跳到正文
#图像生成
4月29日周三
  1. IT之家·人工智能50

    Adobe Photoshop 引入 AI 3D 旋转对象功能，光影可自动匹配

    Adobe于4月29日更新了Photoshop和Lightroom。Photoshop引入了全新的AI“旋转对象”工具，用户可在3D空间中实时旋转、倾斜和翻转素材，点击“协调”按钮可自动调整光照和阴影以匹配背景。同时，Photoshop还推出了“图层清理”工具，能智能清理、组织并自动重命名图层，移除空图层。Lightroom的搜索功能现支持自然语言描述查找照片，新增多款胶片风格预设，且辅助筛选速度更快，交互式滑块性能提升最高达5倍。

  2. IT之家·人工智能42

    消息称苹果 iOS 27 将扩展 AI 修图功能，新增 3 项编辑功能

    据彭博社爆料，苹果计划在WWDC26上为iOS 27系统引入三项AI照片编辑功能。新版照片应用将新增“Apple Intelligence Tools”菜单，其核心是“Extend”功能，可生成并自动填补原始画幅之外的图像内容。另外两项工具分别是用于自动优化图像光线与色彩的“Enhance”，以及支持在后期自由改变空间照片观看视角的“Reframe”。不过，内部测试显示“Extend”和“Reframe”目前运行不稳定，苹果正评估模型优化进度，这些功能可能面临推迟或缩减。

4月28日周二
  1. Greg Brockman49

    AI图像生成技术，特别是先进的2.0图像模型，正深刻改变产品开发流程。该技术能精准生成屏幕界面和视觉概念稿，使得数字表面的呈现效果非常“到位”。在内部协作中，大量产品创意开始通过图像生成来分享和具象化，而非依赖传统的原型制作。将此项能力整合进Codex后，Codex能扮演全栈设计工程师的角色，构建出精美的界面。这标志着产品构思与沟通方式向更快速、更视觉化的方向演进。

    引用Rohan Varma@TheRohanVarma

    Our 2.0 image model is so good at making screens and vision mocks. Something about AI generated images of digital surfaces feels very “right” to me. Internally, I’ve started seeing tons of product ideas shared and brought to life via image generation rather than prototyping — pretty cool! Using it in Codex makes Codex a full stack design engineer that can build beautiful interfaces. Would love to hear what creative ways y’all are leveraging it for engineering 👀 (This image was one-shot generated with “Make a screen in the Codex App on a Mac desktop that is an AI code review view for PRs.”)

  2. SenseTime59

    SenseNova宣布开源其U1 Lite系列模型。该系列基于NEO-unify架构，原生统一了多模态理解与生成能力。其核心优势包括：在开源模型中具备领先的效率，紧凑的8B和A3B模型在保持商业级性能的同时实现了优异的成本效益；支持原生的图像-文本交织生成，单一模型即可在单次流程中生成连贯交织的图文内容，适用于制作指南等实用场景；并拥有高密度信息渲染能力，擅长为知识图解、海报、PPT、漫画等信息密集型格式生成结构丰富的版式。模型已在Hugging Face、GitHub等平台发布。

  5. IT之家·人工智能49

    AI 算法可消除大气畸变，地面望远镜图像清晰度堪比太空拍摄

    加州大学圣克鲁兹分校研究团队开发出一款名为Neo的人工智能算法，可有效消除地面望远镜因大气湍流导致的图像畸变。该算法基于条件生成对抗网络，通过训练使地面观测图像的清晰度提升至太空望远镜水准，天体形态参数测量准确度提高2至10倍。目前该技术已应用于智利薇拉・C・鲁宾天文台，该台配备8.4米口径反射镜，造价约8亿美元。此前类似AI算法已将詹姆斯・韦布空间望远镜的数据分析时间从数年缩短至数日，助力多项天文发现。

  6. Apple Machine Learning Research49

    条件扩散模型中组合泛化的局部机制

    条件扩散模型展现出组合泛化能力，能生成超出训练分布的条件组合样本，但其机制尚不明确。研究聚焦于长度泛化，即生成比训练所见更多数量物体的图像。在受控的CLEVR场景中发现，模型仅在某些情况下能实现长度泛化，表明其并非总能掌握底层组合结构。通过分析扩散过程的局部动态，研究揭示了泛化成功与失败案例中条件交互模式的系统性差异，为理解生成式模型的组合推理边界提供了新视角。

  8. Midjourney：Updates50

    High-res rating

    Midjourney团队正为v8.1/8.2版本筹备重大美学更新，并公开征集用户协助进行图像排序以改进模型。此次工作的核心在于，团队将首次在完整的2K分辨率下进行图像排序活动，旨在为模型获取最优的高清像素数据，以提升图像生成质量。

  10. Greg Brockman56

    GPT Image 2 用于了解一切 [引用 @Preda2005]：GPT 2 完全疯了… 🙀⚡️ 我要来一个史前掠食者 它围绕它建造了整个博物馆。 这不仅仅是一张图片。 感觉就像在发现历史。🤯 提示词掉落 ⤵️

    引用Marcio Lima 利真 マルシオ 💎@Preda2005

    GPT 2 is totally insane… 🙀⚡️ I asked for a prehistoric predator and it built an entire museum around it. This is not just an image. It feels like discovering history.🤯 Prompt Drop ⤵️

4月27日周一
  1. IT之家·人工智能43

    脉脉 CEO 林凡谈 ChatGPT Images2.0：感觉整个互联网内容信任崩塌了，但实名社交迎来黎明

    脉脉CEO林凡针对ChatGPT Images 2.0生图工具发表看法，认为该技术可能导致互联网内容信任崩塌，但实名社交将迎来发展机遇。该工具于4月21日发布，基于GPT Image 2模型，核心升级是引入“思考能力”。用户仅需简单提示词即可生成高度逼真的宣传图像，文字和人物元素极少出现传统AI生图的穿帮痕迹，引发了广泛讨论。

  2. Rohan Paul71

    用户@doodlestein使用ChatGPT Images 2.0，以蒙娜丽莎为主题创建关于线性变换和谱定理的数学解释信息图。尽管使用了相同的详细提示词，模型在四次生成尝试中产出了布局、矩阵示例和解释结构明显不同的结果。虽然核心概念保持一致，但每次生成在特征向量和变换的可视化呈现方式上各有独特之处。这证实了即使输入不变，模型的输出也存在显著变化。因此，对于重要内容，建议进行多次生成以获取不同的视觉方案和创意角度。

    引用Jeffrey Emanuel@doodlestein

    我很好奇，在给出同样详细的提示来制作数学讲解信息图时，新的 ChatGPT 图像模型在输出上会有多大差异。 结果：差异相当大！如果这对你很重要，不妨多生成几次，即使第一次看起来很棒。

    推荐理由：ChatGPT Images 2.0的输出变异性比想象中大，做内容或设计的人别只看第一张就满意，多生成几次可能有意想不到的好结果。

  3. IT之家·人工智能44

    印度医学生用 AI 生成“MAGA 女孩”诈骗美国男性，月入数千美元

    一名印度医学生利用谷歌Gemini生成名为Emily Hart的AI虚拟形象，针对美国保守派男性群体运营社交媒体账号。该角色以护士身份发布亲基督教、反移民等MAGA倾向内容，单条短视频播放量高达数百万，一个月内粉丝破万。通过销售订阅内容及主题T恤，其月收入达数千美元。此类政见导向的AI虚拟账号正大量涌现，而平台对AI内容标识监管松散。该账号已于今年2月因“欺诈行为”被Instagram封禁。

  5. IT之家·人工智能48

    世界模型首次搬进手机：蚂蚁灵光 App 今日上线「体验世界模型 」功能

    蚂蚁集团全模态AI助手灵光App今日正式上线“体验世界模型”功能，首次将世界模型应用于手机端。用户上传一张图片，即可在几秒钟内生成对应的3D世界，并能通过摇杆控制以第一人称视角自由漫步探索，体验类似游戏。该功能基于蚂蚁灵波LingBot-World-Fast世界模型，该模型已对外开源。

4月26日周日
  1. Rohan Paul41

    Medeo AI推出集成式创意工具，将GPT Image 2.0的高质量图像生成与Seedance 2.0的电影级视频生成结合在同一工作流中。该方案允许用户无需切换工具即可完成从静态图像到动态视频的创作，并支持提示词复用，实现资产无缝衔接。目前正限时免费提供GPT Image 2.0的访问权限，旨在通过整合多款顶尖AI模型提升全流程创作效率。

    引用Medeo_AI@Medeo_AI

    Everyone's talking about GPT Image 2.0💥 Looking for perfect quality photos? GPT Image 2.0 does exactly this What about cinematic videos? This is what Seedance 2.0 is for No more tool switching. No more export cycles. All the best AI models working together for your complete creative workflow. Get a taste of Medeo Recipe with GPT Image 2 for FREE. Limited-time only!🚀

  5. Greg Brockman57

    用户展示了如何利用GPT Image 2在ChatGPT中创建关于濒危动物的视觉信息图。核心方法是输入详细提示词，指导AI生成一张以写实动物图像为中心、风格大胆的图形化信息图。提示词要求AI在线研究选定动物的栖息地、食性和独特特征，并通过标注、图表和简洁文字等结构化标注来呈现信息，避免通用章节。最终成果需具有层次化构图，混合写实与强烈的图形元素，呈现专业、密集且有触感的视觉效果。

    引用Harboris@harboriis

    GPT Image 2 on ChatGPT Prompt Create a visually rich infographic about an endangered animal. Start by finding one online, research its habitat, diet, and unique traits. Present information through annotated visuals and structured callouts, not generic sections. Style it like a bold graphic illustration: a detailed, photorealistic central animal as the focal point, supported by diagrams, callouts, and concise text elements. Use clean backgrounds and a mix of photorealism with strong graphic elements (shapes, icons, color blocking) in a layered composition. Make it dense, tactile, and professionally authored.

4月25日周六
4月24日周五
4月23日周四
  2. IT之家·人工智能52

    淘宝天猫现已正式上线售后 AI 假图识别模型，保障商家权益

    淘宝天猫正式上线售后AI假图识别模型，以应对买家利用AI生成虚假图片进行“仅退款”诈骗的问题。该模型率先向店铺评分4.8分以上的商家开放反馈入口，商家可在千牛旺旺聊天中右键点击图片，通过“反馈虚假售后凭证”一键提交。平台将利用阿里集团安全部研发的AI检测技术进行判定，该模型能识别纯AI生成图、带明水印的图片及经AI编辑的真图等多种虚假类型，判定成立后将直接影响售后判决结果，旨在保护商家权益。

  4. Artificial Analysis75

    OpenAI的GPT Image 2 (high)模型在Artificial Analysis的文生图榜单中首次亮相即位列第一，超越了Nano Banana 2、FLUX.2 [max]等竞争对手。该模型在提示遵循、照片级真实感和文本渲染方面实现了显著飞跃，尤其在处理复杂指令时优势明显。然而，在专注于单图编辑（如修改文字、增减对象）的榜单中，其表现与GPT Image 1.5大致相当，进步有限。该模型通过API调用定价为每千张图像211美元，高于谷歌Nano Banana 2的67美元，目前已通过OpenAI开发者API和ChatGPT提供。

  5. IT之家·人工智能52

    字节跳动发布 3D 生成大模型 Seed3D 2.0，在几何 / 纹理材质生成上取得 SOTA

    字节跳动发布新一代3D生成大模型Seed3D 2.0，其技术报告已公开，API同步上线火山引擎。该模型在几何与纹理材质生成两项核心指标上均取得SOTA结果。在60位专业打分员的盲评中，其在几何生成上显著优于其他主流模型，在纹理3D内容生成上的偏好率超过69%。模型采用两阶段生成策略提升几何细节，并利用统一PBR模型与MoE架构增强材质真实感。此外，它还能完成部件分割、铰接资产及多模态场景生成等任务。

  6. OpenAI：官网动态60

    ChatGPT Images 2.0 发布

    ChatGPT Images 2.0 推出了一个先进的图像生成模型，该模型在文本渲染、多语言支持和视觉推理能力方面均有显著提升。新版模型能够更精准地生成包含文字的图像，并支持多种语言文本输入。其视觉推理功能也得到增强，可更好地理解和执行复杂图像生成指令。此次升级标志着多模态AI生成质量的一次重要进步。

    推荐理由：ChatGPT Images 2.0 把文本渲染和多语言支持拉到了实用级别，对需要快速产出视觉素材的产品人是个实在的提升，只是缺乏效果对比让价值打了折扣。