UniMate：给任意 3D 骨骼角色一句话生成动作
普林斯顿与 UC Berkeley 等团队开源 UniMate。只需输入绑定骨骼的 3D 模型和文本提示，它就能直接生成关节动作，无需针对特定骨骼微调。无论是人类、飞禽走兽还是刚性机械均可驱动，代码与预训练权重已完整开源。
AI图像
查看更新的新闻
Gemini 接入 Google 相册：一句话批量修图、自动排日程
Google 宣布为 Gemini 的 Spark 智能体接入 Google 相册。用户只需一句提示词，就能跨图库批量消除背景路人、识别海报自动添加日历日程，或定期挑图生成相册。该功能在未来数周面向美国 AI Pro 和 Ultra 订阅用户推出。
开源模型 LLaDA-Image：单个 6B 权重搞定生图与修图
inclusionAI 开源 60 亿参数模型 LLaDA-Image。它无需单独的修图主干网络，用单一权重同时搞定文生图、指令修图和中英文字渲染；4 步蒸馏版 Turbo 还大幅压缩了推理耗时。目前 ComfyUI 插件与 FP8 权重已同步支持。
Google 推出 Pics：直接在文档和幻灯片里抠图、改图中文本
Google 推出 AI 图像工具 Google Pics，基于 Nano Banana 模型打造。它支持主体分割重绘、协作编辑以及直接修改或翻译图内文字。目前已上线独立网站 pics.new 并整合进 Docs 与 Slides，未来几周向 Google AI Pro、Ultra 及 Workspace 商业用户推开。
上海 AI Lab 开源 InternLumina-U2：生图、编辑与全视觉理解全包了
上海人工智能实验室开源 InternLumina-U2 权重与微调代码。它是一个 169 亿参数、激活仅约 14 亿的掩码扩散 MoE 模型，通过 8 码本离散视觉表征，把文本问答、图像生成与编辑、视频及 3D 理解收进同一套接口。
World Labs 推出 Atlas 世界模型：单图生成 1440p 视频与 3D 场景
World Labs 推出通用世界模型 Atlas。它将文本、图像、视频和 3D 数据置于统一空间上下文，支持通过像素级相机控制生成最长 1 分钟的 1440p 视频，并可直接输出 3D 高斯泼溅场景，未来将驱动旗下 Marble 等产品。
字节跳动提出 Lucida：把杂乱房间变成可编辑的 3D 场景
字节跳动研究团队提出可组合 3D 场景建模系统 Lucida。它先识别视频中的每个独立物体并分别构建 3D 资产，再由 VLM 闭环摆回原位，解决了传统 3D 扫描模型融成一体无法单独编辑的难题，为具身智能提供了现成的交互仿真环境。
Viggle 开源 Viggle-Animate：只改一帧画面，就能替完整段视频角色
Viggle 开源视频角色替换模型 Viggle-Animate。它彻底省去了骨骼姿态估计、抠图蒙版和人脸追踪，只需原视频和一张重绘了角色的单帧，通过 3 次前向传播即可完成替换。在单张 B200 上生成 124 帧仅耗时 26 秒。
Midjourney 开启 V8.2 编辑模型公测：支持指令修图与四图参考
Midjourney 宣布向社区开放首个 V8.2 图像编辑模型测试。新模型支持输入文字指令修图、局部重绘与画布扩展，并允许同时传入最多 4 张参考图。最值得关注的是，它取代了此前的全能参考方案，且兼顾个性化参数与情绪板。
Photoshop 测试「AI 辅助编辑器」：整合工具栏，涂鸦就能改图
Adobe 为 Photoshop 测试推出「AI 辅助编辑器」，将去背、画面扩展等功能收归单一工具栏。用户还能用 markup 工具直接在图上画箭头、涂色块来指挥修改，无需打字；配合 Firefly Image 5，AI 甚至能结合全图语境直接微调细节。
NVIDIA 上线 DLSS 4.5 光线重建：换装第二代 Transformer，支持 30 款游戏
NVIDIA 发布 DLSS 4.5 光线重建技术，换装第二代 Transformer 模型。该技术将降噪与超分辨率结合，大幅改善光线追踪画质并减少拖影，已通过 NVIDIA app 在 30 款游戏中上线。体验需配合 580.88 或更新版本驱动并在设置中开启抢先体验。
FixAnything 开源：用视频大模型一键修复“崩掉”的 3D 渲染
研究人员开源 FixAnything，利用视频扩散模型修补 3D 渲染中的瑕疵。无论是 3DGS、NeRF 还是网格，一旦在新视角下出现空洞与漂浮噪点，它都能借助视频先验输出连贯干净的高质量视频。
Bria AI 开源 Fibo 1.5：支持结构化 JSON 提示，4 到 6 步快速出图
Bria AI 开源 8B 参数图像生成模型 Fibo 1.5。它原生支持上千字的结构化 JSON 提示词，能精准微调光影和镜头而不破坏整张画面；经蒸馏后仅需 4 至 6 步推理且无需 CFG，非商用场景可免费下载权重。
Midjourney Alpha 网页版大修补：文件夹折叠归类，旧图放大重绘回归
Midjourney 为其 Alpha 网页版推送大量体验修复。新版本重构了侧边栏，支持文件夹折叠与树状管理，找回了旧版 V8.2 图片的 Upscale 与 Vary 按钮，并解决了提示词输入卡顿和画廊深层滚动变慢等性能问题。
OpenAI 升级 GPT-Image-2：API 支持直接生成透明背景图
OpenAI 宣布在 GPT-Image-2 API 中推出透明背景生成预览功能。开发者无需再借助后期抠图，即可直接生成能够无缝嵌入任何背景的设计素材，适用于电商产品图、平面排版和网页原型。该功能目前处于预览阶段。
4DAnyone：一段普通视频，转成能自由旋转的 4D 角色
开源项目 4DAnyone 发布，只需输入一段单目人物运动视频，就能重建出可任意角度观察的 4D 高斯泼溅模型。它通过提取骨骼引导多视角生成，细节和一致性优于以往同类方案，目前已开源代码及约 12GB 模型权重。
Tripo 推出 P2.0 Preview：原生生成四边面，游戏资产直接可用
Tripo 推出专为游戏与实时渲染管线打造的 3D 生成器 P2.0 Preview。其核心在于原生支持四边面拓扑，支持最高 5 万三角面或 2.5 万四边面，关节处边缘环平滑、平面结构干净。目前每位用户可获赠 2 次免费生成机会。
GeoWeaver 亮相：把普通长视频切片重建，解决 3D 场景漂移难题
研究团队公布 3D 重建框架 GeoWeaver，能把普通长视频转换为全局一致的 3D 场景。它将视频拆成小片段预测深度，再通过长距离匹配逐步拼接，解决了常见的尺度漂移与相机轨迹失真问题，在基准测试中平均误差最低。不过该成果目前仅发布了论文。
好莱坞与字节跳动达成首个 AI 版权协议：强化 Seedance 等工具防护
美国电影协会（MPA）宣布与字节跳动达成首个 AI 版权协议。此前 MPA 曾就海绵宝宝等未授权内容向其发出警告函，字节跳动随后强化了视频工具 Seedance 与图像工具 Seedream 的 IP 保护机制。不过双方并未公开具体防护细节。
字节跳动开源全模态视频模型 Bernini 2：自然语言修视频，但模型达 180GB
字节跳动开源全模态视频编辑模型 Bernini 2，支持用自然语言直接修改已有视频的视角、背景，或在画面中增删角色与物体。它结合语义规划与扩散渲染提升编辑精度，不过仅模型文件就达 180GB，普通设备本地运行门槛极高。