潜空间建模已成为扩散 Transformer（DiT）的标准范式。然而，它依赖于一个两阶段的流程，其中预训练的自编码器会引入有损重建，导致误差累积并阻碍联合优化。为了解决这些问题，...

Black Forest Labs (BFL) 发布了FLUX 3，这是一个多模态基础模型，可在单一架构内学习图像、视频和音频。它也是首个仅使用一组权重即可实现视频、音频和动作预测...

本文介绍了一种新型超低码率图像压缩方法NeFIC。该方法通过解码锚点帧并利用视频扩散模型进行下一帧预测，提高了解码效率和图像质量。实验结果表明，NeFIC在多个测试集上显著降低了码率，同时保持高感知质量和真实感，节省超过50%的码率。

本文介绍了一种名为FAE（特征自编码器）的框架，旨在将预训练的视觉表示适应为适合图像生成的低维潜在空间。FAE通过单个注意力层和两个深度解码器的结合，实现了高效的图像生成，同时保持了必要的信息。该方法在多个基准测试中表现优异，展现了高质量和快速学习的能力。

本文介绍了如何使用JavaScript构建一个基于浏览器的PDF图像提取工具。用户可以上传PDF文件，预览页面，提取嵌入的图像，并按页面组织下载。该工具在本地运行，确保用户隐私，提取的图像保持原始质量，适用于设计、营销、教育等多个行业。

Meta因用户强烈反对，关闭了允许通过标记公共Instagram账户生成AI图像的功能。该功能未征得账户所有者同意，用户反馈显示未能达到预期，因此决定取消。

字节跳动于7月9日发布了多模态图像创作模型Seedream 5.0 Pro，该版本在图文匹配和结构合理性等方面有显著提升，具备复杂信息可视化、交互式精准编辑、真实影像质感和多语种支持等核心能力。Seedream 5.0 Pro已上线火山方舟体验中心，后续将在豆包和即梦平台推出。

中国科学技术大学与淘天集团提出的EchoGen是首个基于视觉自回归模型的前馈式主体驱动图像生成框架。通过双路径主体注入策略，EchoGen在生成质量与效率上取得平衡，生成1024×1024图像的延迟仅为5.2秒，较现有扩散模型加速2-18倍，适用于实时应用场景。该研究在ICLR 2026上发表，展示了EchoGen在主体保真度和图像质量上的优势。

Irodori-TTS是由开发者Aratako于2026年发布的日语语音合成项目，具有高保真音质和零样本声音克隆能力。核心模型Irodori-TTS-500M-v3支持48 kHz专业音频输出，用户只需提供3-10秒的参考音频即可精准复刻目标音色，并通过Emoji注释调节情绪和语调。

谷歌的Nano Banana 2 Lite现已在AI Gateway上线，支持快速、低成本的图像生成，生成时间少于4秒，且编辑现有图像的成本降低至每张1K图像0.034美元，约为Nano Banana 2的一半。用户可通过AI SDK使用该模型，支持文本和图像的多模态生成。AI Gateway提供统一的API，便于调用模型和跟踪使用情况。

NVIDIA 发布的 PiD 是一种新型潜空间解码范式，通过条件像素扩散生成取代传统 VAE 解码，解决了高分辨率图像生成的限制。PiD 利用轻量级噪声感知适配器和 DMD2 蒸馏技术，仅需 4 步去噪即可生成清晰的 4K 图像，显著提升了图像质量。

近年来，开放源代码的全能AI模型逐渐成熟，能够统一处理文本、图像、音频和视频。本文介绍了五个前沿模型：NVIDIA的Nemotron 3、Google的Gemma 4、Qwen3-Omni、DeepSeek的Janus-Pro和MiniCPM-o 4.5。这些模型在多模态理解、实时交互和生成能力方面表现出色，适用于客户支持、文档分析和实时语音对话等应用场景。全能模型的出现使AI在实际工作流程中更加高效和自然。

徕卡推出新款SL3-P相机，售价6690美元，配备4400万像素传感器和8K视频录制功能，支持高达40帧每秒的连拍，具备防水防尘设计，适合专业摄影使用。

Google Sheets可以插入和显示图像，以提高数据可读性。用户可通过插入菜单或IMAGE()函数添加图像，图像可以放在单元格内或浮动在单元格上。对于大量图像，使用Drive Explorer Pro工具可自动生成图像链接，简化管理。选择合适的方法可以提高工作效率。

在火山引擎FORCE大会上，发布了豆包大模型2.1 Pro等五大模型，全面升级多模态生成技术。豆包大模型日均Token调用量突破180万亿，成为中国公有云市场的领导者。同时，火山引擎推出AI云原生架构，支持企业高效使用Agent，确保安全合规。新发布的Seedance 2.5和音频生成模型1.0进一步降低了高质量内容生产门槛。

Darktable 5.6于2026年6月21日发布，新增AI子系统、神经恢复模块和色彩协调器模块，支持HEIF格式，增加对新相机的支持，并引入触摸板手势和新白平衡预设。

近年来，AI图像生成技术取得显著进展。使用QVAC SDK，用户可以在本地运行Stable Diffusion模型，无需API密钥或订阅费用，支持离线生成图像，确保隐私和成本控制。文章介绍了如何使用Node.js和Socket.io构建本地应用程序，实现图像生成的过程和技术细节。