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.
Des chercheurs de Nvidia ont présenté FusionRelight, une méthode de re-éclairage de portraits qui combine un transfert d'illumination physiquement plausible avec la préservation de l'identité et une inférence compacte en temps réel. L'approche utilise la Fusion Hybride de Connaissances de Domaine (HDKF), un cadre d'entraînement qui distille les a priori de physique, de réflectance et de réalisme à partir de données synthétiques, One-Light-at-a-Time (OLAT) et in-the-wild dans un modèle étudiant.
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.
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.
Google a publié un rapport technique sur DiffusionGemma, disponible sur arXiv. Le document détaille l'architecture et les capacités du modèle dans le cadre de la famille Gemma.
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.
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 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.
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.