相关新闻

placeholder

向阳乔木

1天前

Nano Banana厉害之处和潜在问题 速度：平均生成时间2-4秒 ，比如部分基准测试生成一张1024px仅2.3秒。 一致性：多次编辑，角色准确率高达95% 竞争表现：LMArena盲测，胜率达到70%，GenEval分数为0.89。 优于Flux Kontext（45%胜率）和DALL-E 3（0.76 GenEval） 效率：用先进的Token压缩技术，将图像数据压缩至约1300

placeholder

Gorden Sun

4天前

SPRO：扩散模型优化 腾讯混元开源的训练方法。能优化扩散模型生成图片的质量和偏好。优点是计算量小、训练速度快、没有过拟合的问题。 项目地址： Github：

placeholder

nicekate

6天前

即梦 4.0 连续生图功能也太好用了吧 提示词最后---生成5张图片，而不是1张图片

placeholder

向阳乔木

1周前

字节新的文生图模型太强了！ 复制任意内容，不超过800字就行。 发给即梦或豆包，选图片4.0模型。 提示词很简单，只需要加中横线分割，输入： “用美漫风格生成” “用火柴人风格生成” “用旧报纸风格生成” “用四格漫画风格生成”

placeholder

Geek

1周前

《Nano-banana 精选图片库》 收集了 Nano-banana 在各个任务场景下生成的令人惊艳的图片和提示词，全方位展示 Google 在图像生成与编辑的无限可能