Générateurs d'images IA
Les générateurs d'images IA créent des visuels à partir d'un texte : Midjourney, Stable Diffusion, FLUX, DALL-E et Nano Banana transforment une description en illustration, photo ou œuvre d'art en quelques secondes. La qualité rivalise désormais avec le design professionnel, tandis que les tribunaux tranchent le droit d'auteur. Voici toute notre couverture de la génération d'images : sorties de modèles, comparatifs, prix et batailles juridiques.
Un auteur de Habr contourne SynthID sur une image de 1536×1024 avec ControlNet Canny
JPEG et bruit n'ont pas entamé le filigrane de Google. Mélanger la texture d'une seconde version de la scène, générée via ControlNet Canny, a donné le verdict not…
Les photos génératives dans l'e-commerce érodent la confiance : l'image ne garantit plus le produit
Les vendeurs changent de fond et créent des scènes en minutes, sans shooting ; les acheteurs se fient de moins en moins aux photos. Comment préserver la confiance…
V-GEN : un générateur autonome de JT alimenté par Google Gemini et FFmpeg
V-GEN automatise la fabrication de journaux télévisés en Full HD : Google Gemini Grounding traque les événements, Gemini TTS les met en voix avec Callirrhoe, FFmpeg…
L'équipe de Tsinghua ramène la génération à une seule étape : des images à la vidéo en streaming
模思智能 lève plus de 1 milliard de yuans en Pre-A pour un modèle omnimodal temps réel
Un nouveau benchmark vérifie si les images générées par IA respectent les lois de la physique
UNITAS : un modèle du monde 3D pour les robots en tête de plusieurs benchmarks
SAMF apprend aux drones à se localiser sur une carte satellite grâce à l'imagerie thermique, sans GNSS
SAMF met en correspondance images thermiques de drone et cartes satellite grâce aux structures communes de la scène. Le code et le dataset Thermal-UAV-Paired sont…
APEX compresse les latents de diffusion d'un facteur 128 et surpasse un modèle à 256 tokens sur ImageNet-512
La méthode APEX ordonne les canaux du latent de la structure aux détails et les débruite de manière asynchrone. Sur ImageNet-512, elle l'emporte à 64x et 128x ; le…
SAM 2.1 affiné sur des façades et des intérieurs : le mIoU passe de 49,9% à 69,6%
SAIL suit un objet à l'image grâce au son et au texte, et devance ses concurrents sur deux benchmarks
Des chercheurs comparent l'attention des CNN, des ViT et de Mamba au regard humain
Test de Stroop : les VLM lisent le texte d'une image plus volontiers qu'ils n'en voient la couleur
Les modèles vidéo-langage confondent les manœuvres d'une voiture : un LoRA et des sondes corrigent le défaut
MIRAGE ancre la reconstruction 3D à partir de vidéo sur le LiDAR et devance COLMAP sur trois jeux de données
TerraAgent vérifie si l'IA regarde vraiment l'image : les hallucinations passent de 17,1% à 9,8%
AVA améliore de 1,7 point la précision de l'ICL multimodal, sans entraînement
Les auteurs d'un preprint proposent AVA, un pipeline en trois étapes qui nettoie les exemples du prompt de VLM figés. Gain moyen : +1,7 point sur cinq benchmarks…
DiffusionART accélère par 12 le fine-tuning RL des modèles vidéo, sans réglage fin de l'EMA
DiffusionART affine des modèles de diffusion avec des récompenses black-box. Sur HunyuanVideo-13B, il rattrape DiffusionNFT et Flow-GRPO-Fast avec 12 fois moins…