字节开源图像生成“六边形战士”，一个模型搞定人物/主体/风格保持
字节开源图像生成“六边形战士”，一个模型搞定人物/主体/风格保持图像生成中的多指标一致性问题，被字节团队解决了！ 字节UXO团队设计并开源了统一框架USO，让看上去不关联的任务相互促进，实现风格迁移和主体保持单任务和组合任务的SOTA。
来自主题: AI技术研报
7526 点击 2025-09-05 11:26
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
图像生成中的多指标一致性问题，被字节团队解决了！ 字节UXO团队设计并开源了统一框架USO，让看上去不关联的任务相互促进，实现风格迁移和主体保持单任务和组合任务的SOTA。
一年前，Google 在 AI 赛道上还是「追赶者」的形象。ChatGPT 席卷硅谷时，它显得迟缓。 但短短几个月后，情况突变。 Gemini 2.5 Pro 横扫各大榜单，「香蕉」模型 Nano Banana 让生图、修图成了轻松事；视频模型 Veo 3 展示了物理世界的理解力；Genie 3 甚至能一句话生成一个虚拟世界。
最近 Nano Banana 邪修玩法满天飞，其中有一个在 X 爆火的生图模板，可以让你和喜爱的二次元角色来一次亲密接触。
大家好，我是歸藏（guizang），今天教大家解决 Nana Banana 出图最大的问题。 Nano Banana 已经非常强了，但是最近大家普遍用的时候两个问题非常影响可用性
GPT-4o发布才过去半年，Nano Banana这种「下一代」的生图模型就出来了。 这难道是AI界的摩尔定律？不敢想再过半年后，会是什么样的「魔鬼级」生图模型来屠Nano Banana
在图像生成上，Google 其实已经有 Imagen 4 这样的文生图模型，为什么 nano banana 最后还是由 Google 带来的？但这确实不是偶然或者瞎猜的，nano banana 是结合了 Google 多个团队的项目成果。首先就是 Gemini 强大的世界知识与指令遵循能力，其次就是 Google 内部顶尖文生图模型 Imagen，所提供的极致图像美学与自然度追求。
香蕉也能变礼服？Google 真的做到了！ 在最新一期谷歌开发者节目里，Google DeepMind 团队首次全面展示了 Gemini 2.5 Flash Image —— 一款拥有原生图像生成与编辑能力的最新模型。
还记得上周提到的那个爆火的神秘 AI 生图模型 nano banana 吗？在万众瞩目中它终于来了！
最近，一个叫 nano-banana 的神秘 AI 生图模型火了！ 说它神秘，是因为到现在也没有公司出来认领这个模型。 而且它的火爆也不是靠什么营销，而是凭借它出色的性能大家的“口口相传”。 甚至有网友评价它是人物一致性新王、AI 图片编辑史诗级升级。
上海人工智能实验室等团队提出Lumina-mGPT 2.0 —— 一款独立的、仅使用解码器的自回归模型，统一了包括文生图、图像对生成、主体驱动生成、多轮图像编辑、可控生成和密集预测在内的广泛任务。