散模型因迭代采样导致的生成速度慢问题。扩散模型已在图像、音频和视频生成领域取得显著进展，但迭代采样过程拖慢了生成速度。
Hugging Face Blog精选AI 评分7272 Diffusers 接入 Stable Diffusion 3 Medium，含显存优化与 LoRA 微调脚本
Stability AI 的 Stable Diffusion 3 Medium（2B 参数）已上线 Hugging Face Hub 并支持 Diffusers 调用，官方同时提供了模型、Diffusers 集成以及 SD3 Dreambooth 和 LoRA 训练脚本。
推荐理由：官方给出 SD3 Medium 在 Diffusers 中的接入方式、显存优化与微调脚本，可直接对照复现。
Hugging Face BlogAI 评分5050 Artificial Analysis 发布文生图排行榜与竞技场
Artificial Analysis 推出文生图排行榜与 Image Arena，基于超 45,000 次人类图像偏好投票计算 ELO 分数，覆盖 Midjourney、DALL·E、Stable Diffusion、Playground 等开源与闭源模型。
Hugging Face BlogAI 评分3636 Hugging Face：AI 水印工具与技术入门指南
Hugging Face 发文梳理 AI 生成内容的水印方案，区分生成时嵌入与生成后添加两类方法，并盘点 Hub 上的相关工具。文中提到 Glaze、Photoguard 可微调图像干扰 AI 处理，Nightshade、Fawkes 则通过"投毒"破坏训练假设；Truepic 按 C2PA 标准嵌入元数据，IMATAG 采用水印器与检测器闭源、调用代码开源的混合模式。
Hugging Face BlogAI 评分5757 SegMind 发布 SegMoE 混合专家扩散模型框架
SegMind 发布 SegMoE 框架，可从零构建混合专家扩散模型，并已集成进 Hugging Face diffusers 生态。此次发布包括 SegMoE-4x2、SegMoE-2x1 和 SegMoE-SD4x2 三个模型，以及用于自建 MoE 模型的 segmoe 包和 GitHub 仓库，模型采用 Apache 2.0 许可。
Hugging Face BlogAI 评分3838 用 ONNX Runtime 和 Olive 加速 SD Turbo 与 SDXL Turbo 推理
Hugging Face 发布经 Olive 优化的 SD Turbo 与 SDXL Turbo 模型，在 NVIDIA GPU 上通过 ONNX Runtime 的 CUDA 和 TensorRT 执行提供程序加速推理，吞吐量相比 PyTorch 最高提升 229%（SDXL Turbo）和 120%（SD Turbo）。