开源动态8

通义Qwen-Image开源，图像文字生成SOTA

量子位2025-08-05

AI 摘要

通义千问开源200亿参数图像生成模型Qwen - Image，实测对提示词理解佳，文字渲染高保真。它有复杂文本渲染和一致性图像编辑能力，在多基准测试达SOTA，中文文本渲染领先。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

浙大开源PhyEdit实现单图精准3D物体操作

浙江大学ReLER团队开源的PhyEdit，用3D foundation model明确目标几何，让DiT图像编辑器负责最终渲染。单张图片里物体能移动并形成连续状态，在多项指标表现出色，还具备多种能力，已被ACM MM 2026接收。

当前图像编辑模型处理三维状态常出错。浙江大学ReLER团队提出并开源PhyEdit，用显式3D几何preview指导图像编辑，还加入深度监督，构建数据集和评测基准，成绩超Nano Banana Pro，且GUI也开源。

过去两年，AI 生成图片、视频变得容易，但让 AI 理解并按创作者意图创作很难。美图影像研究院过去几年围绕高频创作场景痛点展开研究，11 篇论文被国际顶会接收，成果通过产品落地转化为 AI 影像能力。

Meta推出图像生成模型Muse Image（代号「芒果」）和视频模型Muse Video预览版。Muse Image在文生图榜单排第二，改变画图方式，能自我修正。它与Muse Spark打通，Muse Video文生视频排第3。不过，其@功能有隐私隐患。