OpenAI a publié ChatGPT Images 2.5, un nouveau modèle d'image à la pointe de l'état de l'art qui offre des détails plus nets, des capacités d'édition plus précises et une génération jusqu'à 50 % plus rapide par rapport à la version précédente.
En collaboration avec la réalisatrice Liz Garbus et Primordial Soup, Google DeepMind a utilisé des modèles d'IA générative pour reconstruire une rencontre non photographiée entre Burt et Ethelle Shatz pour le court-métrage documentaire "Love, Rendered". Le projet aborde le déclin cognitif en recréant un souvenir spécifique qui n'existait que dans l'esprit du couple.
Google déploie Google Pics, un outil de création et d'édition d'images basé sur le modèle Nano Banana, auprès de tous les abonnés Google AI Pro et Ultra, ainsi que de la plupart des clients professionnels Workspace au cours des prochaines semaines.
Les chercheurs proposent AutoRef, une méthode qui optimise automatiquement le harnais d'exécution pour la génération d'images multi-références par agents, tout en maintenant les modèles sous-jacents figés. Un agent de codage réécrit itérativement le code du harnais pour relever des défis tels que l'omission de sujets et des compositions antinaturelles.
Hung Tran, étudiant en master à l'Université des technologies de l'information (VNU-HCM), a publié le code et les données de son article « The Clipping Trap: A Silent Failure Mode in Overfitted Neural Image Codecs. » Ce travail met en évidence comment les codecs surajustés tels que Cool-chic et C3 peuvent produire des images à couleurs uniformes avec des gradients de distorsion nuls pour certains types de contenu.
Cette mise à jour couvre plusieurs développements dans le paysage de l'IA, y compris Meta ouvrant sa plateforme Muse aux développeurs tiers, lançant une nouvelle version de son modèle de segmentation et un incident de sécurité impliquant Gemini de Google.
L'équipe Qwen d'Alibaba a publié Qwen-Image-2.1, un modèle unifié de génération d'images à partir de texte et d'édition d'images qui consolide les précédents points de contrôle séparés en un seul transformateur de diffusion de 7B paramètres.
Qwen a publié Qwen-Image-2.1, un modèle unifié conçu à la fois pour la génération et l'édition d'images.
Badaramoni a publié un nouvel adaptateur pour le modèle Krea-2-Turbo qui combine des packs de réalisme publics de différents formats en un seul fichier. La publication traite la limitation où les outils de fusion standard échouent à combiner les adaptateurs LoRA et LoKR classiques car ils ne partagent pas le même format de bas rang.
Diffusers-workflow est un moteur déclaratif construit au-dessus de Hugging Face Diffusers qui permet aux agents de grands modèles linguistiques d'auteur, valider, exécuter et inspecter des pipelines d'images ou de vidéos à l'aide de documents JSON plutôt que de scripts Python. Il expose un serveur MCP avec environ 50 outils comme interface principale, permettant un contrôle non supervisé par les agents sur les ressources GPU.
Gradio a publié Workflow1111, un projet qui reconstruit la plupart des fonctionnalités de stable-diffusion-webui d'AUTOMATIC1111 en utilisant le framework gr.Workflow. L'application se compose d'un seul canevas contenant onze pipelines multimédias construits à partir de soixante-treize nœuds, couvrant la génération d'images à partir de texte, la vidéo à partir d'images et diverses tâches de prétraitement.
Un utilisateur a publié du code et des poids pour exécuter localement le modèle Cosmos3 de NVIDIA avec 64 milliards de paramètres en utilisant la quantification INT4. L'implémentation prend en charge les tâches Texte-vers-Image et Image-vers-Vidéo sur Apple Silicon via MLX, ainsi que CUDA.
OpenAI a lancé ChatGPT Images 2.5, une mise à jour de ses modèles de génération d'images qui améliore la capacité de suivre les instructions sur plusieurs tours et augmente la vitesse de réponse. La nouvelle version est également meilleure pour préserver les sujets des photos de référence fournies par les utilisateurs.
Un ingénieur a open-sourcé une reproduction du projet viral de Surya Narreddi, qui entraîne un modèle de codage à peindre des aquarelles en utilisant JavaScript et l'apprentissage par renforcement. L'implémentation utilise la bibliothèque TRL et OpenEnv pour créer un pipeline de bout en bout sur Hugging Face pour l'entraînement, l'évaluation et l'inférence.