小互日报-2 月 2 日

1⃣️

? Google Bard全球更新：

• 支持Gemini Pro，覆盖40种语言、230多个国家和地区。
• 新增图像生成功能，基于Imagen 2模型，目前仅支持英语。
• 多语言双重检查功能，通过“G”图标验证Bard回答的准确性。
• 图像生成中加入可识别水印（SynthID）。

? https://blog.google/products/bard/google-bard-gemini-pro-image-generation/

2⃣️

? JoyTag开源图像标注模型：

• 输出5000多个标签预测，无内容过滤，支持性正面内容。
• 基于ViT-B/16构建，输入尺寸448x448x3，9100万参数，训练样本660M。
• 适合多样化图像内容，特别优化Diffusion模型训练。

? https://old.reddit.com/r/MachineLearning/comments/18nb15l/p_i_built_an_open_sota_image_tagging_model_to_do/

3⃣️

? Wonder Studio摄像机追踪与点云技术：

• 自动识别摄像机移动和拍摄场景，精确CGI与实景融合。
• 包括摄像机追踪和点云技术，支持3D场景重建和CG元素自然移动。

? https://x.com/xiaohuggg/status/1753386192224362950?s=20

https://assets.waytoagi.com/usercontent/X2_Twitter_com_1753386068320378880_720p_43158c48dc.mp4

4⃣️

?️ Google ImageFX工具：

• 基于Imagen 2，通过点击关键词合成提示词生成图片。
• 类似Google MusicFX操作体验。

? https://aitestkitchen.withgoogle.com/tools/image-fx

https://assets.waytoagi.com/usercontent/X2_Twitter_com_1753376453738274816_720p_3763a89b22.mp4

5⃣️

? InstructIR图像恢复工具：

• 根据文字描述改善图片，支持去噪、去雨、去模糊等。
• 使用NAFNet和指令条件块（ICB），支持多任务学习。

? https://mv-lab.github.io/InstructIR/

? https://arxiv.org/abs/2401.16468

https://assets.waytoagi.com/usercontent/X2_Twitter_com_1753343946057793536_720p_55306cb294.mp4

6⃣️

? InternLM-XComposer图文创作模型：

• 自由形式输入下的图文创作和理解，包含海量图文知识库。
• 支持图像识别、感知和视觉推理。

? https://github.com/InternLM/InternLM-XComposer/

? https://arxiv.org/abs/2401.16420

https://assets.waytoagi.com/usercontent/X2_Twitter_com_1753270997728555008_720p_aa58af0751.mp4

7⃣️

? Poe Image Remix功能：

• 修改AI生成图片的风格、布局和颜色。
• 支持SDXL和Playground v2图像生成机器人，适用于Web、macOS、Windows，计划扩展到iOS和Android。

? https://x.com/xiaohuggg/status/1753257680804946390?s=20