Google Research 提出 Diffusion Controller，统一并简化 AI 图像生成控制
Google Research 发布 Diffusion Controller 框架，把扩散模型的去噪过程重构为连续控制问题，主模型保持冻结，仅用轻量"转向阻尼器"网络动态调整生成轨迹。在 Stable Diffusion v1.4 上以 HPS-v2 评测，其完全解锁版本对基线模型取得 90% 胜率，并支持在无法访问内部权重的黑盒、灰盒模型上做定制。
#图像生成
#图像生成
今日 0 条Google ResearchAI 评分4242
AWS Machine Learning BlogAI 评分2222 在 SageMaker AI 上用 vLLM-Omni 生成图像与视频（第二部分）
AWS 发布教程，演示在 SageMaker AI 上用同一个 vLLM-Omni DLC 镜像部署两个端点：实时端点跑 FLUX.2-klein-4B 生成图像，异步端点跑 Wan2.1-VACE-1.3B 做图像条件视频生成。文本提示词先生成 PNG，再连同运动提示词送入视频端点，生成的 MP4 存入 Amazon S3，示例提供 CLI 与 Streamlit 界面。
Hugging Face Blog精选AI 评分6262 Hugging Face 用 Gradio Workflow 重建 AUTOMATIC1111，73 个节点复刻全部功能
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 条媒体流水线和 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：Hugging Face 用 73 个节点复刻 A1111 全部功能，并给出与 ComfyUI 的路线对比，可看节点式工作流的新形态。
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、草图与参考照片转化为更个性化、更精致的图像，并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，可据此判断图像生成能力的迭代方向。
Hugging Face Blog精选AI 评分6262 Diffusers 原生支持 Nunchaku 4-bit 扩散推理
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 checkpoint，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延迟、显存数据，可据此判断消费级 GPU 跑扩散模型的实际门槛。
Google ResearchAI 评分3131 Google Research 揭示扩散模型创造力来源：score smoothing 机制解析
Google Research 在 ICLR 2026 论文中揭示扩散模型的创造力源于神经网络训练中的 score smoothing 效应：权重衰减等正则化使模型学到平滑的 score function，让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。研究通过一维实验验证，权重衰减越强，插值区域越明显，即使无显式正则化，梯度训练的隐式正则化也能产生类似效果。
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、单价和可用入口，读者可据此判断图像与视频生成链路的成本与选型。
Google Research精选AI 评分6262 Google Photos 上线 Auto frame 功能，可事后改变照片拍摄视角
Google Research 宣布在 Google Photos 的 Auto frame 功能中上线一种新方法，用机器学习理解场景的空间布局，再用生成式 AI 想象出新视角下的画面。
推荐理由：Google Photos 把 3D 场景估计与生成式补全结合，读者可了解拍照后调整视角的技术路径。
OpenAI News精选AI 评分6262 OpenAI 发布 ChatGPT Images 2.0
OpenAI 发布 ChatGPT Images 2.0，改进了文字渲染、多语言支持和视觉推理能力。原文同时提到可查看 Images 2.5 的新变化。
推荐理由：官方给出图像生成在文字渲染、多语言与视觉推理上的改进方向，可据此判断图像能力升级重点。
Google Research精选AI 评分6666 Google 与 NHS 合作研究：AI 用于乳腺癌筛查的独立表现与双读流程评估
Google Research 与多家 NHS 机构合作的 AIMS 研究在 Nature Cancer 发表两项姊妹研究，评估 AI 乳腺癌检测系统。
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，可了解人机协作的实际收益与仲裁环节的失误。
Google ResearchAI 评分3434 Google SpeciesNet 开源一年：可识别近 2500 类动物的相机陷阱模型
Google 开源的 SpeciesNet 可对相机陷阱图像分类 2,498 个动物类别，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% 的情况下可识别到物种且其中 94.5% 预测正确。
Hugging Face Blog精选AI 评分6262 Hugging Face 推出 Modular Diffusers，用可组合块搭建扩散流水线
Hugging Face 发布 Modular Diffusers，用可复用的块组合扩散流水线，作为现有 DiffusionPipeline 类的更灵活替代方案。每个块自带输入输出，可独立运行或增删替换，并支持自定义块发布到 Hub 供他人以 trust_remote_code=True 加载。该功能还与节点式可视化界面 Mellon 集成，可从块定义自动生成节点 UI。
推荐理由：Hugging Face 官方介绍 Modular Diffusers 的可组合块机制，读者可据此判断扩散流水线搭建方式的改动。
Hugging Face Blog精选AI 评分6060 PRX 第三篇：24 小时训练一个文生图模型
Photoroom 在 Hugging Face 博客发布 PRX 系列第三篇，用 32 张 H200、约 1500 美元预算在 24 小时内训练出一个文生图扩散模型。
推荐理由：Photoroom 公开了 24 小时训练文生图模型的完整配方与代码，读者可据此复现并调整各组件。
Google DeepMind精选AI 评分8585 Google DeepMind 发布 Nano Banana 2（Gemini 3.1 Flash Image）图像模型
Google DeepMind 发布 Nano Banana 2（Gemini 3.1 Flash Image），把 Nano Banana Pro 的先进世界知识、质量与推理能力带到 Flash 级速度。
推荐理由：官方给出 Nano Banana 2 与 Pro 的能力分工和上线渠道，读者可据此判断该选哪个模型做图像任务。
Hugging Face BlogAI 评分3434 PRX 文本到图像模型训练设计：消融实验的经验总结
Hugging Face 公布 PRX 文本到图像模型训练消融实验，基于 1.2B 参数的 PRX-1.2B 在 Flux VAE latent 空间训练，基线配置为 100k 步、256×256 分辨率、全局 batch size 256。
Berkeley AI ResearchAI 评分3232 伯克利提出信息驱动成像系统设计框架，可跨四类成像任务预测性能
伯克利 AI Research 提出一种基于互信息的成像系统评估与优化框架，仅用带噪测量和噪声模型即可量化信息含量，无需重建算法或任务专用解码器。该框架在彩色摄影、射电天文、无镜头成像和显微成像四个领域预测了解码器性能，优化后的设计达到端到端方法水平，且内存和算力需求更低。相关论文发表于 NeurIPS 2025。
OpenAI News精选AI 评分7272 OpenAI 发布 ChatGPT Images 与 GPT-Image-1.5
OpenAI 发布 ChatGPT Images 与 GPT-Image-1.5，前者提供更快的图像生成体验，后者通过 API 提供。原文还提到可查看最新的 ChatGPT Images 2.5。
推荐理由：OpenAI 发布 GPT-Image-1.5 并更新 ChatGPT 图像体验，可据此了解其图像生成能力与 API 接入变化。
Hugging Face Blog精选AI 评分6262 Diffusers 集成 FLUX.2，支持 4bit 量化推理
Hugging Face Diffusers 官方博客宣布支持 FLUX.2，提供 Flux2Pipeline 与 Flux2Transformer2DModel 的调用示例，文本编码器使用 Mistral3ForConditionalGeneration。
推荐理由：Diffusers 集成 FLUX.2 并给出可直接运行的代码示例，读者可据此了解该模型的调用方式与显存门槛。
Google DeepMind精选AI 评分6262 Google 在 Gemini 应用中上线 AI 图片验证功能
Google 在 Gemini 应用中上线 AI 图片验证功能，用户上传图片并提问即可检查其中是否含有 SynthID 水印，从而判断图片是否由 Google AI 生成或编辑。
推荐理由：原文说明了 Gemini 应用内验证 AI 图片的具体操作方式，以及 SynthID 与 C2PA 后续扩展方向。
Google DeepMind精选AI 评分7878 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），一个基于 Gemini 3 Pro 的高保真图像生成与编辑模型，已在 Google AI Studio 和 Vertex AI 以付费预览形式通过 Gemini API 逐步开放。
推荐理由：官方给出 Gemini 3 Pro Image 的分辨率、文本渲染与搜索接地等能力细节，可据此判断图像生成与编辑的可用边界。
Google DeepMind精选AI 评分8282 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，主打图像生成与编辑。
推荐理由：官方给出 Nano Banana Pro 的文本渲染、多图融合与分辨率等能力变化，以及各产品线的开放节奏。
Hugging Face BlogAI 评分2727 Hugging Face 用 Gradio 为 AI 生成内容添加可见水印
Hugging Face 在 Gradio 中推出可见水印功能，只需一条命令即可为 AI 生成的图像、视频和文本添加水印。图像和视频通过 watermark 参数指定水印文件，文本则在 Chatbot 组件中设置 watermark，用户复制 AI 回复时会自动附带署名。水印支持文件名、图像或 numpy 数组，还可使用 QR 水印。
Hugging Face BlogAI 评分4646 Hugging Face ZeroGPU Spaces 如何用 PyTorch 提前编译提速 1.3–1.8 倍
Hugging Face 为 ZeroGPU Spaces 引入 PyTorch 提前（AoT）编译，让模型只需优化一次即可即时重载，在 Flux、Wan、LTX 等模型上取得 1.3×–1.8× 加速。
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 连接至 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（NSS）AI 超采样技术
Arm 面向图形与游戏开发者发布 AI 超采样方案 Neural Super Sampling（NSS），基于 Arm Neural Technology 面向未来移动设备实时运行。
Hugging Face Blog精选AI 评分6262 用 Diffusers 和 PEFT 加速 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。方案组合 Flash Attention 3、torch.compile 和 FP8 量化，并通过 hotswap 机制避免切换 LoRA 时触发重新编译，在 H100 上相比基线取得 2.23 倍加速。
推荐理由：原文给出 Flux LoRA 推理的完整优化配方与实测数据，读者可据此在 H100 或 4090 上复现加速效果。
Hugging Face BlogAI 评分5252 用 Gradio MCP 服务器为 LLM 增加新能力
Hugging Face 博客介绍如何通过 Gradio MCP 服务器为 LLM 增加新能力。Gradio 5.28.0 起支持 MCP 协议，Hugging Face Spaces 上数千个 AI 应用因此可作为 MCP 服务器接入 Cursor、Claude Code、Cline 等客户端。
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 QLoRA 和 diffusers 库在单张 GPU 上微调 FLUX.1-dev，峰值显存约 10GB 以内。在 RTX 4090 上，QLoRA 微调峰值显存约 9GB，而 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3636 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3838 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 2025 年 4 月更新，新增 o3、图像生成、增强记忆和内部知识四项能力。官方同步放出这些功能的上手演示。
OpenAI News精选AI 评分6262 OpenAI 在 API 中上线最新图像生成模型 gpt-image-1
OpenAI 将最新图像生成模型以 gpt-image-1 的名称开放到 API，开发者和企业可将其集成到自有工具和平台中，生成专业级、可定制的视觉内容。
推荐理由：OpenAI 将最新图像生成模型以 gpt-image-1 接入 API，开发者可据此评估自有产品的图像生成集成路径。
OpenAI News精选AI 评分7575 OpenAI 在 GPT-4o 中推出原生图像生成
OpenAI 在 GPT-4o 中引入原生图像生成能力，并提升了文本渲染和指令跟随表现。该发布同时指向 ChatGPT Images 2.5。
推荐理由：GPT-4o 原生图像生成上线，文本渲染与指令跟随能力提升，可据此判断多模态生成的新基线。
OpenAI News精选AI 评分6262 OpenAI 发布 GPT-4o 系统卡增补：4o 图像生成
OpenAI 发布 GPT-4o 系统卡增补，介绍 4o 图像生成。该能力比此前的 DALL·E 3 系列模型显著更强，可生成照片级写实输出，也能接收图像作为输入并对其进行变换。
推荐理由：GPT-4o 图像生成系统卡增补说明，交代了它相对 DALL·E 3 的能力变化与图像输入输出方式。
Hugging Face BlogAI 评分4040 Hugging Face 推出 Remote VAE：用 Inference Endpoints 远程解码扩散模型潜空间
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，以缓解高分辨率图像和视频合成中解码器的显存占用问题。
Mistral AI精选AI 评分6666 Mistral 发布全新 le Chat 助手，上线 iOS 与 Android 并推出 Pro、Team 订阅
Mistral 发布全新 le Chat AI 助手，同步上线 iOS 和 Android，并推出 Pro 与 Team 订阅层级，Enterprise 版进入私有预览。
推荐理由：官方一次性给出 le Chat 的移动端、Pro/Team 定价与 Flash Answers 等能力清单，可据此判断其与现有助手的差异。
Hugging Face BlogAI 评分2222 Hugging Face 首期 AI 艺术工具通讯：回顾 2024 与展望 2025
Hugging Face 发布首期《AI 艺术工具通讯》，回顾 2024 年创意 AI 关键进展并预告将推出月度汇总。
Hugging Face BlogAI 评分4545 Hugging Face 推出 TimmWrapper：在 transformers 中使用任意 timm 模型
Hugging Face 发布 TimmWrapper，让任意 timm 视觉模型可直接接入 transformers 生态，支持 pipeline API、Auto 类和 Trainer 微调。该工具可用约 5 行代码通过 BitsAndBytesConfig 完成 8bit 量化，并支持 torch.compile 加速推理与 LoRA 适配器微调，微调后的模型还能回到 timm 使用。
Hugging Face BlogAI 评分3434 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 上的预处理与后处理代码。
OpenAI NewsAI 评分3838 OpenAI 简化并稳定连续时间一致性模型，两步采样媲美扩散模型
OpenAI 对连续时间一致性模型做了简化、稳定化和规模化，仅需两步采样即可达到与领先扩散模型相当的样本质量。
Hugging Face Blog精选AI 评分7373 Diffusers 支持 Stable Diffusion 3.5 Large，含 8B 模型与量化推理
Stability AI 发布 Stable Diffusion 3.5，包含 8B 的 Large 模型和 8B 的 timestep-distilled 模型，已在 Hugging Face Hub 上线并可通过 Diffusers 使用。
推荐理由：Diffusers 官方给出 SD3.5 Large 的量化推理与 LoRA 训练路径，可据此判断消费级显卡的可用性。