#图像生成

2天前

Sora 2来了！

#Sora 2 #人工智能 #科技 #创新 #图像生成

𝔽𝕣𝕠𝕤𝕥 𝕄𝕚𝕟𝕘

3天前

挺准的，等会，我也没放我头像啊，这画的头像着实不错。 From YouMind

#头像 #YouMind #绘画 #AI #图像生成

1周前

上个月，谷歌发布了 Nano Banana，自称“最先进的图像生成和编辑模型”。我试用后，感觉确实很强，而且免费使用。网友发现了这个模型的各种神奇用法，有人甚至收集成了一个 Awesome 仓库。我从这个仓库里面，挑了几个很实用的例子，分享给大家。

#谷歌 #nano banana #图像生成 #免费 #Awesome 仓库

2周前

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个，这是低价（0.04美元一张）高速的原因。文本渲染：在图像正确渲染文本，行业领先。提示词保真与编辑：多步骤提示词表现卓越，能对现有图像编辑且无需遮罩。场景完整性、光照和构图等异常出色。 ## 潜在问题可靠性问题：模型有时会无法执行Prompt，而直接返回原图，某些情况下失败率接近50% 。伪影与质量下降：模型有时会引入一层“轻微的模糊层”，降低图像的清晰度。 AI生成的常见问题也都有：手部变形等。尤其当主体物不处于中心位置或背景复杂时，图像质量可能会下降。特定弱点：尽管整体真实感出色，但处理精细面部特征时，与Qwen等竞对比，稍显逊色。

#nano banana #图像生成 #AI模型 #潜在问题 #速度快

3周前

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：

#SPRO #扩散模型 #腾讯混元 #开源 #图像生成

3周前

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

AI视频井喷：Midjourney领跑，多模态混战· 207 条信息

#即梦4.0 #连续生图 #AI #图像生成 #积极

3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”

#字节 #文生图模型 #AI #美漫风格 #图像生成

3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

#nano-banana #图像生成 #Google #图片库 #任务场景

3周前

你只需上传「服装穿搭图」，模型就会自动把它延展成类似 DHL 插画那样的完整插画。我用了 Sora 和🍌分别生成喜欢咸的选咸的，喜欢盐的选盐的。提示词：ALT

#服装穿搭 #DHL插画 #Sora #香蕉 #图像生成

4周前

Ideogram 推出了名为“Ideogram Styles”的新功能，旨在通过风格化处理，将简单的用户提示词转化为具有高级、一致美学的图像，并特别优化了文字渲染能力，提供了一个由官方精心策划的预设风格库，用户可以直接选用。核心功能要点 1.风格转化：核心功能是将基础、简单的文本提示（Prompt）自动转化为具有特定高级审美风格的图像。 2.文字渲染强化：该功能显著提升了图像中文字（如标语、字体设计）的生成质量和准确性，使其能轻松融入不同风格中，方便用户进行创意字体和T恤等设计。 3.自定义风格：用户不仅可以选用官方预设风格，还能上传最多3张参考图片来创建并保存属于自己的、可重复使用的自定义风格。与 Describe、Remix、Color Palette 等功能配合，帮助用户在美学与精准度之间找到平衡。整体而言，这一功能旨在让创作者为作品注入独特个性与一致美学，提升设计的表现力与识别度。

#Ideogram Styles #风格转化 #文字渲染强化 #自定义风格 #图像生成

4周前

「自分の写真が、フィギュアに！？✨」 Gemini に写真をアップして、リアルなフィギュアの画像を生成しよう！やり方はリプライから⬇️

#Gemini #照片 #玩偶 #图像生成 #新奇

1个月前

nano banana 的生图质量在迅速提升，上周比 GPT 还差很多，这周已经很难分辨了。

#nano banana #生图质量提升 #GPT #AI技术 #图像生成

1个月前

USO（Unified Style-Subject Optimized 模型）是字节跳动提出的一个统一图像生成模型，融合了风格驱动生成与主体驱动生成两个任务，并通过创新的训练机制将它们整合在一个统一框架中，解决了二者长期以来分离、互相影响的问题。性能优势在 USO-Bench 和 DreamBench 评测中全面领先：主体一致性（CLIP-I, DINO）优于主流模型；风格相似性（CSD）显著超过 DEADiff、StyleStudio 等；图文匹配度（CLIP-T）保持高水平。关键技术三元组训练数据（Triplets）使用（内容图 + 风格图 + 结果图）作为训练样本，让模型学会分离风格与主体特征并融合。风格对齐训练（Style Alignment）采用视觉语言模型 SigLIP 提取高层次风格特征（如笔触、材质），并通过分层投影注入生成过程。风格奖励学习（Style Reward Learning, SRL）引入奖励机制，用预训练模型评估生成图像与目标风格的相似度，强化风格还原能力。功能主体驱动生成保留主体（如人物、宠物）特征，生成新背景或姿态。风格驱动生成仅凭风格参考图+文本生成对应风格的图像。风格+主体联合生成同时输入风格图和内容图，生成既保真又风格化的图像。多风格融合生成支持多张风格图混合生成（如油画+水彩）。布局保持生成仅改变风格，不改变原图布局与主体结构。

#USO模型 #图像生成 #风格驱动 #主体驱动 #字节跳动

1个月前

其实根本不需要什么提示词，看到喜欢的结果图，然后叫Nano Banana仿一下即可

#nano banana #结果图 #模仿 #AI #图像生成

1个月前

不需要专门的 AI 图片应用，Roo Code + Nano Banana 能满足你的大部分生图、修图需求 Roo Code 里新增的图像功能非常好用，我用免费的 Grok Code Fast 1 模型调用 Nano Banana 模型生成图片，特别适合角色一致性创作，如果用 GPT 5、Claude 4，提示效果会更好比调用 Replicate MCP 生成图片更方便（后者优势是模型多）

#AI图片 #Roo Code #nano banana #图像生成 #角色一致性

1个月前

今天又练习了许多姿势，会有抽卡现象，符合预期，用（朋友）随便拍的一张自拍照，可以生成任何你想要的场景图片，人物一致性要再优化优化会更好。 #NanobananaAI Prompt1:照片中的人物转化为商业人像，维持脸部长相以及发型，专业摄影 Prompt2:左边的人像穿戴右边的衣服和配件，维持脸部长相以及发型，专业摄影

AI视频井喷：Midjourney领跑，多模态混战· 207 条信息

#AI #图像生成 #人物一致性 #商业人像 #NanobananaAI

1个月前

谷歌的 Nano Banana 小香蕉上线以来，立即成为地表最强 P 图模型，大家都彻底玩疯了。今天出差回来，我也终于有时间玩一下 Nano Banana 了，玩了俩小时，全程被震撼，最后把笔记丢到 Lovart 里让它调用 Nano Banana 生成了这个长图。一次性生成，一字未改，太TM强了。

#nano banana #P 图模型 #AI #图像生成 #积极

1个月前

🍌你这！！！妈的，这效果还要什么渲染，这材质和光影质感…… ZH25O｜创意系列｜Gemini 2.5 Flash Image Creation 设计师狂喜！！！ nano-banana 用作设计快速验证/效果图太方便了，主要是这质感和真实感太好了! 图是用 Figma 花 2min 画的，渲染是🍌 1min 出的【Prompt】⬇️

#Gemini 2.5 #图像生成 #材质质感 #设计工具 #快速渲染

1个月前

Google 推出 Gemini 2.5 Flash Image 模型，主打原生图像生成与编辑功能，官方称其技术为"state-of-the-art"并排名全球第一,向所有用户免费开放，支持通过 Gemini App 和 Google AI Studio 访问。核心功能特性支持上传3张图片并融合创意元素人像风格转换保持主体特征（如自拍优化）文本添加、背景替换与主体修改生成内容需遵守Google内容政策，禁止侵权使用图像处理的技术优势高效架构：尽管模型体积更小，但它采用了与 Gemini 2.5 Pro 相同的突破性混合专家（Mixture-of-Experts, MoE）架构。这意味着它只针对特定任务激活神经网络中最相关的部分，使得图像处理速度极快、效率极高。超长上下文窗口：它支持实验性的 100万token 上下文窗口。虽然单张图片用不到这么多，但这允许您在单个提示中处理数十张图片或长视频，并对整个集合进行提问和分析。访问方式与配置 Gemini App：选择"2.5 Flash"模型（标注"Fast all-around help"） Google AI Studio：选择"Gemini Native Image"功能模块，需科学上网环境，当前因用户量大存在卡顿现象使用限制风格转换功能稳定性不足，部分效果需多次尝试高峰期访问存在服务器拥堵问题所有生成内容需遵守Google安全政策与版权规定

Google Gemini 2.5发布引发AI模型性价比热议· 204 条信息

OpenAI新德里发布会：ChatGPT语音翻译功能引发热议· 525 条信息

#Google #Gemini 2.5 Flash Image #图像生成 #免费开放 #AI Studio

1个月前

PixVerse发布PixVerse V5 动作更自然、画面更清晰、一致性更好。 8月28号到9月1号，完全免费使用。官网：

AI视频井喷：Midjourney领跑，多模态混战· 207 条信息

#PixVerse V5 #AI模型 #免费使用 #图像生成 #技术更新

三秋十李 Sergio

1个月前

利好穿搭博主，做这种图基本上不需要拍摄了！

AI视频井喷：Midjourney领跑，多模态混战· 207 条信息

#穿搭博主 #AI #图像生成 #效率提升

1个月前

今天试了 Google 最新的图像生成功能——“Nano-Banana”（又名 Gemini 2.5 Flash Image）。能把一张普通照片做出很细腻的多步编辑，细节挺惊艳的，干掉PS 的存在。我刚刚看 replicate 已经有这个模型 api 了，大家可以去接入用到自己的网站去。访问方式与配置 Gemini App：选择"2.5 Flash"模型（标注"Fast all-around help"） Google AI Studio：选择"Gemini Native Image"功能模块，当前因用户量大存在卡顿现象一些局限性风格转换功能稳定性不足，部分效果需多次尝试高峰期访问存在服务器拥堵问题

Google Gemini 2.5发布引发AI模型性价比热议· 204 条信息

OpenAI新德里发布会：ChatGPT语音翻译功能引发热议· 525 条信息

#Google #Gemini 2.5 Flash Image #图像生成 #AI Studio #卡顿

𝙩𝙮≃𝙛{𝕩}^A𝕀²·ℙarad𝕚g𝕞

1个月前

如果说LLM的元认知和文本生成能力把需要我们的思考解决的NP类问题，变成了P类问题，让我们变成了一个验证者；那精确的图像生成和视频生成则同样会替代了我们的想象，我们天马行空的空间想象与创造，意味着什么？

AI视频井喷：Midjourney领跑，多模态混战· 207 条信息

#LLM #元认知 #文本生成 #图像生成 #视频生成

1个月前

Gemini 2.5 Flash Image 生成图像和编辑图像都好快啊

Google Gemini 2.5发布引发AI模型性价比热议· 204 条信息

OpenAI新德里发布会：ChatGPT语音翻译功能引发热议· 525 条信息

#Gemini 2.5 #图像生成 #图像编辑 #快速 #积极

1个月前

gemini-2.5-flash-image-preview （也就是香蕉模型）比 gemini-2.0-flash-image 生成效果好太多了图1 新模型，图2 旧模型不过中文渲染还得看 Qwen Image 提示词：巨型石窟中竖立一块被光纤勾勒的透明碑石，古老经文以激光刻在其上；风格: 东方石窟+高科技装置艺术；光影: 冷蓝体积光+碑内透光；镜头: 70mm中长焦，庄严对称；构图: 中轴对称，参观者为尺度参照；色调: 石灰灰、电子蓝、微金；材质: 岩壁粗糙、玻璃体、光纤；文字要求: 碑文清晰：‘无常即常｜光可照心’（竖排）

Google Gemini 2.5发布引发AI模型性价比热议· 204 条信息

OpenAI新德里发布会：ChatGPT语音翻译功能引发热议· 525 条信息

#Gemini-2.5-flash-image #图像生成 #Qwen Image #中文渲染 #高科技装置艺术