本文提出了解决一般性编辑任务的统一框架！近期，复旦大学 FVL 实验室和南洋理工大学的研究人员对于多模态引导的基于文生图大模型的图像编辑算法进行了总结和回顾。综述涵盖 300 多篇相关研究，调研的最新模型截止至今年 6 月！
超越扩散模型！自回归范式在图像生成领域再次被验证——
如何生成高难度、指令超复杂的视频呢？
OpenAI在5月14日推出了新一代人工智能模型GPT-4o，支持文本、音频和图像的任意组合输入，并能够生成文本、音频和图像的任意组合输出。仅仅一天后，谷歌就在新一届I/O开发者大会上发布、更新了十多款产品，包括AI助手Project Astra、文生图模型Imagen3、对标Sora的文生视频模型Veo，以及备受瞩目的大模型Gemini 1.5 Pro的升级版。
ControlNet作者新项目，居然也搞起大模型和Agent了。
随着大模型产品可图的正式发布，快手也将持续为用户带来更丰富有趣的AI互动新体验。
七年前，一张帅气军装照的H5活动，成为现象级刷屏朋友圈的“始祖”。
文生图模型成熟之后，有多少人苦练Midjourney咒语，还是调不出可用的图像？
又一家大模型开源了，这次是腾讯。
北京时间 5 月 15 日凌晨，在 OpenAI 春季发布会的第二天，2024 年谷歌 I/O 召开，这是一场充满了 AI 的发布会，谷歌对其旗下的多款 AI 产品发布了大更新，从基座模型 Gemini 到新的 AI 助手 Astra、新的文生视频模型 Veo，以及更强大的文生图模型 Imagen 3。
