何恺明团队发布像素空间文生图模型MiniT2I
何恺明团队发布像素空间文生图模型MiniT2I文本生成图像的领域早已经是一片红海，看上去已经卷无可卷了。
来自主题: AI技术研报
8823 点击 2026-06-22 16:53
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
文本生成图像的领域早已经是一片红海，看上去已经卷无可卷了。
来自西湖大学和香港中文大学（深圳）的团队沿着这一思路提出 Drifting Preference Optimization（DrPO），把漂移场用于单步文生图模型的偏好后训练。在 DrPO 中，奖励只负责对候选图像排序，不参与反向传播。具体而言，针对同一个文本提示词，当前模型生成一组候选图像。高分样本在特征空间中产生吸引，低分样本产生排斥，并结合参考模型约束给出模型的更新方向。
近年来，文生图模型的能力快速提升。从 Stable Diffusion 到 FLUX、Qwen-Image，扩散模型已经能够生成高质量图像，也能处理越来越复杂的文本提示。
用强化学习（RL）优化文生图模型的 prompt following 能力，是一条被广泛验证的路径 —— 让模型根据 prompt 用不同随机种子生成多张图片，通过 reward model 计算 reward，再利用相关 RL 算法优化模型。
AI第一次从包工头，变成了建筑设计师。
4 月初，LM Arena 评测平台上出现了三个匿名图像模型，代号分别是 maskingtape-alpha、packingtape-alpha、gaffertape-alpha。几小时后它们消失了。OpenAI 官方还没有正式宣布这个模型，但根据 API 返回的元数据和用户侧的测试记录，它已经有了一个被广泛接受的名字：GPT Image 2。
3月30日，阿里巴巴内部发布了 Wan2.7-Image 图像生成与编辑统一模型。根据官方公布的数据，在人类偏好盲测评分中，Wan2.7-Image 目前位列国内第一。从放出的评测雷达图来看，无论是文本生图（Text-to-Image）还是综合图像编辑（Image Editing），它的各项指标基本都盖过了市面上主流的几家头部模型。
一周一更，谷歌又在深夜扔出「深水炸弹」。就在刚刚，最强生图模型Nano Banana 2横空出世，背靠全新Gemini 3.1 Flash Image。 它不仅生成速度飞快，多语言文字处理更强，还能实时联网，一次直出4K大片。
马上春节假期都结束了，不知道大家有没有人被家里催婚 😭 我这几天一直躺在屋里，为了躲避惨无人道的亲戚催婚，睡得昏天暗地，睡觉、刷抖音、刷 X、刷小红书、吃饭、睡觉，闭环了。 就在昨天，我日常刷抖音的时
编辑｜Panda 在文生图模型的技术版图中，VAE 几乎已经成为共识。从 Stable Diffusion 到 FLUX，再到一系列扩散 Transformer，主流路线高度一致：先用 VAE 压缩视