豆包“一句话P图”升级了：可一键替换原有文字
豆包宣布，APP智能修图全新升级，基于最新图像编辑模型SeedEdit 3.0，支持更多P图玩法。
图像编辑
南方科技大学团队：如何实现可编辑物体组合？
对于那些喜欢编辑图像的人来说，将一个物体自然地放入背景场景中一直是个难题。想象一下，你手中有一张可爱柯基犬的照片，希望将它放在客厅沙发上，但总是效果不佳：要么柯基看起来像"贴"上去的贴纸，要么角度不对，要么狗狗的毛色和特征都变了。这正是南方科技大学林剑满、李昊
高考第一天，用豆包修图3.0花式「整活」送祝福，已原地笑翻！
豆包的一句话P图功能，又进化了！各种高考祝福、网络梗图、大片级精修、设计师草稿，无不是信手拈来。此刻，AI P图再次迎来降维打击，只要用自然语言，就能实现精准的图片编辑。可以说，AI修图终于来到了3.0时代！
GPT-4o-Image仅完成28.9%任务！上海AI实验室等发布图像编辑基准
现有的图像编辑评测基准是否已经无法跟上时代的步伐？仅仅停留在“更换颜色”等改变物体表层属性的测试，是否已显得过于简单，无法真正衡量AI的“深度理解”能力？当指令变得更加复杂，涉及图片背后的逻辑、上下文关联甚至隐含意图时，现有模型能否正确“领会”并精准执行，同时
自媒体入门学习指南：如何从零起步
随着数字时代的迅速发展，自媒体已成为人们获取信息、分享视角、甚至实现个人品牌化的重要渠道。如果你想要深入学习自媒体，掌握从基础到进阶的各项技能，需要明确学习路径，并逐步构建自己的内容生态。本文将为你提供从零开始学习自媒体的起步方法，帮助你在这个充满潜力的领域找
可直接投产？AI生成的3D服装模型来啦
迪士尼经典反派电影《黑白魔女库伊拉》中的“浴火红裙”桥段令人印象深刻。一根火柴烧掉了平淡无奇的白色斗篷后，露出了惊艳的红色长裙。或许，许多服装人，在很多纠结的时刻，都想拥有这样一根“魔法火柴”吧.....
字节把GPT-4o级图像生成能力开源了！
不止于此，其最新融合的多模态模型BAGEL主打一个“大一统”， 将带图推理、图像编辑、3D生成等功能全都集中到了一个模型。
小模型逆袭屠榜！30倍数据效率+13倍模型压缩效果暴增近10%！
亮点直击新发现：旨在解决由编辑指令与原始-编辑图像对之间错位引起的噪声监督问题，这是先前工作忽视的根本性问题，如下图2所示。修正监督：利用扩散生成先验指导视觉语言模型，为原始-编辑图像对生成更匹配的编辑指令。强化监督：引入基于三元组损失的对比监督，使编辑模型能
当AI同时精通“看”与“画”：阿里巴巴团队多模态AI模型的惊人进展
在人工智能领域，有两类模型一直沿着不同的轨道发展：一类擅长"理解"图像和文字，就像一个能看懂图片并回答问题的智能助手；另一类则擅长"创造"图像，就像一位根据文字描述作画的数字艺术家。直到最近，这两种能力很少能在同一个AI系统中完美共存。这正是阿里巴巴集团联合多
感受「言出法随」的图像编辑，HiDream-E1-Full 现已上线模力方舟
图像编辑模型HiDream-E1-Full现已上线模力方舟 AI 模型广场，访问以下链接立即在线体验：https://ai.gitee.com/serverless-api?model=HiDream-E1-Full
模态 开源 transformer llama 图像编辑 2025-05-12 16:38 10
开源全能图像模型媲美GPT-4o！解决扩散模型误差累计问题
开源的MLLMs和扩散模型已经过大规模预训练，其从零开始训练统一任务，不如取长补短，将MLLMs的语言建模能力，与扩散模型的像素级图像建模能力，进行有机的结合。
一个LoRA实现GPT-4o级图像编辑！浙大哈佛新模型冲上Hugging Face
随着Gemini、GPT-4o等商业大模型把基于文本的图像编辑这一任务再次推向高峰，获取更高质量的编辑数据用于训练、以及训练更大参数量的模型似乎成了提高图像编辑性能的唯一出路。然而浙大哈佛这个团队却反其道而行之，仅用以往工作0.1%的数据量（获取自公开数据集）
图层式记忆：让AI图像编辑如魔法般简单直观
当你使用手机或电脑修图时，是否曾经遇到过这样的情况：你想在一张森林照片中依次添加一个乐高小人、一辆吉普车，再放一只小狗，但每次添加新元素时，前面添加的内容却变得奇怪或者完全消失了？韩国首尔国立大学的研究团队最近解决了这个令人头痛的问题，他们在2025年5月发表
字节开源SuperEdit图像编辑方法，AI的P图水平如何？
字节的ByteDance Intelligent Creation (USA) 团队开源了SuperEdit项目，帮助AI提升P图水平，项目包含数据和模型。（所以直男没救了吗？）
AI日报：Kimi全新音频基础模型Kimi-Audio；阶跃星辰开源图像编辑模型Step1X-Edit；夸克AI超级框上线 “拍照问夸克”
Moonshot AI最近推出的Kimi-Audio是一款开源音频基础模型，旨在推动音频理解、生成和交互技术的发展。该模型基于Qwen2.5-7B架构，结合Whisper技术，支持多种音频任务，如语音识别和音频问答。凭借超过13亿小时的多样化音频数据训练，Ki
集体照拍摄避坑指南，确保拍出所有参与者的最佳状态
无论是工作中还是生活中，集体照作为记录美好瞬间的重要方式，承载着无数的回忆与情感。然而，一个不容忽视的问题是，几乎每一张集体照中，总有那么一两位成员或是闭眼、或是表情管理失控，为完美的照片留下遗憾。本文旨在深入探讨这一现象背后的原因，并提出五项专业级的集体照拍
美图公司AI视觉领域竞争力升级：七项图像编辑成果出炉
近日，美图公司旗下美图影像研究院（MT Lab）联合清华大学、新加坡国立大学、北京理工大学、北京交通大学等知名高校的五项研发成果入选IEEE国际计算机视觉与模式识别会议CVPR 2025。作为计算机视觉领域的世界三大顶级会议之一，CVPR 2025投稿量再次刷
美图七项图像编辑技术突破，AI应用拓展至更多创新场景
在计算机视觉与人工智能领域，美图公司旗下的美图影像研究院（MT Lab）再度传来捷报。近日，该研究院联合清华大学、新加坡国立大学等多所知名学府，共同研发的五项技术成果成功入选IEEE国际计算机视觉与模式识别会议CVPR 2025。这一顶级会议今年吸引了超过13
美图图像编辑最新成果揭晓：七项研发突破助力AI应用落地更多场景
近日,美图公司旗下美图影像研究院(MT Lab)联合清华大学、新加坡国立大学、北京理工大学、北京交通大学等知名高校的五项研发成果入选IEEE国际计算机视觉与模式识别会议CVPR 2025。作为计算机视觉领域的世界三大顶级会议之一,CVPR 2025投稿量再次刷
美图公司最新研发成果：生成式AI技术、分割技术、3D重建技术获突破
近日，美图公司旗下美图影像研究院（MT Lab）联合清华大学、新加坡国立大学、北京理工大学、北京交通大学等知名高校的五项研发成果入选IEEE国际计算机视觉与模式识别会议CVPR 2025。作为计算机视觉领域的世界三大顶级会议之一，CVPR 2025投稿量再次刷