OpenAI 在 GPT-4o 中推出原生图像生成
OpenAI 在 GPT-4o 中推出原生图像生成能力,官方称其在文字渲染和指令遵循上更强。该功能于 2025 年发布,相关入口为 ChatGPT Images 2.5。
推荐理由:GPT-4o 原生图像生成上线,文字渲染与指令遵循是这次能力变化的关键看点。
AI 画图的最前线:文生图模型迭代、图像编辑能力与创作工具生态的全部动态。
OpenAI 在 GPT-4o 中推出原生图像生成能力,官方称其在文字渲染和指令遵循上更强。该功能于 2025 年发布,相关入口为 ChatGPT Images 2.5。
推荐理由:GPT-4o 原生图像生成上线,文字渲染与指令遵循是这次能力变化的关键看点。
OpenAI 发布 GPT-4o 系统卡补充说明,介绍 4o 图像生成。该能力比此前的 DALL·E 3 系列模型显著更强,可生成照片级真实感输出,并能接收图像作为输入并进行变换。
推荐理由:官方系统卡补充说明披露 4o 图像生成相较 DALL·E 3 的能力变化,可据此了解该模型的生成与图像输入能力。
Hugging Face 发布了用于通用机器人控制的视觉-语言-动作模型 π0 和 π0-FAST,这些模型旨在通过结合视觉、语言和动作信息来控制机器人。
推荐理由:该研究提出了用于通用机器人控制的视觉-语言-动作模型,对机器人领域的研究者具有参考价值。
微软发布了 Florence-2 视觉语言模型的微调方法,该模型在图像生成和视频领域具有先进性。
推荐理由:介绍了微软最新的视觉语言模型 Florence-2 的微调方法,对图像生成和视频领域的研究者有参考价值。
OpenAI 宣布 DALL·E 3 现已在 ChatGPT Plus 和 Enterprise 中可用。为支持更大范围发布,OpenAI 开发了一套安全缓解方案,并同步分享了其在内容来源溯源方面的研究更新。
推荐理由:OpenAI 官方说明 DALL·E 3 面向 ChatGPT Plus 与 Enterprise 开放,并同步披露安全缓解与来源溯源研究进展。
OpenAI 发布 DALL·E 3 系统卡,用于说明该图像生成模型在安全与风险方面的评估情况。
OpenAI 宣布 DALL·E API 进入公开测试阶段,开发者从即日起可以基于该 API 构建应用。
推荐理由:OpenAI 开放 DALL·E API 公测,开发者可据此判断图像生成能力接入自家应用的门槛变化。
OpenAI 宣布 DALL·E 取消等待名单,新用户可以直接开始创作。官方称,部署中积累的经验以及安全系统的改进,使更广泛的开放成为可能。
推荐理由:OpenAI 官方说明 DALL·E 取消等待名单,并交代了安全系统改进这一放开前提。
OpenAI 为 DALL·E 推出 outpainting 功能,可生成任意尺寸的图像。官方称该功能用于扩展创作空间、讲述更大的故事。
推荐理由:原文给出 DALL·E 新增 outpainting 能力,读者可据此了解图像生成在画幅扩展上的新用法。
OpenAI 宣布 DALL·E 进入测试版,将在未来几周从等待名单中邀请 100 万人使用。用户可用每月重置的免费积分生成图像,也可按 115 次生成 15 美元的价格购买额外积分。
推荐理由:OpenAI 公布 DALL·E 测试版开放节奏与积分定价,读者可据此了解早期图像生成产品的可用方式。
OpenAI 在 DALL·E 2 研究预览中,已有来自 118 个以上国家的 3000 多名艺术家将 DALL·E 纳入创作流程。OpenAI 表示,早期访问组的艺术家帮助发现了 DALL·E 的新用途,并在其决定 DALL·E 功能时提供了关键意见。
推荐理由:原文给出 DALL·E 2 研究预览中艺术家的使用规模,读者可据此了解早期创作者如何参与产品功能决策。
OpenAI 更新 DALL·E 2 研究预览进展,早期用户迄今已生成超过 300 万张图像,并帮助改进了安全流程。OpenAI 表示将开始每周从候补名单中新增最多 1000 名用户。
推荐理由:官方披露 DALL·E 2 预览期的用户规模与每周放量节奏,可据此了解其早期开放进度。
OpenAI 训练了一个名为 DALL·E 的神经网络,可根据自然语言描述生成图像,覆盖自然语言可表达的广泛概念。
推荐理由:OpenAI 官方公布 DALL·E 这一从文本生成图像的神经网络,可据此了解文生图方向的早期起点。
OpenAI 发现,与在语言上训练的大型 Transformer 模型一样,同一模型在像素序列上训练后也能生成连贯的图像补全和样本。通过建立样本质量与图像分类准确率之间的相关性,研究显示其最佳生成模型在无监督设定下所含特征可与顶级卷积网络竞争。
推荐理由:OpenAI 用同一套 Transformer 架构处理像素序列,并给出生成质量与分类精度相关的证据。
OpenAI 发布可逆生成模型 Glow,采用可逆 1x1 卷积,在简化此前可逆生成模型架构的同时支持高分辨率图像生成与高效采样。该模型还能发现可用于操控数据属性的特征,OpenAI 同步开源模型代码并提供在线可视化工具。
推荐理由:OpenAI 公开 Glow 的可逆生成模型架构与代码,读者可了解其用可逆 1x1 卷积简化模型并支持属性编辑的思路。