Wan2.2 Image | Krea

Все, генерацию картинок силами #WAN22 завезли на Krea.ai

Бесплатных кредитов хватило на две генерации

#text2image #image2image #neuronaut_art

Арена видеогенераторов запущена. Даже две

Добавили еще 4 модели:
Hailuo-02-pro
Hailuo-02-fast
Sora
Runway-Gen4-turbo

Text-to-Video Arena

Image-to-Video Arena

#text2image #image2image #arena #leaderboard

Nano Banana

Новый генератор/редактор картинок, предположительно от Google.
Почему предположительно - потому что нет никакого релиза. Модель есть на https://lmarena.ai/ в разделе Battle - Image. А в лидерборде отсутствует...

Даем задание, можно просто по тексту, можно с исходной картинкой. Выбираем лучший результат из двух и видим название моделей.

Делает инпейнтинг, замену, генерацию по нескольким референсам. В общем, все то же что Flux Kontext но якобы лучше. На арене приходится кидать несколько запросов чтобы выпал банан, но вроде и правда лучше

Спасибо @iNevestenko

#text2image #image2image #imageediting

Skywork-UniPic

И еще один генератор-редактор. Но этот еще и пониматор картинок. Модель в количестве две штуки

UniPic-1 - авторегрессионная модель с нуля
UniPic-2 - основана эффективных архитектурах с диффузионным постобучением. Включает варианты SD3.5M-Kontext и MetaQuery

Умеет:

- генерация изображений по тексту

- редактирование изображений (бесшовная дорисовка, удаление объектов, манипуляция объектами);

- понимание изображений (устойчивые возможности восприятия для решения различных визуальных задач)

Явно уступает nano-banana по редактированию, но там опенсорсом не пахнет пока

Гитхаб

Демо UniPic-1
Демо UniPic-2

#vlm #imageediting #text2image #image2image

USO: Unified Style and Subject-Driven Generation via Disentangled and Reward Learning

Модель от ByteDance, наследник UNO.
Позволяет свободно комбинировать любые предметы с любыми стилями в различных сценариях

Есть режим Low VRAM, пиковое потребление 16GB (один референс) и ~18GB (мультиреференс)

Сама модель представляет собой лору для Flux.dev, так что и на 8Gb можно будет завести

Код
Демо
HF

#personalization #referencing #text2image #image2image

USO Unified Style and Subject-Driven Generation Now Available in ComfyUI

Нативная поддержка USO в #ComfyUI

воркфлоу

#workflow #personalization #referencing #text2image #image2image

UMO: Scaling Multi-Identity Consistency for Image Customization via Matching Reward

Еще один персонализатор-кастомизатор картинок от ByteDance из семейства UXO (UMO, USO и UNO)

Сохраняет идентичность при работе с несколькими референсными изображениями и снижает путаницу между ними за счет измерения оной путаницы с помощью новой метрики

Свободно комбинирует идентичности с разными объектами.

У них там внутри ByteDance должна быть нешуточная конкуренция ибо сравнивают свою модель с UNO, DreamO, OmniGen2

А прикручено собственно к UNO и OmniGen2

Гитхаб
HF
Демо UMO-UNO
Демо UMO-OmniGen2

#personalization #referencing #text2image #image2image

Microsoft запустил октябрьский картинкогенератор MAI-Image-1 в Bing и Copilot Audio Expressions

Пробовать через 3 буквы здесь

#text2image #image2image

apply_texture_qwen_image_edit_2509

Продолжаем парад лор для #QIE

Лора для смены текстуры на объектах

#texture #lora #image2image #imageediting #referencing

FLUX.2: Frontier Visual Intelligence

Слухи оказались правдивы, новую версию генератора картинок Flux 2 выпустили.
Внутри Mistral-3 VLM 24B

— сохраняет характер и стиль при работе с несколькими референсными изображениями;

— следует сложным структурированным подсказкам;

— читает и пишет сложный текст;

— соблюдает брендбуки;

— грамотно работает с освещением, макетами и логотипами;

— редактирует изображения размером до 4 мегапикселей, сохраняя детали и целостность изображения;

— поддерживает работу с до 10 референсными изображениями одновременно;

— создаёт детальные фотореалистичные изображения и инфографику со сложной типографикой;

— надёжно обрабатывает сложную типографику, включая создание инфографики, мемов и макетов пользовательских интерфейсов с читаемым мелким текстом.

В релиз вошли следующие модели семейства FLUX.2:

FLUX.2 [pro]: модель с высоким качеством генерации изображений, быстрой работой и относительно низкими затратами.

FLUX.2 [flex]: модель, которая позволяет настраивать параметры (количество шагов, шкала руководства) и хорошо рендерит текст и мелкие детали.

FLUX.2 [dev]: открытая модель с 32 миллиардами параметров, поддерживает синтез текста в изображение и редактирование изображений с несколькими входными изображениями.

FLUX.2 [klein]: предстоящий релиз — открытая модель, более мощная и удобная для разработчиков по сравнению с аналогами того же размера. Вписаться в бету

FLUX.2 - VAE: вариационный автоэнкодер для латентных представлений, обеспечивает баланс между обучаемостью, качеством и степенью сжатия.

BFL Playground
BFL API
HF
Демо

#text2image #referencing #image2image #imageediting #vlm

Z-Image

Генерилка-редактор изображений от Tongyi Labs
Под капотом Qwen3-VL 4B, что поинтереснее чем Mistral small 32B который у Flux.2

Точно отображает сложные тексты на китайском и английском

Хорошо справляется с двуязычными промптами

По некоторым отзывам уступает Nano Banan Pro, но превосходит Flux.2

По рейтингу арены Alibaba занимает место после Seadream 4

На данный момент есть только версия Turbo, на Modelscope и указанной арене

Base, Edit - ждем

#imageediting #text2image #image2image

FastFlux2 Realtime Editor

Стилизация в рилтайме на FLUX.2-klein-4B
На H100 выбает 15.6 FPS
На 4090: 4-5 FPS

Спасибо @m_franz

#realtime #klein #streaming #image2image

RawGen

Samsung обучил модель генерировать сырые (raw) изображения камер из текста или готовых sRGB-картинок.

— делает raw-изображения, которые больше похожи на настоящие, а не просто обработанные фотки

— работает с любыми камерами, не нужно отдельно обучать модель под каждую

— позволяет редактировать картинки после генерации без повторного запуска сложной модели — просто меняй настройки как в обычном редакторе

Базовая модель — FLUX.1-Kontext. RawGen использует её и добавляет свои фишки: например, сначала переводит картинку в особый формат (CIE XYZ), потом работает с ним, чтобы в итоге выдать реалистичное raw-изображение.

А вы говорите зачем камерам Wi-Fi. Чтобы собирать ваши данные

Гитхаб ждем

#text2image #image2image #imageediting #kontext