Google Research 提出 Diffusion Controller 框架统一 AI 图像生成控制
Google Research 推出 Diffusion Controller 框架，将扩散模型去噪过程重构为连续控制问题以统一引导与微调。该框架通过轻量级“转向阻尼器”网络动态调整生成轨迹，在保持基础模型画质稳定的同时精准对齐用户意图。实验显示其完全解锁版本对基线模型取得 90% 胜率，有效解决黑盒模型难以精细控制的痛点。
#图像生成
#图像生成
今日 0 条Google ResearchAI 评分3838
Hugging Face Blog精选AI 评分7878 Diffusers原生集成Nunchaku 4-bit扩散模型推理引擎
Hugging Face Diffusers现已原生支持Nunchaku Lite，允许用户通过简单的from_pretrained()调用直接加载4-bit量化的扩散模型检查点，无需本地CUDA编译或单独的推理库。
推荐理由：Diffusers原生支持Nunchaku 4-bit推理，无需本地编译即可加载量化检查点，显著降低显存占用并提升速度。
Google ResearchAI 评分2828 Google Research 解析扩散模型创造力源于分数平滑
Google Research 在 ICLR 2026 论文中揭示，扩散模型的“创造力”并非随机现象，而是神经网络训练中的“分数平滑”效应所致。该机制使去噪过程在训练数据点之间进行插值，从而生成新颖且合理的数据样本。
Google DeepMind精选AI 评分8080 Google DeepMind 发布 Nano Banana 2 Lite 与 Gemini Omni Flash 并开放开发者接入
Google DeepMind 正式发布 Nano Banana 2 Lite 和 Gemini Omni Flash，并在 Google AI Studio、Gemini API 及 Gemini Enterprise Agent Platform 向开发者开放。
推荐理由：官方同步开放两款新模型的开发者接口，明确了各自的延迟、成本及能力边界，为构建图文视频混合工作流提供了具体选型依据。
Hugging Face BlogAI 评分4343 Hugging Face 开源 PRX Part 3：24小时训练文生图模型
Hugging Face 开源代码展示如何在 24 小时内以约 $1500 算力成本训练文生图模型。该方案结合像素空间 x-prediction、LPIPS/DINOv2 感知损失及 TREAD Token 路由技术，无需 VAE 即可在 512px/1024px 分辨率下高效收敛。
Google DeepMind精选AI 评分8484 Google DeepMind 发布 Nano Banana 2 (Gemini 3.1 Flash Image)
Google DeepMind 发布最新图像生成模型 Nano Banana 2（即 Gemini 3.1 Flash Image），旨在以 Flash 级别的速度提供接近 Pro 版本的智能与视觉质量。
推荐理由：原文详细列出了新模型在速度、世界知识及创作控制上的具体能力升级，并明确了其在 Google 全系产品中的部署范围。
Google DeepMind精选AI 评分8181 Google DeepMind 发布 Nano Banana Pro（Gemini 3 Pro Image）图像模型
Google DeepMind 正式推出 Nano Banana Pro（即 Gemini 3 Pro Image），这是一款基于 Gemini 3 Pro 构建的高保真图像生成与编辑模型。
推荐理由：官方详细说明了新模型在文本渲染、物理控制及搜索接地方面的能力升级，并给出了开发者接入路径。
Google DeepMind精选AI 评分8989 Google DeepMind 发布 Nano Banana Pro (Gemini 3 Pro Image) 图像生成模型
Google DeepMind 推出基于 Gemini 3 Pro 的新一代图像生成与编辑模型 Nano Banana Pro (Gemini 3 Pro Image)。
推荐理由：原文详细列出了新模型在文本渲染、多图融合及推理能力上的具体升级，并明确了各产品线与订阅层级的开放入口。
Hugging Face BlogAI 评分4242 Claude 连接 Hugging Face Spaces 生成图像指南
Claude 通过 MCP Server 连接 Hugging Face Spaces，利用 ZeroGPU 免费额度调用 FLUX.1 Krea [dev] 和 Qwen-Image 模型生成高质量图像。FLUX.1 Krea [dev] 擅长消除 AI 痕迹以呈现自然真实感，Qwen-Image 则在文本渲染方面表现优异。用户需在设置中添加对应工具并启用自定义连接器即可使用。
Hugging Face Blog精选AI 评分6565 Hugging Face 发布 FLUX.1-dev QLoRA 微调教程
Hugging Face 发布指南，演示如何使用 diffusers 库通过 QLoRA 在单张 GPU（峰值显存约 9GB）上微调 FLUX.1-dev 模型。
推荐理由：原文提供了在消费级显卡上微调 FLUX.1-dev 的完整代码与显存优化策略，读者可据此复现低资源环境下的风格迁移训练。
Hugging Face Blog精选AI 评分6060 Hugging Face Diffusers 探索多种量化后端以优化大型扩散模型
Hugging Face Blog 发布文章，详细评测了 bitsandbytes、torchao、Quanto、GGUF 和 FP8 Layerwise Casting 等量化后端在 Flux-dev 模型上的性能表现。
推荐理由：原文对比了多种量化后端在显存占用和推理速度上的具体表现，并给出了结合CPU卸载等技术的选型建议。
Hugging Face BlogAI 评分5555 Hugging Face 发布 SegMoE：用于创建混合专家扩散模型的框架
Hugging Face 推出 SegMoE 框架，允许用户通过替换 Stable Diffusion 中的 Feed-Forward 层来从零开始创建混合专家（MoE）扩散模型。
Hugging Face BlogAI 评分3838 ONNX Runtime 加速 SD Turbo 与 SDXL Turbo 推理，吞吐量提升最高达 229%
ONNX Runtime 通过 CUDA 和 TensorRT 执行提供程序显著加速 SD Turbo 和 SDXL Turbo 在 NVIDIA GPU 上的推理。测试显示其吞吐量相比 PyTorch 最高提升 229%，且支持 C# 和 Java 等非 Python 语言调用。用户可通过 Hugging Face 获取由 Olive 优化的模型版本以体验性能增益。
Hugging Face Blog精选AI 评分6565 Hugging Face 发布教程：如何将 ComfyUI 工作流转为 Gradio 应用并在 Spaces 上免费运行
Hugging Face 发布教程指导用户将复杂的 ComfyUI 工作流转换为简单的 Gradio 应用，并部署在 Hugging Face Spaces 的 ZeroGPU 架构上以实现免费的无服务器运行。
推荐理由：原文提供了将 ComfyUI 工作流转换为 Gradio 应用并部署到 Hugging Face Spaces ZeroGPU 的完整步骤，读者可以据此实现免费服务器端推理。
Hugging Face Blog精选AI 评分6363 Hugging Face 发布高效非扩散文本到图像模型 aMUSEd
Hugging Face 发布了名为 aMUSEd 的高效非扩散文本到图像模型，这是 Google MUSE 的开源复现版本。该模型采用掩码图像建模方法，参数量仅约 800M，支持零样本图像修复，并已在 diffusers 库中集成。用户可通过 LoRA 在 7GB 显存下完成微调，模型遵循 OpenRAIL 许可证允许商业使用。
推荐理由：原文给出了基于掩码建模的非扩散架构细节及低显存微调方案，读者可据此评估其在推理效率与端侧部署上的实际潜力。
Hugging Face Blog精选AI 评分8585 Hugging Face 发布 Latent Consistency LoRAs 实现 SDXL 4 步快速生成
Hugging Face 推出 Latent Consistency Models (LCM) LoRAs，允许在 Stable Diffusion XL 和 SD v1.5 等模型上通过仅 4-8 步推理实现高质量图像生成，显著加速过程（如 M1 Mac 上从约 60 秒降至 6 秒）。
推荐理由：提供了将LCM LoRA应用于SDXL等模型的具体代码与基准测试，展示了如何在保持画质的前提下大幅降低推理步数并提升生成速度。
Hugging Face BlogAI 评分4242 Hugging Face Diffusers 支持在 Cloud TPU v5e 上使用 JAX 加速 Stable Diffusion XL 推理
Hugging Face Diffusers 现已支持通过 JAX 在 Google Cloud TPU v5e 上运行 Stable Diffusion XL，实现高性能且低成本的推理。
Hugging Face BlogAI 评分3131 使用 Inference API 部署 AI Comic Factory
Hugging Face 教程展示如何通过 fork 并配置 AI Comic Factory，利用 Inference API 部署私有空间以消除排队等待。该应用基于 NextJS，需 PRO 账户访问 Llama-2 和 SDXL 1.0 模型，通过设置环境变量将语言与图像引擎指向 INFERENCE_API。目前该集成处于早期阶段，SDXL refiner 等部分功能尚未支持。
Hugging Face BlogAI 评分4545 Hugging Face 介绍如何使用 TRL 库通过 DDPO 微调 Stable Diffusion
Hugging Face 发布指南，演示如何利用 `trl` 库中的 `DDPOTrainer` 对 Stable Diffusion 进行强化学习微调。该方法基于 Denoising Diffusion Policy Optimization (DDPO)，将去噪过程建模为多步马尔可夫决策过程以优化人类偏好对齐。
Hugging Face BlogAI 评分5555 Hugging Face 推出 Würstchen：基于高压缩潜空间的快速图像生成扩散模型
Hugging Face 发布新扩散模型 Würstchen，其文本条件组件在高度压缩的图像潜空间中工作，实现了 42 倍的空间压缩。
Hugging Face BlogAI 评分2626 使用 BentoML 部署 Hugging Face DeepFloyd IF 模型实战
BentoML 开源平台支持将 Hugging Face 上的 DeepFloyd IF 文本生成图像模型部署至生产环境。该流程涵盖定义模型、创建 Service、构建 Bento 及容器化部署，利用 T5-XXL-1.1 编码提示词并分三阶段在像素空间生成 1024x1024 px 图像。开发者可独立扩展各 Stage Runner 以优化 GPU 资源分配与推理性能。
Hugging Face BlogAI 评分4040 Segmind 开源 SD-Small 与 SD-Tiny 知识蒸馏代码及权重
Segmind 开源基于知识蒸馏训练的 SD-Small 和 SD-Tiny 模型权重及代码，二者参数量分别比基础模型减少 35% 和 55%，推理速度提升最高达 100%。该工作以 Realistic-Vision 4.0 为教师模型，在 LAION Art Aesthetic 数据集上训练，旨在通过压缩生成式 AI 模型实现更快速、低成本的图像生成。
Hugging Face BlogAI 评分5050 Hugging Face 发布 PS1 风格 3D 资产生成教程：结合 Shap-E 与 Dream Textures
Hugging Face 提供基于 Shap-E 和 Dream Textures 的 PS1 风格 3D 资产生成工作流。该教程指导用户利用 OpenAI 开源扩散模型 Shap-E 生成低多边形模型，并通过 Blender 插件 Dream Textures 添加无缝纹理。最终导出 FBX 文件至 Unity，实现从文本到可用游戏资产的快速转化。