UniMate：給任意 3D 骨骼角色一句話生成動作
普林斯頓與 UC Berkeley 等團隊開源 UniMate。只需輸入繫結骨骼的 3D 模型和文本提示，它就能直接生成關節動作，無需針對特定骨骼微調。無論是人類、飛禽走獸還是剛性機械均可驅動，程式碼與預訓練權重已完整開源。
AI影像
檢視更新的新聞
Gemini 接入 Google 相簿：一句話批次修圖、自動排日程
Google 宣佈為 Gemini 的 Spark 智慧體接入 Google 相簿。使用者只需一句提示詞，就能跨相簿批次消除背景路人、識別海報自動新增日曆日程，或定期挑圖生成相簿。該功能在未來數週面向美國 AI Pro 和 Ultra 訂閱使用者推出。
開源模型 LLaDA-Image：單個 6B 權重搞定生圖與修圖
inclusionAI 開源 60 億引數模型 LLaDA-Image。它無需單獨的修圖主幹網路，用單一權重同時搞定文生圖、指令修圖和中英文字渲染；4 步蒸餾版 Turbo 還大幅壓縮了推理耗時。目前 ComfyUI 外掛與 FP8 權重已同步支援。
Google 推出 Pics：直接在文件和幻燈片裡摳圖、改圖中文本
Google 推出 AI 影像工具 Google Pics，基於 Nano Banana 模型打造。它支援主體分割重繪、協作編輯以及直接修改或翻譯圖內文字。目前已上線獨立網站 pics.new 並整合進 Docs 與 Slides，未來幾週向 Google AI Pro、Ultra 及 Workspace 商業使用者推開。
上海 AI Lab 開源 InternLumina-U2：生圖、編輯與全視覺理解全包了
上海人工智慧實驗室開源 InternLumina-U2 權重與微調程式碼。它是一個 169 億引數、啟用僅約 14 億的掩碼擴散 MoE 模型，通過 8 碼本離散視覺表徵，把文本問答、影像生成與編輯、影片及 3D 理解收進同一套介面。
World Labs 推出 Atlas 世界模型：單圖生成 1440p 影片與 3D 場景
World Labs 推出通用世界模型 Atlas。它將文本、影像、影片和 3D 資料置於統一空間上下文，支援通過畫素級相機控制生成最長 1 分鐘的 1440p 影片，並可直接輸出 3D 高斯潑濺場景，未來將驅動旗下 Marble 等產品。
字節跳動提出 Lucida：把雜亂房間變成可編輯的 3D 場景
字節跳動研究團隊提出可組合 3D 場景建模系統 Lucida。它先識別影片中的每個獨立物體並分別構建 3D 資產，再由 VLM 閉環擺回原位，解決了傳統 3D 掃描模型融成一體無法單獨編輯的難題，為具身智慧提供了現成的互動模擬環境。
Viggle 開源 Viggle-Animate：只改一幀畫面，就能替完整段影片角色
Viggle 開源影片角色替換模型 Viggle-Animate。它徹底省去了骨骼姿態估計、摳圖蒙版和人臉追蹤，只需原影片和一張重繪了角色的單幀，通過 3 次前向傳播即可完成替換。在單張 B200 上生成 124 幀僅耗時 26 秒。
Midjourney 開啟 V8.2 編輯模型公測：支援指令修圖與四圖參考
Midjourney 宣佈向社群開放首個 V8.2 影像編輯模型測試。新模型支援輸入文字指令修圖、區域性重繪與畫布擴充套件，並允許同時傳入最多 4 張參考圖。最值得關注的是，它取代了此前的全能參考方案，且兼顧個性化引數與情緒板。
Photoshop 測試「AI 輔助編輯器」：整合工具欄，塗鴉就能改圖
Adobe 為 Photoshop 測試推出「AI 輔助編輯器」，將去背、畫面擴充套件等功能收歸單一工具欄。使用者還能用 markup 工具直接在圖上畫箭頭、塗色塊來指揮修改，無需打字；配合 Firefly Image 5，AI 甚至能結合全圖語境直接微調細節。
NVIDIA 上線 DLSS 4.5 光線重建：換裝第二代 Transformer，支援 30 款遊戲
NVIDIA 釋出 DLSS 4.5 光線重建技術，換裝第二代 Transformer 模型。該技術將降噪與超解析度結合，大幅改善光線追蹤畫質並減少拖影，已通過 NVIDIA app 在 30 款遊戲中上線。體驗需配合 580.88 或更新版本驅動並在設定中開啟搶先體驗。
FixAnything 開源：用影片大模型一鍵修復“崩掉”的 3D 渲染
研究人員開源 FixAnything，利用影片擴散模型修補 3D 渲染中的瑕疵。無論是 3DGS、NeRF 還是網格，一旦在新視角下出現空洞與漂浮噪點，它都能借助影片先驗輸出連貫乾淨的高質量影片。
Bria AI 開源 Fibo 1.5：支援結構化 JSON 提示，4 到 6 步快速出圖
Bria AI 開源 8B 引數影像生成模型 Fibo 1.5。它原生支援上千字的結構化 JSON 提示詞，能精準微調光影和鏡頭而不破壞整張畫面；經蒸餾後僅需 4 至 6 步推理且無需 CFG，非商用場景可免費下載權重。
Midjourney Alpha 網頁版大修補：資料夾摺疊歸類，舊圖放大重繪迴歸
Midjourney 為其 Alpha 網頁版推送大量體驗修復。新版本重構了側邊欄，支援資料夾摺疊與樹狀管理，找回了舊版 V8.2 圖片的 Upscale 與 Vary 按鈕，並解決了提示詞輸入卡頓和畫廊深層滾動變慢等效能問題。
OpenAI 升級 GPT-Image-2：API 支援直接生成透明背景圖
OpenAI 宣佈在 GPT-Image-2 API 中推出透明背景生成預覽功能。開發者無需再借助後期摳圖，即可直接生成能夠無縫嵌入任何背景的設計素材，適用於電商產品圖、平面排版和網頁原型。該功能目前處於預覽階段。
4DAnyone：一段普通影片，轉成能自由旋轉的 4D 角色
開源專案 4DAnyone 釋出，只需輸入一段單目人物運動影片，就能重建出可任意角度觀察的 4D 高斯潑濺模型。它通過提取骨骼引導多視角生成，細節和一致性優於以往同類方案，目前已開原始碼及約 12GB 模型權重。
Tripo 推出 P2.0 Preview：原生生成四邊面，遊戲資產直接可用
Tripo 推出專為遊戲與即時渲染管線打造的 3D 生成器 P2.0 Preview。其核心在於原生支援四邊面拓撲，支援最高 5 萬三角面或 2.5 萬四邊面，關節處邊緣環平滑、平面結構乾淨。目前每位使用者可獲贈 2 次免費生成機會。
GeoWeaver 亮相：把普通長影片切片重建，解決 3D 場景漂移難題
研究團隊公佈 3D 重建框架 GeoWeaver，能把普通長影片轉換為全域性一致的 3D 場景。它將影片拆成小片段預測深度，再通過長距離匹配逐步拼接，解決了常見的尺度漂移與相機軌跡失真問題，在基準測試中平均誤差最低。不過該成果目前僅釋出了論文。
好萊塢與字節跳動達成首個 AI 版權協議：強化 Seedance 等工具防護
美國電影協會（MPA）宣佈與字節跳動達成首個 AI 版權協議。此前 MPA 曾就海綿寶寶等未授權內容向其發出警告函，字節跳動隨後強化了影片工具 Seedance 與影像工具 Seedream 的 IP 保護機制。不過雙方並未公開具體防護細節。
字節跳動開源全模態影片模型 Bernini 2：自然語言修影片，但模型達 180GB
字節跳動開源全模態影片編輯模型 Bernini 2，支援用自然語言直接修改已有影片的視角、背景，或在畫面中增刪角色與物體。它結合語義規劃與擴散渲染提升編輯精度，不過僅模型檔案就達 180GB，普通裝置本地執行門檻極高。