Diffusion Controller 如何统一并简化 AI 图像生成
Google Research 提出 Diffusion Controller 框架，将图像生成去噪过程重构为连续控制问题，以轻量级转向阻尼器网络在灰盒环境下超越 LoRA。实验基于 Stable Diffusion v1.4 并在 HPS-v2 上评估，同时支持运行时调节控制强度。
#图像生成
#图像生成
今日 1 条Google ResearchAI 评分5757
AWS Machine Learning BlogAI 评分4141 在 SageMaker AI 上用 vLLM-Omni 生成图像和视频（第 2 部分）
同一 AWS vLLM-Omni DLC 在 SageMaker AI 部署两个端点：FLUX.2-klein-4B 实时生成图像，Wan2.1-VACE-1.3B 再异步把该图像做成短视频。
Latent SpaceAI 评分6161 Runway GWM Worlds 2 研究预览：WorldPrompt 实现实时世界交互
Runway 推出 GWM Worlds 2 研究预览，引入 WorldPrompt 功能以指定世界和动作，实现实时交互视频和音频生成。文章采访 CTO Kamil Sindi 和研究科学家，探讨了 autoregressive diffusion 模型和从视频生成到世界模型的工程挑战，包括 distillation 方法。
OpenAI NewsAI 评分2828 ChatGPT Images 2.5 发布
ChatGPT Images 2.5 发布，帮助用户将想法、草图和参考照片转化为更个性化、更精致的图像，生成的图像更能反映用户的原始想法。
Google AI Blog精选AI 评分6060 Google Pics 在 Google Workspace 中推出图像生成与编辑功能
Google Pics 基于 Nano Banana 模型，面向 Google AI Pro、Ultra 订阅者及大部分 Workspace 商业用户开放，可进行对象分割、图像内文字编辑与翻译、多选项生成和协作编辑。该工具以独立产品形式推出，并已集成到 Docs 和 Slides，Drive 将在未来几周跟进，使用入口为 pics.new。
推荐理由：原文给出了生成与编辑能力及 Workspace 入口，读者可据此判断它会怎样融入现有办公流程。
Google ResearchAI 评分5151 Google Research推出PhotoScan：用智能手机图像估算 cardiometabolic 风险
Google Research发布PhotoScan，一种基于深度学习的研究框架，可从标准2D智能手机照片估算三维身体成分指标（体脂率、A/G比、V/S比），用于预测胰岛素抵抗。
Hugging Face Blog精选AI 评分6868 Nunchaku Lite 正式接入 Diffusers，4-bit 量化扩散模型推理无需额外推理引擎
Nunchaku Lite 现已原生集成到 Diffusers，用户可通过 from_pretrained() 直接加载 4-bit 量化扩散模型，无需单独推理引擎或本地 CUDA 编译。
推荐理由：Nunchaku Lite 现已原生接入 Diffusers，无需额外引擎即可通过 from_pretrained() 加载 4-bit 量化模型，在 RTX 5090 上 VRAM 从 24GB 降至约 12GB，推理加速约 30%。
Google DeepMind精选AI 评分6969 Google DeepMind 发布 Nano Banana 2 Lite 与 Gemini Omni Flash
Google DeepMind 发布两款生成模型，Nano Banana 2 Lite 面向高吞吐的快速出图，Gemini Omni Flash 面向高质量视频生成与对话式编辑，均已上线 Google AI Studio、Gemini API 和 Gemini Enterprise Agent Platform。
推荐理由：Nano Banana 2 Lite 每张 1K 图 0.034 美元、Omni Flash 每秒视频 0.10 美元，读者可据此比较两款模型在图像与视频环节的成本取舍。
Google DeepMind精选AI 评分6969 Google DeepMind 发布 Gemini Omni Flash
Google DeepMind 发布 Gemini Omni Flash，支持图像音频视频文本多模态输入生成视频并通过自然语言对话编辑，模型融合物理理解与世界知识推理。该模型今日起面向 Gemini app、Google Flow 及 YouTube Shorts 开放，所有视频均带有 SynthID 数字水印。
推荐理由：Google DeepMind 发布 Gemini Omni Flash，将推理与创造能力结合，支持图像音频视频文本多模态输入生成视频并可通过对话编辑，为视频创作提供了融合物理理解与世界知识的生成新路径。
Google DeepMind精选AI 评分6262 Google 扩展内容透明度工具，SynthID 验证进入搜索与 Chrome
Google 正在把内容透明度与验证工具扩展到搜索、Gemini、Chrome、Pixel 和 Google Cloud。SynthID 已为超过 1000 亿张图片和视频、6 万年音频加上水印，Gemini 应用中的验证功能已被使用 5000 万次，并将在未来几周扩展到搜索和 Chrome。
推荐理由：原文列出了 SynthID 与 C2PA 在搜索、Chrome、Pixel 上的落地范围，可据此判断内容溯源的行业分工。
Berkeley AI ResearchAI 评分3232 Information-Driven Design of Imaging Systems
伯克利 AI 研究提出基于信息量的成像系统直接评估与优化框架，用噪声测量估计互信息以统一分辨率、噪声等质量指标。在颜色摄影、射电天文、无透镜成像和显微镜四个领域验证，信息估计可预测解码器性能并指导设计优化，比端到端方法需更少内存与计算，且无需任务特定解码器。