Pollo AI 用 OpenAI 模型把创意变成营销活动
Pollo AI 借助 GPT-5.6、GPT-6 Astra 和 GPT-Image-2.5，帮助创作者把创意转化为精细图像与电影级视频广告。
#图像生成
#图像生成
今日 0 条OpenAI NewsAI 评分1212
NVIDIA Developer BlogAI 评分2020 NVIDIA cuPhoton 加速科学图像分析
NVIDIA 发布 cuPhoton，用于加速科学图像分析，解决天文望远镜、激光与 X 射线光源等高通量仪器产生的图像数据超出 CPU 流水线处理能力的瓶颈。该瓶颈并非单个慢 kernel，而是从传感器原始数据读取、点扩散函数或探测器响应匹配，到相减归约的整条决策路径。
NVIDIA BlogAI 评分2121 NVIDIA Inception 创业公司如何用 AI 补齐乳腺癌诊疗缺口
NVIDIA Inception 计划中的多家创业公司正用 AI 打通乳腺癌诊疗链条。iSono Health 的 ATUSA 可穿戴自动 3D 超声平台获 FDA clearance，约两分钟完成单侧乳房扫描，比手持超声的 45 分钟大幅提速，其 AI 在超 150 万帧超声数据上训练，灵敏度比手持 2D 超声高 28%。
NVIDIA Developer BlogAI 评分4848 NVIDIA DLSS 5 带来 3D-Guided Neural Rendering，ACE 与 RTX Kit 同步更新
NVIDIA 发布 DLSS 5，引入 3D-Guided Neural Rendering 与更细粒度的控制选项，帮助游戏开发者加入更逼真的光照和材质细节，同时保留艺术意图。面向游戏开发者的更新还包括 NVIDIA ACE、RTX Mega Geometry 2.0 和 RTX Kit，覆盖角色 AI、高密度几何与渲染工作流。
MIT News · AIAI 评分4444 MIT 新 AI 技术 xvr 让微创手术更安全精准
MIT 及合作机构的研究人员提出 xvr（X-ray volume registration）技术，用 AI 将手术中的 2D X 光片与患者术前 3D 扫描自动配准，数秒内完成、精度达亚毫米级，比现有 AI 方法高出一个数量级。该模型基于物理模拟生成的患者专属合成 X 光训练，约五分钟即可适配单个患者，无需担心模型幻觉。相关论文已发表在 Nature 上。
MIT News · AIAI 评分3939 MIT 新方法 HardFlow 让生成式 AI 满足安全关键场景的硬约束
MIT 研究人员提出 HardFlow，让预训练生成模型在部署阶段满足安全、物理等不可妥协的硬约束，同时提升输出质量，无需重新训练。该方法把硬约束采样重构为轨迹优化问题，只在最终输出上强制约束，而非每个中间步骤。在机器人操作、迷宫导航和文本引导图像编辑实验中，HardFlow 实现完全约束满足，质量持续优于基线方法，计算时间与多数同类方法相当或更低。
MIT News · AI精选AI 评分6969 MIT CSAIL 研究：生成图像往往无法追溯到训练数据
MIT CSAIL 团队在 Nature Communications 发表研究，提出“归因衰减”现象：生成模型训练数据越多，单张训练图像、某位艺术家的全部作品或某个人的所有照片对特定输出的影响越小，甚至删除后输出完全不变。
推荐理由：研究提出归因衰减现象并给出精确删除训练样本的方法，为版权与责任认定提供了可对照的技术证据。
Hugging Face BlogAI 评分5050 Diffusers 原生支持 Nunchaku 4-bit 扩散推理
Diffusers 现已原生加载 Nunchaku 4-bit 量化检查点，只需 from_pretrained() 调用，无需本地 CUDA 编译，CUDA kernel 经 kernels 包从 Hub 下载。
Google DeepMind精选AI 评分7878 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：两款模型给出明确的延迟、单价与可用入口，读者可据此判断图像与视频生成流水线的成本变化。
Hugging Face Blog精选AI 评分6262 Hugging Face 推出 Modular Diffusers，可组合的扩散流水线构建模块
Hugging Face 发布 Modular Diffusers，用可复用 block 组合扩散流水线，作为 DiffusionPipeline 的灵活替代方案，支持添加、删除和替换 block，并可用 .init_pipeline() 把 block 转为可运行流水线。
推荐理由：原文给出可组合模块的 API 写法与自定义 block 示例，读者可据此判断现有扩散流水线能否改造成模块化流程。
Hugging Face BlogAI 评分3232 PRX Part 3：24 小时训练一个文本到图像模型
Hugging Face 博客发布 PRX 系列第三篇，用 32 张 H200、约 1500 美元算力预算（2 美元/小时/GPU）在 24 小时内完成文本到图像扩散模型训练。该方案堆叠 x-prediction 像素空间训练、LPIPS 与 DINOv2 感知损失、TREAD token 路由、REPA 对齐及 Muon 优化器，并开源训练代码。
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 Nano Banana 2（Gemini 3.1 Flash Image），把 Nano Banana Pro 的先进世界知识、推理与画质带到 Flash 级速度，可调用 Gemini 知识库与网页搜索实时信息渲染特定主体，并支持图内文字渲染与翻译。
推荐理由：官方给出 Nano Banana 2 相对前代的能力清单与全线产品入口，便于判断速度与保真度取舍。
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
Hugging Face 博客发布 PRX 文本到图像模型训练系列第二部分，用统一实验设置复现并消融近期训练技巧，评估其对收敛与效率的影响。基线为 1.2B 参数的 PRX-1.2B，纯 Flow Matching、无额外目标，训练 100k 步、256×256 分辨率、全局 batch size 256，用 FID、CMMD、DINO-MMD 与吞吐量监控。
Berkeley AI ResearchAI 评分3232 伯克利提出信息驱动成像系统设计框架，NeurIPS 2025 论文验证四大成像域
伯克利 AI Research 提出基于互信息的成像系统评估与优化框架，无需重建算法即可预测下游任务性能。该信息指标在彩色摄影、射电天文、无透镜成像和显微镜四个领域验证了与解码器表现的一致性，其优化出的设计可匹敌端到端方法，且内存与算力需求更低、无需任务专用解码器。方法利用成像系统的已知噪声物理直接计算 H(Y|X)，仅需从测量数据学习 H(Y)，并提供真实信息量的上界估计。
Hugging Face Blog精选AI 评分6969 Diffusers 接入 FLUX-2，发布 4bit 量化推理示例
Diffusers 官方博客宣布支持 FLUX-2，并给出基于 diffusers/FLUX.2-dev-bnb-4bit 仓库的推理示例，使用 Flux2Pipeline 与 Flux2Transformer2DModel，文本编码器为 Mistral3ForConditionalGeneration。
推荐理由：Diffusers 官方接入 FLUX-2 并给出 4bit 量化示例，读者可了解该模型的显存要求与调用方式。
Google DeepMind精选AI 评分7676 Google DeepMind 发布 Gemini 3 Pro Image（Nano Banana Pro）图像模型
Google DeepMind 发布 Nano Banana Pro（Gemini 3 Pro Image），这是基于 Gemini 3 Pro 的高保真图像生成与编辑模型，开始在 Google AI Studio 和 Vertex AI 上面向开发者付费预览。
推荐理由：DeepMind 官方给出 Gemini 3 Pro Image 的付费预览入口与分辨率、参考图数量等规格，可据此判断是否接入生产流程。
Google DeepMind精选AI 评分8585 Google DeepMind 发布 Nano Banana Pro（Gemini 3 Pro Image）图像生成与编辑模型
Google DeepMind 发布新一代图像生成与编辑模型 Nano Banana Pro（Gemini 3 Pro Image），基于 Gemini 3 Pro，强调更强的推理与世界知识、图像内多语言文字的准确渲染，以及最高 14 张图像融合、最多 5 人一致性保持。
推荐理由：Google DeepMind 官方介绍 Nano Banana Pro 的能力边界与全平台上线节奏，便于判断图像生成工作流的变化。
Hugging Face BlogAI 评分2828 Hugging Face 用 Gradio 一条命令为 AI 生成图像、视频和文本添加可见水印
Hugging Face 让 Gradio 应用添加可见水印只需一条命令：图像和视频传入 watermark 参数，文本则在 gr.Chatbot 中设置 watermark，用户复制 AI 回复时自动附加署名。水印支持文件名，图像还支持开放图片和 numpy 数组，并可用 QR 水印承载更多信息、匹配画面风格。官方提供了图像/视频与聊天机器人两个示例 Space 供试用。
Hugging Face BlogAI 评分4141 用 Claude 结合 HF Mirror 生成图像：接入 FLUX.1 Krea 与 Qwen-Image
HF Mirror 发文介绍如何把 Claude 连接到 HF Mirror Spaces 来生成图像，并推荐专注自然真实感的 FLUX.1 Krea [dev] 和擅长文字渲染的 Qwen-Image。
Hugging Face BlogAI 评分4646 Arm 发布 Neural Super Sampling：面向移动 GPU 的 AI 实时超采样
Arm 推出 Neural Super Sampling（NSS）供图形与游戏开发者试用，这是一个在移动 GPU 的 Neural Accelerators（NX）上运行的实时时序超采样参数预测模型。
Hugging Face BlogAI 评分3434 用 Python 实现 MCP Server：基于 Gradio 与 IDM-VTON 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，只需在 launch() 中设置 mcp_server=True，Gradio 便会把 Python 函数自动转换为带名称、描述和输入 schema 的 MCP 工具，并支持实时进度通知与文件上传。
Hugging Face BlogAI 评分5454 Hugging Face 给出 Flux 上 LoRA 快速推理方案，最高提速 2.23 倍
Hugging Face 博客给出用 Diffusers 和 PEFT 加速 Flux.1-Dev 上 LoRA 推理的优化方案，组合 Flash Attention 3、torch.compile 和 FP8 量化，在 H100 上相对基线提速 2.23 倍。
Hugging Face BlogAI 评分4242 用 Gradio MCP Servers 为 LLM 增加新技能
Hugging Face 博客介绍如何通过 Gradio MCP Servers 为 LLM 扩展能力。Gradio 从 5.28.0 版本起支持 MCP 协议，使 Hugging Face Spaces 上的数千个 AI 应用成为 LLM 可直接调用的工具。
Hugging Face Blog精选AI 评分6565 在消费级硬件上微调 FLUX.1-dev：QLoRA 与 FP8 实践
Hugging Face 发布教程，演示用 diffusers 库以 QLoRA 在单卡上微调 FLUX.1-dev，峰值显存约 9GB，可学习 Alphonse Mucha 艺术风格。
推荐理由：以 FLUX.1-dev 为例给出 QLoRA、8-bit 优化器、梯度检查点等组合，把微调峰值显存压到约 9GB。
Hugging Face BlogAI 评分4949 Hugging Face Diffusers 中的量化后端探索：bitsandbytes、GGUF、torchao、Quanto 与 FP8
Hugging Face 博客详解 Diffusers 直接集成的多种量化后端，包括 bitsandbytes、GGUF、torchao、Quanto 和原生 FP8，并以 Flux-dev 演示。
OpenAI NewsAI 评分2626 ChatGPT 图像生成如何制作品牌视觉与产品效果图
ChatGPT 图像生成支持根据提示词、草图或上传图片，创建符合品牌调性的视觉素材和产品效果图。该能力面向品牌视觉与产品 mockup 制作场景。
Hugging Face BlogAI 评分4646 Hugging Face 推出 Remote VAE：用 Inference Endpoints 远程解码扩散模型潜空间
Hugging Face Diffusers 团队试点 Remote VAE，将扩散模型的 VAE 解码交给远程 Inference Endpoints，缓解高分辨率图像和视频生成中解码器显存占用过高的问题，避免 offloading 的设备传输延迟和 tiling 的画质损失。
Hugging Face BlogAI 评分4141 Google 发布 PaliGemma 2 Mix 指令视觉语言模型
Google 发布 PaliGemma 2 Mix，这是基于 SigLIP 和 Gemma 2、在 OCR、长短图像描述等混合视觉语言任务上微调的指令视觉语言模型。模型提供 3B、10B、28B 三种规模，224、448、896 三种分辨率，可通过 HF Transformers 和 JAX 使用，并附有演示。
Hugging Face BlogAI 评分1515 Hugging Face 发布首期 AI 艺术工具通讯，回顾 2024 并预告 2025
Hugging Face 推出首期 AI 艺术工具通讯《The AI tools for Art Newsletter》，回顾 2024 年创意 AI 的关键进展，并预告 2025 年新动向及将启动月度汇总。
Hugging Face BlogAI 评分4848 Hugging Face transformers 集成 timm：任意 timm 模型都能用 pipeline、量化和微调
Hugging Face 通过新增 TimmWrapper 将 timm 库的计算机视觉模型接入 transformers 生态，让任意 timm 模型可用 pipeline API 推理并兼容 Auto 类。
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，覆盖常见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。
Hugging Face Blog精选AI 评分7070 Diffusers 支持 Stable Diffusion 3.5 Large：含 8B 模型与量化、LoRA 训练
Stable Diffusion 3.5 Large 已在 Hugging Face Hub 发布并接入 Diffusers，包含 8B 模型和 8B timestep-distilled 少步推理版本，蒸馏版通常 4-8 步即可出图。
推荐理由：原文给出 SD3.5 在 Diffusers 中的量化推理与 LoRA 微调完整调用路径，可直接对照迁移。
Hugging Face BlogAI 评分4444 用 Quanto 和 Diffusers 打造显存高效的 Diffusion Transformer
Hugging Face 展示了如何借助 Diffusers 中的 Quanto 量化工具降低 Transformer 扩散管线显存占用：SD3 以 FP16 推理需 18.765 GB 显存，将文本编码器与扩散骨干量化到 FP8 后，批次 1 下显存从 12.086 GB 降至 5.363 GB。Quanto 是构建在 PyTorch 上的量化工具包，属于 HF Mirror Optimum。
Hugging Face Blog精选AI 评分6767 Diffusers 支持 Stable Diffusion 3 Medium，含内存与性能优化
Stability AI 发布 Stable Diffusion 3 Medium，参数量 2B，现已在 Hugging Face Hub 上线并可配合 🧨 Diffusers 使用。
推荐理由：SD3 Medium 在 Diffusers 中集成的完整说明，含内存优化与 LoRA 微调脚本，适合评估其部署可行性。
Hugging Face BlogAI 评分4040 Artificial Analysis 发布文生图排行榜与竞技场，用4.5万人类偏好投票给图像模型排名
Artificial Analysis 推出文生图排行榜与 Image Arena，基于超 45,000 条人类图像偏好投票、以类似 Chatbot Arena 的 ELO 回归为各模型打分，每个模型生成超 700 张覆盖人像、动物、自然、艺术等类别的图像。
Hugging Face BlogAI 评分3232 Hugging Face 详解 AI 水印：工具、技术与局限性
Hugging Face 发布 AI 水印入门指南，介绍在生成时嵌入和生成后添加两类水印方法，前者需访问模型但更稳健，后者可用于闭源模型。文中还介绍了 Glaze、Photoguard、Nightshade、Fawkes 等图像防护与投毒工具，以及按 C2PA 标准嵌入元数据的 Truepic。
Hugging Face Blog精选AI 评分6060 Segmind 发布 SegMoE 扩散专家混合框架
Segmind 发布 SegMoE 框架，可从零构建混合专家（MoE）扩散模型，并已集成 diffusers，同时开源 SegMoE-4x2、SegMoE-2x1 和 SegMoE-SD4x2 三个模型及建模代码（Apache 2.0）。
推荐理由：原文给出了从配置到生产的完整流程和显存占用数据，读者可以据此判断是否用 MoE 方式拼装扩散模型。
Hugging Face BlogAI 评分3434 用 ONNX Runtime 和 Olive 加速 SD Turbo 与 SDXL Turbo 推理
Hugging Face 博客介绍用 ONNX Runtime 的 CUDA 与 TensorRT 执行提供程序加速 SD Turbo 和 SDXL Turbo 在 NVIDIA GPU 上的推理，在全部测试的（批量大小、步数）组合中吞吐量均超过 PyTorch，SDXL Turbo 提升最高达 229%，SD Turbo 达 120%。
Hugging Face Blog精选AI 评分6262 如何在 HF Mirror Spaces 上用 Gradio 免费运行 ComfyUI 工作流
Hugging Face 博客发布教程，介绍如何借助 ComfyUI-to-Python-Extension 将 ComfyUI 工作流导出为纯 Python 脚本，改写为 Gradio 应用后部署到 HF Mirror Spaces 的 ZeroGPU 上免费运行。
推荐理由：教程给出把 ComfyUI 工作流转成 Gradio 应用并部署到 ZeroGPU 的完整步骤，包含模型映射与预加载等工程细节，可复用性强。
Hugging Face BlogAI 评分5858 Hugging Face 发布 aMUSEd：高效非扩散文生图模型
Hugging Face 发布 aMUSEd，一个非扩散的文生图模型，是 Google MUSE 的开源复现版，采用 Masked Image Model 方法，推理步数更少，模型约 800M 参数。它已集成进 diffusers，发布了研究预览版并采用 OpenRAIL 许可，官方称生成质量并非最佳，同时提供训练和微调代码。