OpenAI telah merilis ChatGPT Images 2.5, model gambar mutakhir baru yang menghadirkan detail lebih tajam, kemampuan pengeditan lebih presisi, serta generasi hingga 50% lebih cepat dibandingkan versi sebelumnya.
Bekerja sama dengan sutradara Liz Garbus dan Primordial Soup, Google DeepMind memanfaatkan model AI generatif untuk merekonstruksi pertemuan antara Burt dan Ethelle Shatz yang tidak difoto untuk film pendek dokumenter "Love, Rendered". Proyek ini menangani penurunan kognitif dengan menciptakan kembali memori spesifik yang hanya ada di pikiran pasangan tersebut.
Google sedang meluncurkan Google Pics, alat pembuatan dan pengeditan gambar yang dibangun di atas model Nano Banana, kepada semua pelanggan Google AI Pro dan Ultra serta sebagian besar pelanggan bisnis Workspace dalam beberapa minggu ke depan.
Peneliti mengusulkan AutoRef, sebuah metode yang secara otomatis mengoptimalkan harness eksekusi untuk generasi gambar multi-referensi berbasis agen sambil menjaga model dasar tetap beku. Agen pemrograman secara iteratif menulis ulang kode harness untuk mengatasi tantangan seperti pengabaian subjek dan komposisi yang tidak alami.
Hung Tran, seorang mahasiswa magister di Universitas Teknologi Informasi (VNU-HCM), telah menerbitkan kode dan data untuk makalahnya "The Clipping Trap: A Silent Failure Mode in Overfitted Neural Image Codecs." Karya ini menyoroti bagaimana kodek yang overfitted seperti Cool-chic dan C3 dapat menghasilkan gambar warna datar dengan gradien distorsi nol pada jenis konten tertentu.
Pembaruan ini mencakup beberapa perkembangan dalam lanskap AI, termasuk Meta membuka platform Muse-nya kepada pengembang pihak ketiga, merilis versi baru model segmentasinya, dan insiden keamanan yang melibatkan Gemini dari Google.
Tim Qwen dari Alibaba telah merilis Qwen-Image-2.1, sebuah model terpadu untuk generasi teks-ke-gambar dan pengeditan gambar yang menggabungkan checkpoint terpisah sebelumnya menjadi satu transformer difusi 7B parameter.
Qwen telah merilis Qwen-Image-2.1, sebuah model terpadu yang dirancang untuk generasi dan pengeditan gambar.
Badaramoni telah merilis adaptor baru untuk model Krea-2-Turbo yang menggabungkan paket realisme publik dari berbagai format menjadi satu file. Rilis ini mengatasi keterbatasan di mana alat penggabungan standar gagal menggabungkan adapter LoRA dan LoKR klasik karena tidak berbagi format low-rank yang sama.
Diffusers-workflow adalah mesin deklaratif yang dibangun di atas Hugging Face Diffusers yang memungkinkan agen model bahasa besar menyusun, memvalidasi, menjalankan, dan memeriksa pipeline gambar atau video menggunakan dokumen JSON alih-alih skrip Python. Ini mengekspos server MCP dengan sekitar 50 alat sebagai antarmuka utama, memungkinkan kontrol agen tanpa pengawasan atas sumber daya GPU.
Gradio telah merilis Workflow1111, sebuah proyek yang membangun kembali sebagian besar set fitur stable-diffusion-webui dari AUTOMATIC1111 menggunakan kerangka kerja gr.Workflow. Aplikasi ini terdiri dari satu kanvas yang berisi sebelas pipa media yang dibangun dari tujuh puluh tiga node, mencakup teks-ke-gambar, gambar-ke-video, dan berbagai tugas pra-pemrosesan.
Seorang pengguna telah menerbitkan kode dan bobot untuk menjalankan model Cosmos3 NVIDIA dengan 64 miliar parameter secara lokal menggunakan kuantisasi INT4. Implementasi ini mendukung tugas Text-to-Image dan Image-to-Video di Apple Silicon melalui MLX serta CUDA.
OpenAI telah merilis ChatGPT Images 2.5, sebuah pembaruan untuk model generasi gambarnya yang meningkatkan kemampuan mengikuti instruksi di berbagai giliran dan meningkatkan kecepatan respons. Versi baru ini juga lebih baik dalam melestarikan subjek dari foto referensi yang diberikan oleh pengguna.
Seorang insinyur telah membuka sumber reproduksi dari proyek viral Surya Narreddi, yang melatih model pemrograman untuk melukis cat air menggunakan JavaScript dan pembelajaran penguatan. Implementasi ini memanfaatkan pustaka TRL dan OpenEnv untuk membuat alur kerja end-to-end di Hugging Face untuk pelatihan, penilaian, dan inferensi.