Diffusion Controller 如何统一并简化 AI 图像生成
Google Research 提出 Diffusion Controller 框架，将去噪过程重构为连续控制问题以统一图像生成控制。其轻量级附加网络在匹配人类偏好上优于行业标准，完全解锁版本对基线模型达到 90% 胜率。该框架基于 Stable Diffusion v1.4 骨干，利用 HPS-v2 评估，支持对闭源模型进行无代码修改的控制。
#图像生成
#图像生成
今日 0 条Google ResearchSI 评分4242
AWS Machine Learning BlogSI 评分2222 在 SageMaker AI 上用 vLLM-Omni 生成图像与视频（第 2 部分）
在 Amazon SageMaker AI 上部署同一个 AWS vLLM-Omni DLC 镜像的两个端点：实时端点运行 FLUX.2-klein-4B 生成图像，异步端点运行 Wan2.1-VACE-1.3B 生成图像条件视频。文本提示词先生成 PNG，再连同运动提示词经 Amazon S3 传给视频端点，生成的 MP4 存回 S3，示例提供命令行与 Streamlit 界面。
OpenAI News精选SI 评分6262 OpenAI 发布 ChatGPT Images 2.5
OpenAI 发布 ChatGPT Images 2.5，可将想法、草图和参考照片转化为更个性化、更精致的图像，更贴近用户原本的构想。
推荐理由：OpenAI 官方发布 ChatGPT Images 2.5，读者可了解其把草图与参考照片转为个性化成图的定位。
Hugging Face Blog精选SI 评分6262 Hugging Face 将 Nunchaku 4-bit 扩散推理引入 Diffusers
Hugging Face 在 Diffusers 中引入 Nunchaku Lite，可直接用 from_pretrained() 加载 Nunchaku 风格的 4-bit 量化 checkpoint，无需自定义 pipeline 或本地 CUDA 编译。
推荐理由：原文给出了 Nunchaku Lite 在 Diffusers 中的加载方式与实测延迟和显存数据，读者可据此判断消费级 GPU 跑扩散模型的实际收益。
Google ResearchSI 评分2929 Google Research 揭示扩散模型创造力来源：score smoothing 机制
Google Research 在 ICLR 2026 论文中揭示，扩散模型的创造力源于神经网络训练中的 score smoothing——正则化使学到的 score function 变平滑，让去噪过程在训练数据点之间插值，从而生成新样本。
Google DeepMind精选SI 评分8282 Google DeepMind 发布 Nano Banana 2 Lite 与 Gemini Omni Flash
Google DeepMind 发布 Nano Banana 2 Lite 和 Gemini Omni Flash 两款模型，前者是 Nano Banana 系列中速度最快、成本最低的图像模型，4 秒生成文本到图像，每张 1K 图像 0.034 美元；后者支持高质量视频生成与对话式编辑，输出视频定价为每秒 0.10 美元。
推荐理由：两款模型同日开放开发者入口，并给出延迟、单价与能力边界，便于评估图像到视频的串联工作流。
Google Research精选SI 评分6262 Google Photos 上线 Auto frame 功能，可自动调整照片视角
Google Research 宣布在 Google Photos 的 Auto frame 功能中上线一种新方法，用机器学习理解场景与空间布局，再用生成式 AI 想象新视角下的画面。
推荐理由：Google Photos 把照片当作 3D 场景重投影，读者可了解自动改视角这一新编辑路径的实现思路。