Google Research 发布 Diffusion Controller 框架，简化 AI 图像生成
Google Research 发布了 Diffusion Controller 框架，该框架通过数学控制与图像生成模型的结合，简化了 AI 图像生成过程，提高了图像生成质量并满足用户需求。
推荐理由：Diffusion Controller 框架通过数学控制与图像生成模型的结合，为图像生成过程提供了统一的控制方法，有助于提高图像生成质量并满足用户需求。
图像生成
全部主题AI 画图的最前线：文生图模型迭代、图像编辑能力与创作工具生态的全部动态。
最新精选
第 1–12 条 · 共 12 条Google Research精选AI 评分8585
Google Research精选AI 评分8585 Google Research 推进 AMIE 向专家级视听临床咨询发展
Google Research 推出的 AMIE (Video) 在真实视频临床咨询中展现出专家级表现，通过多代理架构和视听感知，实现了对非言语临床线索的感知、虚拟体格检查的引导和实时诊断推理。
推荐理由：AMIE (Video) 在真实视频临床咨询中展现出专家级表现，为医疗AI向视听临床AI的转变提供了重要里程碑。
Google Research精选AI 评分7070 揭秘扩散模型创造力之谜
Google Research 发布论文，深入探讨了扩散模型创造力的来源，揭示了神经网络训练过程中的数学原理，并展示了如何通过调整训练过程来提高模型的创造力。
推荐理由：原文深入探讨了扩散模型创造力的来源，揭示了神经网络训练过程中的数学原理，对理解扩散模型的工作机制具有重要意义。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Nano Banana 2 (Gemini 3.1 Flash Image)
Google DeepMind 发布最新图像生成模型 Nano Banana 2（即 Gemini 3.1 Flash Image），旨在以 Flash 速度提供接近 Pro 级别的智能与视觉质量。
推荐理由：原文说明了新模型在保持 Flash 速度的同时引入了 Pro 级的世界知识与主体一致性，并给出了在各产品线的具体开放入口。
Hugging Face Blog精选AI 评分8585 视觉语言模型（VLM）2025年最新进展
本文全面概述了视觉语言模型（VLM）的最新进展，包括新模型趋势、推理模型、小型模型、混合专家解码器、视觉语言动作模型、专用能力、多模态安全模型、多模态RAG、多模态智能体、视频语言模型、新的对齐技术和新的基准，为读者提供了深入了解VLM领域的窗口。
推荐理由：本文全面概述了视觉语言模型（VLM）的最新进展，包括新模型趋势、推理模型、小型模型、混合专家解码器、视觉语言动作模型、专用能力、多模态安全模型、多模态RAG、多模态智能体、视频语言模型、新的对齐技术和新的基准，为读者提供了深入了解VLM领域的窗口。
Hugging Face Blog精选AI 评分8585 Google 发布 SigLIP 2 多语言视觉语言编码器
Google 发布了 SigLIP 2，这是一种改进的多语言视觉语言编码器，具有更好的语义理解、定位和密集特征。SigLIP 2 模型在所有模型规模的核心能力方面优于旧的 SigLIP 模型，包括零样本分类、图像-文本检索和提取视觉表示时的迁移性能。
推荐理由：SigLIP 2 模型在多语言视觉语言编码方面取得了显著进步，读者可以了解其新功能和性能提升。
Hugging Face Blog精选AI 评分6565 AI艺术工具新闻简报 - 第1期
Hugging Face发布了AI艺术工具新闻简报第1期，回顾了2024年AI在艺术领域的里程碑和突破，并展望了2025年的发展趋势，包括开源模型、图像生成、视频生成、音频生成和文本生成等领域的进展。
推荐理由：本文回顾了2024年AI在艺术领域的里程碑和突破，并展望了2025年的发展趋势，读者可以了解AI艺术领域的最新动态和未来方向。
Hugging Face Blog精选AI 评分6060 在免费 Google Colab 上运行 IF 模型：开源图像生成工具教程
Hugging Face 博客介绍了如何使用开源模型 IF 在免费 Google Colab 上运行，并展示了其在图像生成方面的能力，包括图像变体和图像修复。
推荐理由：介绍了如何使用开源模型 IF 在免费 Google Colab 上运行，并展示了其在图像生成方面的能力。
Hugging Face Blog精选AI 评分7070 VQ-Diffusion：一种基于离散潜在空间的图像生成模型
VQ-Diffusion 是由中国科学院大学和微软共同开发的一种条件潜在扩散模型，它使用离散潜在空间进行噪声和去噪过程，为图像生成领域带来了新的研究方向。
推荐理由：VQ-Diffusion 是一种新颖的图像生成模型，其独特的离散潜在空间处理方式为图像生成领域带来了新的研究方向。
OpenAI News精选AI 评分6565 OpenAI 宣布 DALL·E 取消等待名单并向新用户开放
OpenAI 宣布 DALL·E 现已取消等待名单，新用户可直接开始创建图像。官方指出，部署过程中积累的经验以及安全系统的改进使得更广泛的可用性成为可能。
推荐理由：官方宣布取消排队机制并开放新用户直接使用，结合安全系统改进说明了扩大可用性的背景。
OpenAI News精选AI 评分7878 OpenAI 向百万用户开放 DALL·E 2
OpenAI 宣布将 DALL·E 2 的访问权限扩展至一百万人，并计划在未来几周内逐步增加名额。新加入的用户每月可获得 100 个免费积分用于生成图像，超出部分需付费购买额外积分。由于需求巨大，目前仍有数百万人在等待列表中，系统将根据申请顺序陆续发放邀请。
推荐理由：官方宣布 DALL·E 2 向百万用户开放，提供了具体的使用额度与等待队列机制，有助于了解早期商业化落地细节。
Hugging Face Blog精选AI 评分6565 Hugging Face 详解扩散模型原理及 PyTorch 实现
Hugging Face 博客深入解析去噪扩散概率模型（DDPM）的原理，并基于 Phil Wang 的实现提供分步 PyTorch 代码教程。文章涵盖前向加噪、反向去噪过程、U-Net 架构细节及训练采样流程，最后列举了 DALL-E 2 等后续改进工作。
推荐理由：文章逐步拆解了 DDPM 的数学原理与 PyTorch 实现，提供了从噪声调度到 U-Net 构建的完整代码示例。