Text to image
Fellow suit ce sujet depuis août 2026 : 13 articles résumés en français, dont 5 jugés majeurs ou notables.
Toute l'actualité · 13 articles
SpectralCanary : des traces basse fréquence très simples pour auditer l'usage de datasets par les modèles T2I
Une méthode insère un canary image via un masque passe-bas dans chaque image d'un dataset, puis détecte ce signal dans les sorties d'un modèle text-to-image suspect fine-tuné dessus.
Génération texte-image sans préentraînement linguistique : l'approche Halcyon
Des chercheurs présentent Halcyon, une famille de modèles autorégressifs multimodaux entraînés from scratch sur 100M de paires image-texte, qui surpassent des baselines avec bien moins de calcul.
MOSS-Image : génération texte-vers-image avec contrôle natif de la mise en page
OpenMOSS publie MOSS-Image, une famille de modèles text-to-image à backbone 5B, capable de piloter objets, textes et positions via des prompts JSON, avec poids sous licence Apache-2.0.
Repenser l'espace de conception des Diffusion Transformers pixel « vanilla »
MFlow, une paramétrisation adaptative entre x0- et u-prediction, et ConvRefiner, un module convolutif post-hoc, visent à améliorer les diffusion transformers générant directement en espace pixel.
OmniVerifier-C1 : un vérificateur gradué décomposé pour la modélisation générative de mondes régie par des règles
Des chercheurs proposent un vérificateur visuel qui décompose les prompts complexes en sous-composants et attribue des scores continus, plutôt qu'un simple jugement binaire vrai/faux.
ArtCraft – IA contrôlable pour les artistes
Nouvel outil de génération d'images positionné sur le contrôle créatif, avec une promesse de maîtrise fine des paramètres pour les artistes professionnels.
Entraîner des modèles text-to-image sans VAE
Linum AI présente une approche, baptisée Pyramid-JIT, qui permet d'entraîner des modèles de génération d'images à partir de texte sans auto-encodeur variationnel (VAE).
Black Forest Labs dévoile FLUX 3, sa nouvelle génération de modèles de génération d'images
BFL lance FLUX 3 Image, nouvelle itération de sa famille de modèles texte-vers-image, promettant qualité et fidélité accrues.
Looped Diffusion Transformer : boucler les blocs pour gagner en profondeur de calcul
Une nouvelle architecture fait tourner les mêmes blocs Transformer plusieurs fois par étape de diffusion, surpassant des modèles 6,5x plus gros à compute réduit.
MGFlow : un cadre unifié pour l'entraînement distributionnel en génération visuelle en une étape
Un nouveau cadre théorique relie modélisation de distribution et flux de gradient de Wasserstein pour améliorer la génération d'images en une seule étape.
Alignement statistique d'attributs pour IA générative en boîte noire via post-traitement
Des chercheurs proposent des algorithmes de post-traitement qui alignent la distribution des attributs générés sur une cible, sans accès interne au modèle.
Entraîner des modèles Text-to-Image 3,6× plus vite
Une méthode compile les pipelines dynamiquement pour réduire drastiquement les temps d'entraînement.
Infrastructure de données centrée sur les capacités pour l'image
Un pipeline évolue les capacités de génération via un curriculum multi-étapes appliqué à des modèles de diffusion 3B et 6B.