CARE：面向扩散模型的条件感知表示正则化
该论文提出 CARE（Condition-Aware Representation Regularization），一种轻量级即插即用的正则化框架，根据条件相似度动态调整扩散模型的特征分布，无需显式对齐损失或外部监督。在 ImageNet 类到图任务上，CARE 在 40 万训练步内将 FID 降低 19.08%，实现 3.5 倍加速；在文到图任务上，20
图像生成
技术方向 · 文生图模型迭代、图像编辑能力与创作工具生态 · 共 21 条
只展示置信度达到公开门槛且每篇排名前三的主题标签，降低泛化误贴。
9月26日周六 · 1 条
正文结构化主题已通过公开置信门槛
9月25日周五 · 1 条
正文结构化主题已通过公开置信门槛
Viggle 发布 Qwen-Image-2.1 少步蒸馏 LoRA v0.2.1
Viggle 在 Hugging Face 上发布了 Qwen-Image-2.1-viggle-turbo v0.2.1，这是基于 Qwen/Qwen-Image-2.1 的少步蒸馏 LoRA 适配器，采用分布匹配蒸馏（DMD）训练。它支持文生图和指令驱动编辑，仅需 6 次 transformer 前向（而非基座的 40 步）且无需无分类器引导，端到端约快
9月23日周三 · 3 条
正文结构化主题已通过公开置信门槛
Moonworks Lunara：建模艺术智能的文本到图像模型
Moonworks 提出 Moonworks Lunara 文本到图像模型，将「艺术智能」定义为先建立语义、艺术与构图约束、再在约束内实现视觉世界的两阶段计算，并采用新型 Diffusion Mixture Transformer 架构与 CAT 训练算法。团队用 GPT-5.6 Sol 作为评估器，在 1000 条提示、8000 张生成图像上对比包括 FL
正文结构化主题已通过公开置信门槛
LEDFlow：熵引导生成顺序的均匀离散流采样器
该论文提出 LEDFlow，一种无需训练的采样器，通过熵引导的吸收策略为均匀离散流引入生成顺序。研究发现均匀离散流中 9.4% 的生成单元在中间步骤正确但最终输出错误，LEDFlow 将这一比例降至 2.6%。在 Nikoli 数独上达到 0.845 的求解准确率，在文本到图像生成和多模态理解任务上也优于原生采样器，且推理成本相当。
正文结构化主题已通过公开置信门槛
基于Krea-2的人物LoRA模型girlslike-krea2发布
作者 ifmylove2011 在 Hugging Face 发布了名为 girlslike-krea2 的 LoRA/LoKR 模型，基于 krea/Krea-2-Raw 与 Krea-2-Turbo 训练，用于生成特定人物形象。模型采用全秩 LoKR 训练方案，建议使用强度 0.8 1.5，中近景相似度尚可但远景效果不佳，且需输入人物本名作为触发词。作者
9月22日周二 · 2 条
正文结构化主题已通过公开置信门槛
nphSi 发布 Z-Image-Lora 人物肖像生成模型
Hugging Face 用户 nphSi 发布了 Z-Image-Lora，这是一个基于 Tongyi-MAI/Z-Image 和 Z-Image-Turbo 的文本到图像 LoRA 模型，采用 Apache-2.0 许可。该模型通过“vrtlxxxx”触发词生成特定人物肖像，并在 2026 年更新中新增了数百个名人触发词。
正文结构化主题已通过公开置信门槛
WorkRally首发接入腾讯混元Hy Image3.5 preview，两周免费开放
腾讯混元于9月22日发布Hy Image3.5 preview生图模型，腾讯视频专业影视智能平台WorkRally首发接入，并在两周内向创作者免费开放，覆盖剧集分镜、影视物料、角色与场景设定等场景。该模型盲测显示较Hy Image3.0提升约30%，支持文生图与图生图、最多5张参考图、最高2K输出，腾讯云API 2K定价0.15元/张。出海AI创作工具OnS
9月16日周三 · 1 条
正文结构化主题已通过公开置信门槛
Krea2-Turbo 4步蒸馏LoRA发布：速度提升1.6倍
开发者 lvladikov 在 Hugging Face 发布 Krea2-Turbo-Distill-4step-LoRA，这是一个基于 krea/Krea-2-Turbo 的蒸馏 LoRA 适配器，将文生图模型的最低可用步数从 8 步降至 4 步，端到端速度约提升 1.6 倍。该 LoRA 在单张 RTX 3090 上训练 21 天，使用 78,000
9月11日周五 · 1 条
正文结构化主题已通过公开置信门槛
AcFlow：通过学习条件激活流控制文生图扩散Transformer
论文提出 AcFlow，一种在推理阶段控制文本到图像扩散 Transformer（DiT）的方法。它通过一个学习到的、以概念描述为条件的速度场，对中间层图像 token 激活进行传输，同时保持基础 DiT 冻结。该方法支持连续调节风格强度并抑制不需要的概念，在风格-内容权衡上优于基线，且无需针对每个概念单独拟合即可泛化到未见概念。
9月9日周三 · 1 条
正文结构化主题已通过公开置信门槛
跨模态扩散模型对抗攻击与防御综述
这篇综述首次统一回顾了扩散模型在图像、视频和3D三种视觉模态下的对抗攻击与防御研究。文章提出了一种以任务为中心的全面分类法，按模态、攻击/防御和生成任务组织文献，并深入分析了评估设置，包括数据集、指标和基准。最后，作者指出了若干开放挑战并提出了具体的未来研究方向。
9月7日周一 · 1 条
正文结构化主题已通过公开置信门槛
RA-GRPO：基于反思的偏好优化用于视觉生成
本文提出了一种名为 RA-GRPO 的强化学习偏好对齐框架，用于扩散生成模型。该方法通过引入 Diffusion Reflection 机制，利用逆向扩散过程修正中间采样轨迹，并借助 Counterfactual Path Synthesis 将修正后的轨迹蒸馏到策略中，以提升文本到图像和文本到视频生成的语义保真度和视觉真实感。实验表明，RA-GRPO 在缓
9月5日周六 · 1 条
正文结构化主题已通过公开置信门槛
FLUX.2-klein-4B LiteRT 版：手机端本地文生图与编辑
Hugging Face 社区发布了 FLUX.2-klein-4B 模型的 LiteRT 量化版本，由 Black Forest Labs 的 FLUX.2 klein 4B 转换而来，采用 int8 量化并针对端侧设备优化。该版本可在 Pixel 8a 的 Mali GPU 上完全本地运行文生图和图像编辑任务，生成质量与 fp32 管线相当（PSNR 3
9月4日周五 · 1 条
正文结构化主题已通过公开置信门槛
基于Z-Image的人物LoKR/LoRA测试模型发布
Hugging Face 用户 ifmylove2011 发布了基于阿里通义 Z-Image Base/Turbo 模型训练的人物 LoKR/LoRA 系列，用于测试人物生成效果。该系列区分基于 base 和 turbo 训练的版本，并提供了使用建议和注意事项，如触发词、采样参数等。作者强调该模型仅用于测试，禁止不当用途。
8月31日周一 · 1 条
正文结构化主题已通过公开置信门槛
FocusGen：利用模拟人物代理焦点小组扩展视觉设计探索
FocusGen 是一个交互式系统，通过模拟人物代理的“虚拟焦点小组”为视觉设计探索引入外部视角。与以往将代理作为批评者汇聚于单一作品的方法不同，FocusGen 将人物角色作为并行生成器，每个代理独立驱动迭代生成循环，将设计简报转化为多种受众条件方向。评估表明，迭代细化循环优于零样本生成，人物角色条件化比通用助手基线产生更高的视觉多样性，且开放式偏好访谈比
8月25日周二 · 1 条
正文结构化主题已通过公开置信门槛
CircleStone Labs 发布动漫文生图模型 Anima
CircleStone Labs 与 Comfy Org 合作发布了 Anima，一个 20 亿参数、专注于动漫风格的非写实文生图模型。该模型基于 NVIDIA Cosmos-Predict2-2B 微调，提供 Base、Aesthetic 和 Turbo 三个版本，支持 ComfyUI 原生使用。Anima 在动漫图像上训练，也可生成其他非写实内容，但不适
8月22日周六 · 1 条
正文结构化主题已通过公开置信门槛
Omnico 发布从 Krea 2 Turbo 提取的 LoRA 模型
Omnico 从 Krea 2 Turbo 微调检查点中提取了 LoRA 模型，并发布在 Hugging Face 上。这些 LoRA 支持实时混合和权重调整，且占用空间更小。作者在 Mac Mini M4 上完成了提取工作，并指出低秩 LoRA 有时效果更佳。
8月17日周一 · 1 条
正文结构化主题已通过公开置信门槛
PROVE：基于可验证证据的免训练提示词恢复方法
PROVE 是一种无需训练的、黑盒的提示词恢复攻击方法，通过组合可验证的场景描述而非优化 token 序列来重建提示词，适用于原始版权作品和 AI 生成内容。在 MS-COCO、Flickr30K 和 Lexica 数据集上，PROVE 在图像相似度和文本-图像对齐方面优于基于优化、字幕和强化学习的基线方法，且无需训练或访问生成器。该方法旨在应对提示词市场兴
8月16日周日 · 1 条
正文结构化主题已通过公开置信门槛
Krea 2 Turbo Edit GGUF 量化版发布，支持身份保持编辑
ChrisColeTech 在 Hugging Face 发布了 Krea 2 Turbo Edit 的 GGUF 量化版本，支持文本到图像、图像到图像和身份保持编辑，8 步推理，在 RTX 5090 上生成 1024² 图像约需 35 秒。该版本包含三个量化等级和 FP8 缩放构建，并集成了 Qwen3-VL-4B 文本编码器和 Qwen-Image VA
8月9日周日 · 1 条
正文结构化主题已通过公开置信门槛
pmczip 发布基于 Krea-2-Raw 的 LoRA 模型
pmczip 在 Hugging Face 上发布了基于 Krea-2-Raw 的 LoRA 模型，用于生成特定女性人物的逼真图像。该模型采用 bespoke-lora-trained-license 许可，包含多个示例提示词，展示了其生成高质量、写实风格图像的能力。
1月1日周日 · 1 条
正文结构化主题已通过公开置信门槛
用AI图像生成重制经典游戏图形
作者Jay Alammar尝试使用Stable Diffusion、Dall-E和Midjourney等AI图像生成工具，重制1987年游戏《Nemesis 2》的开场动画图形。他通过调整提示词和搜索Lexica等图库，成功生成了部分高分辨率版本，但发现这些工具在文本再现、元素定位和特定细节（如三只眼）上存在局限。文章展示了各工具的效果对比，并指出当前文本到