LTX-Video 迎来皮克斯风格 LoRA：一键把视频变成 3D 动画电影
开发者在 Hugging Face 上线适配 LTX-Video 的皮克斯风格 LoRA。该模型未采用影视原作版权素材，能赋予画面大眼睛与电影级光影等 3D 动画质感。模型支持触发词「P1x4r」，可在 Diffusers 或 Draw Things 中直接加载运行。
AI图像
查看更新的新闻
PhyMotion 开源：把 3D 人体放进物理模拟器，专治 AI 视频动作变形
研究团队发布并开源 PhyMotion，专门解决 AI 视频里的肢体畸形与动作扭曲。它从生成视频中提取 3D 人体并放入 MuJoCo 物理模拟器打分，检验关节移动和接地是否合乎规律，以此奖励模型，显著改善了瑜伽、功夫等动作的真实度。
非对称流模型 AsymFlow 发布：绕过 VAE 直接在像素空间生图
研究团队提出非对称流模型 AsymFlow，完全绕过潜在空间和 VAE，直接在像素空间生成图像。它将噪声预测限制在低秩子空间，生成速度提升 40% 且在 ImageNet 拿下 1.57 FID。这意味着 AI 生图能摆脱塑料感，获得更锐利的真实纹理。
Krea 推出首个自研模型 Krea 2：完全从零构建，主打风格控制
Krea 推出首个自研图像基础模型 Krea 2。与以往基于第三方模型搭建工具不同，该模型完全从零开始训练，专为图像生成的美学多样性与精细风格控制而设计。此举标志着 Krea 从应用封装转向底层自研，目前已向用户开放早期访问。
开源图像模型 L2P 发布：砍掉 VAE 与潜空间，直接生成像素级画质
开源图像生成模型 L2P 发布。该模型彻底移除了传统扩散模型中的 VAE 和潜空间，直接在像素空间生成图像，最高可支持 4K 分辨率。最值得关注的是，它避免了潜空间转换造成的画质损失；目前已开源代码与 20GB 大小的 1K 分辨率模型权重。
SenseNova 开源 U1.5-8B：不用 VAE 解码，直接在像素空间出 4K 图
SenseNova 开源统一多模态模型 SenseNova-U1.5-8B-MoT，采用 Apache 2.0 协议。它跳过了传统的潜空间与 VAE 编解码步骤，直接在像素空间端到端生成原生 4K 图像，并支持通过自然语言修改文字与局部元素。不过模型权重约 50GB，本地部署对显卡要求较高。
Vivago AI 开源 HiDream-O1 Image：干掉 VAE，搞定 2K 文字与海报排版
Vivago AI 开源图像生成模型 HiDream-O1 Image，直接在像素空间端到端处理，去掉了传统的 VAE 架构。它最高支持 2048×2048 分辨率，不仅能做语义级编辑，还攻克了开源模型最头疼的文字渲染和复杂海报排版。模型提供完整版和轻量 dev 版，但 32GB 的体积对本地显存提出了较高要求。
Pixal3D 开源：靠像素对齐做图生 3D，生成超高精度几何网格
图生 3D 模型 Pixal3D 开放本地运行代码。它摒弃了传统生成模型在规范空间松散匹配图像的做法，直接将 2D 像素与 3D 结构明确对应。其输出的 3D 网格在几何精度与纹理细节上逼近真实重建水平，效果显著超越同类工具。
Relit-LiVE 视频重打光框架：无需相机追踪，长镜头光影保持物理真实
研究团队提出视频重打光框架 Relit-LiVE，无需相机姿态数据，就能在一个扩散过程中联合预测重打光画面与逐帧环境贴图。它在长镜头中能保持阴影与反射的物理真实，还支持去光照与材质替换等编辑任务。
LTX Studio 推出 Flows：内置节点画布，支持批量运行视觉工作流
LTX Studio 推出节点画布功能 Flows。用户可以通过可视化节点界面设计自定义视觉生成管线，搭建一次即可按需批量执行。最值得关注的是，该功能专为规模化图像与视频生成打造，让创作者无需每次重新构建流程，大幅降低重复配置成本。
阿里发布图像加速方法 CDM：扩散模型 4 步出图，细节超越 DMD2
阿里推出图像生成加速方法 CDM，把传统扩散模型所需的 20 到 50 步去噪压缩至 4 步，实现约 5 倍加速。相比之前的 DMD2，它避免了画面塑料感，能保留更细腻的纹理。目前已支持 Stable Diffusion 3 和 LongCat，让消费级 GPU 也能近乎实时出图。
开源动漫模型 Zanime 发布：60 亿参数全量微调，4 步极速出图
开源动漫图像模型 Zanime 正式发布，由开发者基于阿里 Z-Image Base 架构全量微调而成。模型拥有 60 亿参数，不仅提供 6GB 大小的 FP8 版本，还推出 4 步极速蒸馏版，8GB 显存也能轻松跑。它改用自然语言提示词替代传统 tag 列表，支持任意比例生图。
PhysForge 亮相：生成带关节与物理特性的 3D 资产，仿真器直接能用
研究团队发布 3D 生成框架 PhysForge，让生成的 3D 物体不仅好看，还自带关节、材质与运动逻辑。系统先由视觉语言模型规划物理蓝图，再由扩散模型生成带运动学参数的资产。这意味着机器人仿真和游戏开发者无需手动绑定骨骼，就能直接拿去交互与训练。
Unity 开启 Unity AI 公测：内置 Unity 6，设计图直接转游戏资产
Unity 宣布 Unity AI 正式面向 Unity 6 及以上开发者开启公测。该工具直接内置于编辑器，能将设计图转化为可用资产与可玩场景，并支持随时撤销。开发者还可通过 AI Gateway 接入自选工具，或借助 MCP 服务器从 IDE 协同调用。
Sprite-Pipeline：将 AI 视频转成游戏可用的 2D 精灵图动画
开源工具 Sprite-Pipeline 能将 AI 视频转为游戏可用的 2D 精灵图。它通过 FFmpeg 抽帧、抠图去背景，并拼成 256×256 的透明横向序列帧，可直接导入 Unity 或 Godot。项目还附带浏览器预览器与 AI 提示词规范，帮独立开发者低成本落地角色动画。
Microsoft 发布 Map2World：画张俯视色块图，直接生成可探索 3D 世界
Microsoft 推出 AI 框架 Map2World。用户只需输入一张颜色分区的俯视地图并搭配提示词，系统就能生成可旋转探索的完整 3D 世界，还能精准控制建筑比例。它摆脱了传统网格布局限制，让大场景 3D 建模像画地图一样直观。
UniVid-X 视频框架发布：不仅能抠像换背景，还能重构光照与表面法线
研究团队提出视频多模态框架 UniVid-X。它不仅能生成 RGB 视频，还能直接解析和生成物体的基础颜色、光照信息、表面法线以及前后景 Alpha 通道。这意味着只需输入一段视频，就能精准完成角色替换、背景抠像甚至黄昏重打光等精细编辑。
Mocap Anything v2 开源：普通单目视频直接生成可动画 3D 骨骼
动作捕捉模型 Mocap Anything v2 正式开源。它支持从普通单目视频中直接预测任意骨骼结构的旋转与动作，人类、动物或虚构生物都能套用。模型采用完全端到端训练，解决了传统算法导致的关节翻转与抖动，大幅降低了 3D 动画制作门槛。
Nvidia 预告 D-Rex：全身数字人不仅表情逼真，还能任意换光照
Nvidia 公布全身数字人系统 D-Rex。它把表演与光照解耦，先在白光下生成带表情动作的全身 Avatar，再用扩散模型叠加目标 HDR 光照。这意味着数字人既能保持细腻神态，又能无缝融入任意虚拟场景。
RecGen：哪怕被严重遮挡，看一张图也能脑补完整 3D 场景
研究团队提出 3D 重建框架 RecGen。它只需一张或少量包含深度信息的 RGB-D 图像，就能分割并补全被遮挡物体的完整几何、纹理和空间位置。其几何质量相比前代标杆提升 30.1%，为机器人仿真和空间环境理解提供了更实用的建模能力。