Black Forest Labs 發佈 Flux 3 Image,稱多步編輯不會改動圖像其他部分
Black Forest Labs 發佈 Flux 3 Image,作為 Flux 3 模型家族的圖像版本,並稱其多步編輯不會改動圖像其他部分。模型支援文字生成圖像、圖生圖、文字渲染和寫實圖像生成,亦可用邊界框組合場景、加入最多 10 張參考圖,並輸出最高 4K 圖像。
Black Forest Labs 發佈 Flux 3 Image,作為 Flux 3 模型家族的圖像版本,並稱其多步編輯不會改動圖像其他部分。模型支援文字生成圖像、圖生圖、文字渲染和寫實圖像生成,亦可用邊界框組合場景、加入最多 10 張參考圖,並輸出最高 4K 圖像。
DEPICT 提出免訓練評分指標,以圖像答案與僅根據描述文字得出的答案之預期一致性,取代固定參考答案,並按描述文字對問題的判定程度加權。此方法將否定句準確率由 19% 提升至 88%。在五個基準、三個模型系列的十一個骨幹模型上,DEPICT 超越所有免訓練指標,並在三個人類相關性基準中的兩個超越微調評估器。
研究提出一套結合偏好獎勵與評分規準獎勵的後訓練方法,用於開放領域文生圖模型,並以獎勵組合策略平衡偏好最佳化與規準滿足。在 Arena 文生圖排行榜上,經強化學習訓練的 Flux2dev 比基礎模型高 69 Elo 分,後訓練的 Ideogram-4 則以 1223.5 Elo 超越排行榜上的所有開源模型。研究亦釋出 Arena-T2I-Training,包含 1K 筆訓練資料子集。
TerraVis 提出一套評估文生圖生成影像世界一致性的框架,透過多階段流程辨識物件、互動及場景層面的違規情況。框架涵蓋 18 種違規類型,並將嚴重程度分為輕微或重大;在兩個常用基準上,TerraVis 與人類世界一致性評分的相關性高於現有指標。研究亦顯示,模型即使在傳統指標上表現出色,仍可能出現明顯的世界一致性問題。
OpenAI 全球推出 ChatGPT 虛擬試穿及商品收藏兩項購物功能,用户可上傳自拍、全身照或商品圖片,預覽衣物與配飾穿上身的效果。虛擬試穿入口會出現在購物結果中的 Try On 按鈕;Favorites 可把商品保存至應用程式 Library 以便稍後查看。OpenAI 表示,這些功能使用新推出的 ChatGPT Images 2.5。
Ideogram 現已推出 Ideogram 4.5 圖像模型,並稱模型只會編輯用户指定的圖像區域,保留其餘畫面不變。GPT-Image 2.5 和 Nano Banana 雖已改善局部編輯,但多次編輯時仍可能產生瑕疵。
Figma 展示以 Figma Weave 將虛構博物館 MOSF 的設計系統轉化為 Tomorrow Rehearsed 展覽宣傳素材的工作流程。設計師把 Figma Design 的版式、色彩和字體參考帶入 Weave,透過 Image Describer node 與 Gen Effect node 建立一致的宣傳視覺,再製作海報、廣告牌及社交媒體貼文。
Comfy 推出 Comfy Agent,現已向所有 Comfy Cloud 用戶開放,可在畫布上建立、執行及迭代工作流。它可規劃及評估技巧、修復錯誤和尋找素材,並支援最多 5 個並行對話。Comfy Agent 將於數週後加入 Comfy Desktop;目前仍處於 beta,可免費試用並使用現有 Comfy Credits。
論文提出 DMAD,以判別器分類方式進行分佈匹配蒸餾,直接學習對數密度比,省去輔助分數擬合。在 ImageNet-64x64 上,DMAD 一步生成的 FID 為 1.04;四步 SDXL 在 COCO-10K 的 FID 為 14.47,四步 Wan2.1-T2V-14B 的 VBench 總分為 85.15,均為文中比較的少步方法及多步教師模型中的最佳成績。
VIEScore2 是用於圖像生成與編輯任務的統一評估器,可選擇使用條件圖像;它以單一模型推理同步預測品質評分及缺陷位置。在主要測試套件中,VIEScore2 的整體評分 SRCC 為 0.601,高於 Gemini-3-Flash 的 0.491;缺陷定位則在六個基準中的三個勝過通用視覺語言模型及專用空間評估器,並在五個基準排名前三。
Runway 宣佈推出 Runway Ads,這款新產品可端到端處理付費廣告素材的生成、發布和優化。連接廣告帳戶和品牌套件後,Runway Ads 會生成影片及圖片廣告,把經批准的版本發布至 Meta、Google 和 TikTok,再根據平台成效生成下一輪;人手審批預設開啟,並支援素材本地化和尺寸調整。
Comfy API 正式向所有付費 Comfy 方案用戶開放,讓他們把 ComfyUI 工作流部署為可自動擴縮的 API 端點。Builder 會識別工作流所需的模型和自訂節點,Build 則會封裝 ComfyUI 版本、模型、自訂節點及 Python 相依項目。不可變版本部署後,環境會與測試時一致;更新 Build 並推出新版本,也不會更改現有線上版本。
2026年國慶檔缺少頭部大片,12部中小體量類型片將檢驗腰部供給能否支撐市場。2025年中國電影海外票房突破10億元,但《哪吒之魔童鬧海》貢獻逾80%;2026年截至8月下旬,海外累計收入4.5億元。AI亦正進入電影製作,虛擬製作流程的行業滲透率由2023年的15%升至2025年的約45%。
SoftPaint 是一種零樣本擴散取樣方法,利用軟遮罩按像素調節編輯強度,令內容可由完整保留至遮罩區域完全重新生成。方法採用基於 Langevin 迭代的取樣器,遵循每個像素的軟遮罩強度,適用於圖像及影片擴散模型。它毋須梯度、節省記憶體,並可在多種圖像及影片骨幹模型上實現平滑的像素級編輯。
SAGE 利用視覺基礎表示發現目標數據集中的顯著因素,並根據參考圖像的顯著表示引導生成新例子。在 Digits-ImageNet 和 FFHQ 眼鏡數據集上,SAGE 的重建 rFID 低於 2,並能在沒有子類別標籤的情況下發現子類別;Digits-ImageNet 的探測準確率達 0.950,優於基線的最高 0.281。
ReGain 提出一種免訓練的取樣時校正方法,修復以合成圖像進行個性化時主體保真度下降的問題。該方法按頻段測量相對於基礎模型的引導膨脹程度並相應縮減,在 Stable Diffusion v1.5 上彌合了與使用真實照片個性化模型之間 51-64% 的主體保真度差距。ReGain 亦提升 SDXL 和 SD 3.5 的主體保真度,並在三種模型架構上保留文字對齊能力。
InstantFusion 將不同擴散模型的潛在表示映射至共享潛在空間,讓去噪軌跡得以對齊和組合。其 LAE 支援在去噪途中切換模型,應用包括不同步數預算間的加速、組合不同偏好的模型,以及跨模型 OPD。專案提供 LAE、OPD 訓練及基於 LAE 的模型交接推理;已訓練檢查點可在 Hugging Face 取得。
研究團隊構建 VIGOR-his 數據集,並提出 CrossTimeEdit,以獎勵引導編輯生成歷史街景。數據集涵蓋三大洲 11 個城市的 43,653 個位置級四元組;CrossTimeEdit 在三項編輯準則上的整體表現較預訓練基線提升 17.12%。程式碼、數據集及模型權重均已提供。
AFP-GIC 提出按圖像內容引導編碼與重建的自適應融合先驗遷移流程,用於可控生成式圖像壓縮,無須傳送先驗本身。單一可部署的預訓練模型支援五個碼率操作點。在 NVIDIA RTX 4090 上以 256×256 圖像區塊測試,解碼延遲較 DC-VIC 低 18.1%(80.47 ms 對 98.27 ms),推理參數少 20.5%。
GeoSET 提出一種面向 SAR-to-EO 影像轉換的通用模型,以單一預訓練母模型適配不同下游數據集。研究整理超過 300 萬組 SAR-EO 影像配對,涵蓋逾 1,000 萬筆 SAR 觀測;在六項下游基準測試中,GeoSET 以全量微調或 LoRA 達到 FID 和 DISTS 的最先進結果。 LoRA 每個數據集約需一小時,只更新生成器 0.60% 的參數。
Midjourney 在 alpha.midjourney.com 的介面中測試快速模型,並更新風格預覽、edit model 編輯及 V8.1/8.2 的 `--tile` 效果。
Midjourney 為 alpha.midjourney.com 推出多項功能更新,並在 midjourney.com 向所有用戶開放韓文版。更新包括樣式側欄即時預覽提示詞套用不同樣式的效果、將提示列設定存為預設值,以及把創作動態牆改為全闊瀑布流,提示詞和按鈕則改在滑鼠懸停時顯示;搜尋封存及專案管理亦有調整。編輯器新增對 v8.1 和 v8.2 編輯類型的支援,編輯畫布亦可使用 HD。
Runway 推出 DaVinci Resolve 插件,讓用戶可在 DaVinci Resolve Studio 內生成圖像和影片、重新風格化現有片段,並直接匯入 Media Pool 和時間軸。
Comfy 在 Comfy Developer Platform 上推出 Comfy Router,讓開發者透過單一 API 接入圖像、影片、3D 和音訊模型,並為每項任務選擇供應商。
Alibaba 的 Qwen 團隊於9月20日以開放權重形式發佈 Qwen-Image-2.1,整合文字生成圖片與圖片編輯,並支援透明背景及最多10張參考圖片。
ComfyUI 已原生支援 Qwen-Image-2.1,這款 7B 開放權重圖像模型支援生成與編輯,並可輸出含 alpha 通道的 RGBA 圖像。模型可直接生成 2048×2048 圖像,並可輸入最多 10 張參考圖。用戶可從 ComfyUI 的 Templates 面板載入對應範本,或在 Comfy Cloud 試用。
inclusionAI 發佈 Ming-Image-0.1-Design,這款 6B 文生圖模型面向 UI、資訊圖表、海報等文字密集的視覺設計。模型可生成完整視覺構圖並支援透明背景 RGBA 輸出,建議解像度為 2048 x 2048,或採用 1024 x 1024 加快生成。建議採樣步數為 12,驗證配置為一張配備 80 GiB VRAM 的 CUDA GPU,授權為 MIT License。
Midjourney 更新 Alpha 網站,改善 v8.2 編輯器、手機和平板版面、提示詞欄及圖片整理功能。v8.2 編輯器在附加圖片時會詢問用戶想修改甚麼,草稿批次可在網格中預覽來源圖片並使用 Enhance;手機和平板版亦改善版面及上載刪除操作。團隊下一步計劃設定預設參數、以提示詞預覽 sref,並在用戶開啟圖片再返回時保留搜尋內容。
Figma Weave 開放付費方案用戶將自製工具發布至 Figma Community,並介紹 5 款社羣工具。這些工具涵蓋室內設計渲染、建築模型生成、圖片延展至不同比例、建築概念草圖及美甲預覽。擁有完整 Figma 席位的用戶可在 Figma Design 執行 Weave 工具;正式全面推出後,使用工具會消耗 Figma AI credits。
Pydantic AI 現已支援透過專用圖像生成模型生成圖像,既可直接呼叫 ImageGenerator API,也可讓 Agent 透過 ImageGeneration 能力決定生成時機。
香港人工智能專業協會代表出席黃大仙區「AI 防騙分享會」,講解換臉、扮聲及虛假訊息等詐騙手法,並即場示範以相片生成旅遊照片。分享會提出三項自保做法:有懷疑先掛斷並自行回撥已知號碼、追問只有真人才知道的事,以及透過視像通話要求對方即時做指定動作。
HKU、LIGHTSPEED STUDIOS 與 Tencent WeTech Academy 完成第三屆「AI Adventures: When AI Meets Games with Tencent」,為來自不同地區的中學生舉辦為期五日的人工智能與遊戲開發沉浸式學習活動。課程涵蓋 AI 圖像生成、3D 建模、動畫、智能體設計及數據挖掘,AI 內容創作平台亦融入更多中國傳統文化元素。
OpenAI 於 2026 年 9 月 8 日發佈圖像生成及編輯模型 ChatGPT Images 2.5,生成等待時間較 Images 2.0 最多縮短 50%。
推薦理由:相較 Images 2.0,生成等待時間最多縮短 50%,並加入直接評論與 Sketch 等操作;API 兩款模型亦呈現速度和編輯精度的取捨。
Runway 推出 Runway Plugins,讓用戶可在 Premiere Pro 和 After Effects 內生成、編輯及放大內容,並直接把結果放回時間軸。Edit Studio 可對現有片段的錨點影格進行風格轉換,再由 Aleph 2 以來源片段相同時長重新渲染;插件可在 macOS 和 Windows 免費下載,生成需使用付費方案額度。
OpenAI 推出 ChatGPT Images 2.5,可把使用者的想法、草圖和參考相片轉化為更個人化、精緻,且更能反映其構想的圖像。
Midjourney 正徵集意見和建議,以瞭解接下來應優先處理及推進哪些工作。平台表示,將於未來一至兩週舉行正式投票。
Midjourney Alpha 加入 v8.2 編輯模型,並在 lightbox 內置新編輯器。用戶可在 lightbox 開啟圖片,以文字指令編輯、附加最多 4 張參考圖片,並集中查看同一工作階段的所有編輯。更新亦修正多項錯誤,並開始測試 lightbox 的 Change Style 功能。
Google 於2026年9月1日開始逐步向 Google Workspace 部分方案及個人付費 Google AI Pro/Ultra 訂戶提供 AI 圖像創作與編輯工具 Google Pics。
Intern Lumina U2 推理代碼已公開,Ascend 訓練權重已上架 Hugging Face;NVIDIA 權重、訓練代碼與技術報告將後續推出。模型為 16B-A1B MoE,採用基於 AToken 的 8-codebook 視覺表示,支援文字問答、文生圖、圖像編輯及圖像、影片和 3D 理解。
Gamma 在 8 月 28 日更新中推出 iOS 和 Android 原生 App,並擴展 Slack 整合與 API 能力。用戶可在 Slack 透過提示詞或目前討論串建立簡報、文件、網頁和圖片;API 則新增參與度分析及留言回傳、多頁 Gamma 建立和匯出能力。