ImmerseDiffusion: A Generative Spatial Audio Latent Diffusion Model
我们引入了 ImmerseDiffusion，这是一种端到端生成音频模型，可根据声音对象的空间、时间和环境条件产生 3D 沉浸式音景。ImmerseDiffusion 经过训练可生成一阶环绕声 (FOA) 音频，这是一种包含四个通道的传统空间音频格式，可以渲染为多通道空间输出。所提出的生成系统由将 FOA 音频映射到潜在成分的空间音频编解码器、基于各种用户输入类型训练的潜在扩散模型（即文本提示、空间……
Introducing Stable Diffusion 3.5 Large in Amazon SageMaker JumpStart
我们很高兴地宣布，Stability AI 最新、最先进的文本转图像模型 Stable Diffusion 3.5 Large 现已在 Amazon SageMaker JumpStart 中推出。在这篇文章中，我们提供了在 SageMaker JumpStart 中订阅 Stable Diffusion 3.5 Large、在 Amazon SageMaker Studio 中部署模型以及使用文本转图像提示生成图像的实施指南。
Stable Diffusion 3.5 opens new doors in digital art
Stability AI 最新发布的 Stable Diffusion 3.5 引入了三种强大的模型变体，可为消费硬件提供增强的图像质量、速度和可访问性。这些模型可免费用于非商业用途，并集成了先进的安全功能以防止滥用。
DIAMOND: Visual Details Matter in Atari and Diffusion for World Modeling
2018 年，在神经网络世界模型的背景下首次引入了强化学习的概念，很快，这一基本原理就被应用于世界模型。一些实施强化学习的著名模型是 Dreamer 框架，它从潜在空间引入了强化学习 […]The post DIAMOND：Atari 中的视觉细节和世界建模的扩散很重要首次出现在 Unite.AI 上。
Generate unique images by fine-tuning Stable Diffusion XL with Amazon SageMaker
Stability AI 的 Stable Diffusion XL 是一种高质量的文本到图像深度学习模型，可让您生成各种风格的专业图像。托管版本的 Stable Diffusion XL 已在 Amazon SageMaker JumpStart 上提供给您（请参阅在 Amazon SageMaker Studio 中将 Stable Diffusion XL 与 Amazon SageMaker JumpStart 结合使用）和 Amazon Bedrock（请参阅 […]
Stable Diffusion 3 – next-gen AI image generator
OpenAI 的最新作品 Sora 制作了引人入胜的视频，提供了无与伦比的视觉构图真实感。该模型利用语言理解和视频生成的融合，可以解释文本提示、适应各种输入方式并模拟动态相机运动。
IEEE Transactions on Emerging Topics in Computational Intelligence Volume 9, Issue 2, April 2025
1) IDET: Iterative Difference-Enhanced Transformers for High-Quality Change DetectionAuthor(s): Qing Guo, Ruofei Wang, Rui Huang, Renjie Wan, Shuifa Sun, Yuxiang ZhangPages: 1093 - 11062) CVIformer: Cross-View Interactive Transformer for Efficient Stereoscopic Image Super-ResolutionAuthor(s): Dongya
Complex & Intelligent Systems, Volume 11, Issue 3, March 2025
1）CL2SUM：通过LLMS幻觉构建的提示的抽象性汇总：S）：Xiang Huang，Qiong nong，Xuan Zhang2）chaos-exhanced Metaheuristical：分类，比较，比较，比较和融合分析author（s）基于三向距离的模糊大幅度分布机，用于不平衡分类器：li liu，jinrui guo，gujun huang4）机器人操纵器的控制策略基于多任务增强式学习授课者：tao wang，tao wang，Ziming Ruan，Chong chen5）的构造轨迹： predictionAuthor(s): Feilong Huang, Zide Fan, K
Enhancing the Accuracy of AI Image-Editing
Although Adobe's Firefly latent diffusion model (LDM) is arguably one of the best currently available, Photoshop users who have tried its generative features will have noticed that it is not able to easily edit existing images – instead it completely substitutes the user's selected area with image
生成式人工智能正在通过自动化任务、增强创造力和提高效率来彻底改变行业。从内容创作到科学研究，ChatGPT GPT-4o、Gemini 2.0、Llama 3.1 405B、Deepseek、DALL·E 和 Stable Diffusion 等人工智能模型正在释放新的可能性。从 Google 趋势图可以看出，在 2022 年 10 月 ChatGPT 推出后，人们对生成式 AI 的兴趣激增。到 2026 年，预计超过 80% 的公司将集成生成式 AI API、模型或在生产中部署由 GenAI 驱动的应用程序——这一比例比 2023 年的不到 5% 大幅上升。根据 Statista 的数据，生
Fine-tune and host SDXL models cost-effectively with AWS Inferentia2
随着技术的不断发展，新的模型不断涌现，提供更高的质量、更大的灵活性和更快的图像生成功能。StabilityAI 发布的 Stable Diffusion XL (SDXL) 就是这样一种突破性的模型，它将文本到图像的生成 AI 技术推向了前所未有的高度。在这篇文章中，我们演示了如何使用 SageMaker Studio 有效地微调 SDXL 模型。我们展示了如何准备经过微调的模型以在由 AWS Inferentia2 提供支持的 Amazon EC2 Inf2 实例上运行，从而为您的推理工作负载带来卓越的性价比。
Understanding prompt engineering: Unlock the creative potential of Stability AI models on AWS
Stability AI 在 Amazon SageMaker JumpStart 上最新推出的 Stable Diffusion 3.5 Large (SD3.5L) 通过生成更多样化的输出并紧密遵循用户提示来增强图像生成、人体解剖渲染和排版，使其成为对其前身的重大升级。在这篇文章中，我们将探索可以增强这些模型性能的高级提示工程技术，并通过文本到图像的转换促进引人注目的图像的创建。
VQAScore: Evaluating and improving vision-language generative models
简介 文本到图像/视频模型（如 Midjourney、Imagen3、Stable Diffusion 和 Sora）可以根据自然语言提示生成美观、逼真的视觉效果，例如，给定“几只巨大的猛犸象走近，穿过一片雪地草地……”，Sora 会生成：但我们如何知道这些模型是否生成了我们想要的东西？例如，如果提示是“棕色的狗在树周围追逐黑色的狗”，我们如何判断模型显示的是狗“在树周围追逐”而不是“在后院玩耍”？更一般地说，我们应该如何评估这些生成模型？虽然人类可以轻松判断生成的图像是否与提示一致，但大规模的人工评估成本高昂。为了解决这个问题，我们引入了一个新的评估指标 (VQAScore) 和基准数据集
Stable Diffusion 3.5: Architectural Advances in Text-to-Image AI
Stability AI 推出了 Stable Diffusion 3.5，标志着文本到图像 AI 模型的又一次进步。此版本代表了一项全面的改革，由宝贵的社区反馈和致力于突破生成 AI 技术界限的承诺推动。继 6 月发布 Stable Diffusion 3 Medium 之后，Stability AI 承认该模型并未完全满足 […] 文章 Stable Diffusion 3.5：文本到图像 AI 的架构进步首先出现在 Unite.AI 上。
A Critical Look at AI Image Generation
图像生成 AI 究竟能告诉我们关于这个世界的什么信息？照片由 Math 在 Unsplash 上拍摄我最近有机会对一个有趣的项目进行分析，而我要说的太多了，无法在一篇文章中全部涵盖，所以今天我将讨论我对它的更多想法。研究人员在这个项目中采用的方法是向不同的生成 AI 图像生成工具提供一系列提示：Stable Diffusion、Midjourney、YandexART 和 ERNIE-ViLG（由百度提供）。这些提示特别针对不同的世代——婴儿潮一代、X 世代、千禧一代和 Z 世代，并要求在不同背景下拍摄这些群体的图像，例如“与家人在一起”、“度假”或“在工作”。虽然结果非常有趣，也许揭示了一些
Diffusion model approach tackles aspect ratio problem in generative AI images
左侧图片由标准方法生成，而右侧图片由 ElasticDiffusion 生成。两张图片的提示都是“一只运动猫在新闻发布会上向记者解释其最新丑闻的照片。”（图片由 Moayed Haji Ali/莱斯大学提供。）作者：John Bogna 生成式人工智能 […]
Shawn Shan 是《麻省理工学院技术评论》评选的 2024 年 35 岁以下创新者之一。认识今年的其他获奖者。当 DALL-E 2、Midjourney 和 Stable Diffusion 等图像生成模型在 2022 年初开启了生成式人工智能热潮时，艺术家开始注意到人工智能生成的图像与他们自己创建的图像之间存在奇怪的相似之处。许多人发现他们的作品……
