在 SageMaker AI 上使用 vLLM-Omni 生成图像和视频教程（第 2 部分）
AWS 的示例在 SageMaker AI 上使用同一 vLLM-Omni 容器部署图像与视频端点，实现从文本生成图像再转为短视频。FLUX.2-klein-4B 通过实时推理生成图像，Wan2.1-VACE-1.3B 通过异步推理生成视频，MP4 存入 Amazon S3。
#图像生成
#图像生成
今日 2 条AWS Machine Learning BlogAI 评分4444 Google ResearchAI 评分5050 Diffusion Controller 如何统一并简化 AI 图像生成
Google Research 提出 Diffusion Controller，将图像去噪重构为连续控制问题，统一生成引导与微调方法。其轻量附加网络在冻结基础模型时改善人类偏好匹配，允许修改内部权重的微调版本相对基线取得 90% 胜率。实验采用 Stable Diffusion v1.4，以 HPS-v2 评估表现。
Hugging Face Blog精选AI 评分6868 如何用 Gradio Workflow 重建 AUTOMATIC1111 的大部分功能
Hugging Face 展示了如何用 Gradio Workflow 构建 Workflow1111，以 73 个节点、11 条媒体流水线重建 AUTOMATIC1111 的大部分功能。
推荐理由：将模型调用与本地处理统一为节点，并从输出自动生成接口，提供了把多模型演示转为可共享、可编程调用应用的具体方法。
OpenAI NewsAI 评分4848 ChatGPT Images 2.5 发布
OpenAI 推出 ChatGPT Images 2.5，可将想法、草图和参考照片转化为更个性化、更精致的图像。生成结果能更好地体现用户的创意。
Hugging Face BlogAI 评分5959 如何用 TRL 和 OpenEnv 训练 Qwen3.5-35B-A3B 编写代码绘制水彩
作者用 TRL 和 OpenEnv 复现了以强化学习训练 Qwen3.5-35B-A3B 编写 p5.brush 水彩绘画代码的方法，并公开数据、环境、脚本和训练产物。
Hugging Face BlogAI 评分5353 Diffusers 原生支持 Nunchaku Lite 4-bit 扩散模型推理
Diffusers 新增 Nunchaku Lite 原生支持，可通过 from_pretrained() 加载量化检查点，无需独立推理引擎或本地 CUDA 编译。
Google ResearchAI 评分4747 Google Research 探究扩散模型的创造力来源
Google Research 从数学机制解释扩散模型的创造力，指出训练中的正则化会平滑得分函数，使模型生成训练样本之间的新数据，而非仅复制样本。实验显示，权重衰减越强，学到的得分函数越平滑；即使没有显式正则化，基于梯度的训练也可能通过隐式正则化产生这一效果。
Hugging Face BlogAI 评分4343 PRX 第 4 部分：训练数据策略
PRX 团队将公共与内部数据集混合，用 VLM 重新生成图像描述，构建用于训练的流式语料。其 7B 模型预训练重视覆盖面与多样性，采用准确的长描述和轻量过滤。数据管线用 Lance 整理、MDS 流式读取；改用 Qwen3-VL 后，训练时实时计算文本潜在表示，吞吐量代价约为 3–4%。
Google DeepMind精选AI 评分8383 开始使用 Nano Banana 2 Lite 与 Gemini Omni Flash 构建多媒体应用
Google DeepMind 发布 Nano Banana 2 Lite，并向开发者开放 Gemini Omni Flash，分别用于快速图像生成和视频生成、对话式编辑。
推荐理由：文中明确区分图像模型的速度、成本与质量定位，并列出视频模型的输入处理限制，为多媒体工作流选型提供具体依据。
Google Research精选AI 评分7474 Google Photos Auto frame 支持自动调整照片视角与人像透视
Google Photos 的 Auto frame 已支持三维感知照片编辑，可自动调整符合条件的人物照片的相机视角，并修正广角人像透视畸变。该方法先估计三维点图与相机参数并重新渲染，再用专门训练的潜在扩散模型补全新视角下的缺失区域，同时尽量保留原始可见内容。
推荐理由：相较于只能裁剪或缩放的传统编辑，这种方法通过重建三维场景再补全遮挡区域，将拍摄后的构图调整扩展到相机视角。
Google ResearchAI 评分4646 Google Research 推出 PaperVizAgent 和 ScholarPeer：用 AI 智能体改进学术绘图与同行评审
Google Research 推出 PaperVizAgent 和 ScholarPeer，分别用于生成学术图表和自动评审论文。PaperVizAgent 在经人类图表校准的 LLM 评测中总分为 60.2，超过设定的人工基线 50.0。ScholarPeer 结合网络文献检索与技术主张核验，在并排评测中优于先进自动评审方案。