LTX-Video 전용 픽사 스타일 LoRA 공개: 3D 애니메이션 질감 영상 구현
허깅페이스에 LTX-Video 모델용 픽사 스타일 LoRA가 공개됐다. 기존 영상의 저작권 이미지를 쓰지 않고 학습됐으며, 'P1x4r' 트리거 단어를 통해 특유의 부드러운 표면 질감과 풍부한 눈빛, 시네마틱 조명을 연출한다. Diffusers 및 Draw Things 등 로컬 도구에서 손쉽게 불러와 실행할 수 있다.
AI 이미지
최신 소식 보기
AI 영상의 인체 왜곡 잡는 'PhyMotion' 공개: 물리 시뮬레이터로 움직임 채점
AI 영상 속 부자연스러운 인체 움직임을 바로잡는 보상 프레임워크 'PhyMotion'의 코드가 공개됐다. 생성된 영상에서 3D 인체를 추출해 MuJoCo 물리 시뮬레이터에서 관절과 접지 상태를 평가하는 방식으로, 요가나 무술 등 복잡한 동작의 사지 왜곡을 크게 줄여준다.
비대칭 플로우 모델 AsymFlow 발표: VAE 없이 픽셀 공간에서 직접 이미지 생성
잠재 공간과 VAE를 건너뛰고 픽셀 공간에서 이미지를 바로 생성하는 모델 AsymFlow가 공개되었습니다. 노이즈 예측을 저차원 부분 공간으로 제한해 속도를 40% 끌어올리고 ImageNet에서 1.57 FID를 기록했습니다. 기존 잠재 공간 모델 특유의 인위적인 느낌을 없애고 훨씬 선명한 텍스처를 구현합니다.
크레아, 첫 자체 이미지 파운데이션 모델 '크레아 2' 공개
크레아가 밑바닥부터 자체 개발한 첫 파운데이션 모델 '크레아 2'를 공개했다. 기존 서드파티 모델 기반 도구에서 벗어나 이미지의 미적 다양성과 스타일 정밀 제어에 특화되도록 설계된 것이 특징이다. 현재 조기 액세스 신청을 받고 있다.
오픈소스 이미지 모델 L2P 공개: VAE 없애고 픽셀 공간서 직접 생성
이미지 생성 모델 L2P가 공개됐다. 기존 확산 모델의 필수 구성 요소였던 VAE와 잠재 공간을 제거해 픽셀 공간에서 직접 이미지를 생성하며 최대 4K 해상도를 지원한다. 잠재 압축으로 인한 화질 손실을 줄인 것이 특징으로, 현재 코드와 1K 해상도용 20GB 모델 가중치가 공개됐다.
SenseNova, U1.5-8B 오픈소스 공개: VAE 없이 픽셀 공간에서 4K 직접 생성
SenseNova가 멀티모달 모델 SenseNova-U1.5-8B-MoT를 Apache 2.0 라이선스로 오픈소스 공개했습니다. 잠재 공간과 VAE 디코더를 거치지 않고 픽셀 공간에서 직접 네이티브 4K 이미지를 생성하며, 자연어 기반 부분 수정과 텍스트 편집도 지원합니다. 다만 가중치 크기가 약 50GB에 달해 고사양 GPU가 필요합니다.
Vivago AI, HiDream-O1 Image 오픈소스 공개: VAE 없이 2K 텍스트 포스터 완벽 구현
Vivago AI가 픽셀 기반 오픈소스 이미지 생성 모델 'HiDream-O1 Image'를 공개했다. 기존 VAE를 완전히 걷어내고 통합 트랜스포머 구조를 채택해 최대 2K 해상도와 정교한 텍스트 렌더링, 복잡한 인포그래픽 레이아웃을 구현한다. 기본 모델과 dev 모델로 나뉘어 제공되며, 파일 크기가 32GB에 달해 구동에는 고사양 GPU가 요구된다.
Pixal3D 공개: 단일 이미지에서 초정밀 3D 에셋을 뽑아내는 픽셀 정렬 모델
단일 이미지를 고정밀 3D 모델로 변환하는 Pixal3D의 코드가 공개되었다. 2D 픽셀과 3D 구조를 직접 연결하는 픽셀 정렬 방식을 도입해 기존 모델의 형태 왜곡 문제를 해결했다. 게임 및 가상 제작에 바로 쓸 수 있을 만큼 정밀한 지오메트리와 텍스처를 구현한다.
비디오 재조명 프레임워크 Relit-LiVE: 카메라 트래킹 없이 안정적인 물리 광원 구현
연구진이 사전 카메라 포즈 데이터 없이 비디오 조명을 재구성하는 프레임워크 Relit-LiVE를 공개했습니다. 재조명된 프레임과 프레임별 왜곡 환경 맵을 함께 생성해 긴 영상에서도 반사와 그림자를 물리적으로 안정되게 유지하며, 재질 교체와 디라이팅 편집도 지원합니다.
LTX 스튜디오, 노드 기반 캔버스 '플로우스' 출시…반복 생성 자동화
LTX Studio는 맞춤형 비주얼 생성 워크플로를 구축할 수 있는 노드 기반 캔버스 'Flows'를 출시했다. 시각적 노드 환경에서 작업 로직을 한 번 설계하면 필요할 때마다 배치를 반복 실행할 수 있다. 매번 파이프라인을 새로 짤 필요 없이 이미지와 영상 작업을 자동화해 작업 효율을 높였다.
알리바바, 4단계로 고화질 이미지 뽑는 가속 기술 'CDM' 공개
알리바바는 확산 모델의 생성 과정을 4스텝으로 줄여주는 가속 기술 'CDM'을 발표했다. 20~50단계가 걸리던 추론을 약 5배 단축하면서도, 기존 DMD2의 플라스틱 같은 뭉개짐 없이 선명한 디테일을 유지한다. 현재 SD3와 LongCat에 적용돼 일반 GPU에서도 준실시간 생성이 가능하다.
60억 파라미터 애니메이션 생성 AI '자니메' 공개…4스텝 초고속 생성 지원
알리바바의 Z-Image Base를 기반으로 전면 미세조정한 오픈소스 애니메이션 이미지 생성 모델 'Zanime'가 공개됐다. 60억 파라미터 규모로 6GB 용량의 FP8 및 4스텝 증류 버전을 지원해 8GB VRAM 환경에서도 몇 초 만에 이미지를 뽑아낸다. 기존 태그 나열 방식 대신 자연어 프롬프트를 요구하는 것이 특징이다.
로봇이 바로 만지는 3D 자산 만든다…물리 기반 생성 프레임워크 'PhysForge' 공개
관절과 재질 등 물리적 특성을 갖춘 3D 자산을 생성하는 프레임워크 'PhysForge'가 공개됐다. 시각언어모델이 물리 청사진을 기획하고 확산 모델이 운동학 매개변수를 담은 3D 객체를 생성한다. 로봇 훈련 시뮬레이션에서 수작업 뼈대 설정 없이 즉시 상호작용 가능한 물체를 얻을 수 있다.
유니티, '유니티 AI' 공개 베타 개시…에디터에서 디자인 바로 애셋 변환
유니티가 유니티 6 이상 버전을 사용하는 개발자를 대상으로 '유니티 AI' 오픈 베타를 시작했다. 에디터에 내장돼 프로젝트 맥락을 인식하며 디자인 이미지를 즉시 게임 애셋과 씬으로 변환한다. AI 게이트웨이 및 MCP 서버를 통한 외부 도구 연동도 지원한다.
Sprite-Pipeline: AI 생성 영상을 게임용 2D 스프라이트 시트로 변환
오픈소스 도구 Sprite-Pipeline이 공개되었다. AI로 만든 캐릭터 모션 영상에서 FFmpeg로 프레임을 추출하고 배경을 투명화해 Unity나 Godot에서 바로 쓸 수 있는 256×256 가로형 스프라이트 시트로 패키징한다. 로컬 브라우저 뷰어와 프롬프트 가이드도 함께 제공해 인디 게임 개발자의 에셋 제작을 돕는다.
마이크로소프트, 평면 지도로 3D 세계 만드는 '맵투월드' 공개
마이크로소프트는 2D 조감도 분할 지도와 텍스트 프롬프트를 기반으로 탐험 가능한 3D 세계를 생성하는 '맵투월드(Map2World)'를 공개했다. 색상 영역별로 다른 콘셉트를 지정해 일관된 비율의 거대한 3D 환경을 자유롭게 구축할 수 있다.
영상 속 빛과 법선까지 다루는 'UniVid-X' 공개…정밀 재조명·배경 합성 지원
비디오 생성 프레임워크 'UniVid-X'가 공개됐다. 일반적인 RGB 비디오뿐만 아니라 물체의 고유 색상, 조명, 표면 법선 및 알파 채널을 동시에 이해하고 생성할 수 있는 것이 특징이다. 이를 통해 영상 속 빛의 방향을 황혼으로 다시 비추거나 정밀하게 전경과 배경을 분리해 교체하는 편집이 쉬워진다.
Mocap Anything v2 공개: 일반 영상에서 임의의 3D 골격 애니메이션 직접 생성
임의의 골격 구조를 지원하는 모션 캡처 AI 'Mocap Anything v2'가 공개됐다. 단안 영상에서 사람, 동물, 가상 생명체 등의 관절 회전을 직접 추출하며, 완전한 엔드투엔드 학습 방식을 도입해 기존의 관절 뒤틀림과 떨림 문제를 해결하고 3D 애니메이션 제작 문턱을 낮췄다.
엔비디아 D-Rex 공개: 표정 풍부한 전신 아바타에 자유자재로 조명 입힌다
엔비디아가 전신 디지털 휴먼 프레임워크 D-Rex를 공개했다. 아바타 모션과 조명을 분리해, 기본 백색광에서 표정을 살린 뒤 확산 모델로 목표 HDR 조명을 입히는 방식이다. 복잡한 3D 연산 없이도 표정을 유지한 채 다양한 가상 조명에 녹아든다.
가려진 물체도 3D로 복원하는 AI 모델 'RecGen' 공개
단 한 장 또는 소수의 RGB-D 이미지로 겹쳐진 다중 물체의 전체 3D 형상과 위치를 복원하는 'RecGen'이 공개됐다. 가려진 영역의 기하 구조를 높은 정밀도로 추정해 기존 SAM3D 대비 형상 품질을 30.1% 개선했으며, 로봇 시뮬레이션의 환경 모델링에 유용하다.