xAI a rendu Imagine Image 2.0 généralement disponible via le nouveau Mode Qualité, ainsi que les applications iOS et Android. La mise à jour se concentre sur la génération et l'édition d'images précises pour les flux de travail créatifs professionnels.
Les tests initiaux du modèle DeepSeek v4 Flash indiquent des améliorations notables dans ses compétences de conception d'interface utilisateur et d'expérience utilisateur. Malgré ces améliorations, le modèle est noté comme étant gourmand en tokens.
Les chercheurs présentent Cluster-Guided Vector Quantization (CGVQ), une méthode conçue pour améliorer les performances taux-distorsion de la compression d'images basée sur des primitives gaussiennes. L'approche partitionne les paramètres de Gaussienne en groupes homogènes avant la quantification, traitant l'inefficacité causée par le stockage de grands nombres de paramètres à virgule flottante par primitive.
Kavram teste une API de génération d'images en production qui utilise un réseau GPU distribué avec division du pipeline pour permettre aux développeurs de déployer des modèles d'images ouverts sans gérer le matériel eux-mêmes.
Hugging Face Diffusers prend désormais en charge le chargement natif des points de contrôle Nunchaku Lite via `from_pretrained()`, éliminant ainsi le besoin d'un moteur d'inférence séparé ou d'une compilation CUDA locale. Cette intégration utilise la méthode SVDQuant pour exécuter les couches transformateur avec des poids et activations en 4 bits (W4A4), réduisant considérablement l'utilisation de la mémoire tout en améliorant la vitesse d'inférence.
Microsoft a publié Mage-Flow, une pile générative compacte à échelle 4B conçue pour la génération texte-vers-image efficace et l'édition d'images basée sur des instructions. Le système atteint une qualité compétitive avec les meilleurs résultats grâce à la co-conception d'un tokenizeur léger, Mage-VAE, et d'un Transformateur de Diffusion Multimodale à Résolution Native (NR-MMDiT).
NVIDIA a présenté CTRL-G (Controllable Generative Graphics for Games), un framework conçu pour relever le défi du contrôle des systèmes d'IA générative au sein d'environnements de jeux interactifs.
Google a lancé trois nouveaux modèles : Gemini 3.6 Flash pour des charges de travail d'agents polyvalentes et efficaces, 3.5 Flash-Lite pour des applications à faible latence, et un modèle 3.5 Flash spécialisé en cybersécurité intégré à CodeMender.
Un utilisateur sur le forum de discussion de Hugging Face demande à la communauté d'identifier la balise artiste spécifique utilisée pour "Figure B" dans une image de comparaison publiée par toyxyz.
NVIDIA et Hugging Face ont intégré NVIDIA NeMo Automodel à la bibliothèque 🤗 Diffusers pour fournir un entraînement distribué de qualité production pour les modèles de diffusion open-source. Cette collaboration permet aux utilisateurs de fine-tuner n'importe quel modèle au format Diffusers sur le Hub Hugging Face sans nécessiter de conversion de checkpoints ni de réécriture du code du modèle.
Un utilisateur des forums Hugging Face s'enquiert du développement potentiel d'une version ConvRot INT8 ou FP8 pour le modèle FireRed Image Edit v1.1.
Simon Willison démontre comment créer un "animal de compagnie" animé personnalisé pour l'application Codex Desktop en exploitant le modèle GPT-5.6 Sol d'OpenAI et l'API gpt-image-2.
Pour marquer son 25e anniversaire, Google lance un nouveau domicile navigable pour Google Images ainsi que de nouvelles capacités de génération d'images au sein des AI Overviews.
Les auteurs présentent CtrlVTON, un cadre qui comble le manque de contrôle utilisateur dans l'essayage virtuel en reformulant la tâche comme une édition d'image avec des masques de segmentation au niveau des pixels. Cette approche permet aux utilisateurs de spécifier la taille du vêtement, le style et le placement spatial sur le corps.
HoLo-FuSe démontre qu'un substrat byte HoLo Semantic Layer (HSL) gelé et à zéro paramètre peut efficacement conditionner un modèle de diffusion pour la génération d'images. Le projet teste si cette trame de caractéristiques déterministe 27-D peut servir de mécanisme de conditionnement pour un DDPM conditionné par classe, remplaçant les embeddings appris traditionnels.
Le développeur ZimengXiong a terminé le portage des modèles Hunyuan3D-Paint et Hunyuan3D-Shape vers Swift-MLX et Python MLX, permettant la génération locale d'images en 3D sur les appareils Apple Silicon. Le travail est distribué sous forme d'application de bureau open-source Modelr pour macOS et iOS, ainsi que du code source pour intégrer cette technologie dans des applications Swift.
Fabricio3g a publié Flaxeo Image, une interface utilisateur de bureau local construite autour de la récente version de sd.cpp. L'application vise à exposer la plupart des capacités du backend, y compris la génération, l'édition, les chemins vidéo, la gestion des modèles et les options matérielles.