// Thema

Bild- & Video-KI News

Generative KI für Bilder, Videos und räumliche Szenen: neue Modelle und Werkzeuge wie Veo, Midjourney und Flux. Die Meldungen zeigen auch, wie diese Werkzeuge in Design, Marketing und Film eingesetzt werden und welche Fragen zu Urheberrecht und Kennzeichnung sie aufwerfen.

Seite 3 von 46

News folgen

Mittwoch 5. August 2026

22:33

22:33 Modelle & Forschung

AURORA-LM: Neuer Ansatz für die Textgenerierung durch kontinuierliche latente Diffusion

AURORA-LM: Erleben Sie einen Paradigmenwechsel in der Textgenerierung! Dieses Sprachmodell nutzt kontinuierliche latente Diffusion statt diskreter Tokens für überragende Präzision auf Token-Ebene.
12:33

12:33 Cybersicherheit

Echtzeit-Warnsysteme gegen Deepfake-Betrug in Videokonferenzen

Deepfakes in Videokonferenzen bedrohen Unternehmen! Kriminelle nutzen KI für Betrug & Identitätsdiebstahl. Das Fraunhofer SIT entwickelt ein Echtzeit-Warnsystem, das manipulierte Teilnehmer erkennt.
10:33

10:33 Deutschland & EU

Pilotprojekt zur KI-gestützten Videoüberwachung in Berlin startet

Berlin startet KI-Videoüberwachung an Kriminalitätsschwerpunkten wie Kottbusser Tor. Das Pilotprojekt nutzt Verhaltenserkennung (Strichmännchen), keine Gesichtserkennung. Ziel: Mehr Sicherheit, doch Datenschutzbedenken bleiben.

Dienstag 4. August 2026

19:33

19:33 KI aus China

MiniMax H3: Fortschritte in der multimodalen KI-Videogenerierung

MiniMax H3: Das neue Open-Source KI-Modell revolutioniert die lokale Videogenerierung. Es versteht Text, Bilder, Video & Audio und erstellt beeindruckende 2K-Videos mit nativem Stereo-Sound. Lokal auf GPUs wie RTX 3060 ausführbar.
13:33

13:33 KI aus China

MiniMax H3: Ein neuer Meilenstein in der KI-Videogenerierung

Entdecken Sie MiniMax H3, das erste Open-Source KI-Videomodell an der Spitze der Rankings! Generieren Sie multimodale Videos aus Text, Bildern & Audio.

Montag 3. August 2026

03:33

03:33 KI aus China

Neues KI-Videomodell Seedance 2.5 von ByteDance revolutioniert die Videogenerierung

ByteDance Seedance 2.5: Das neue KI-Videomodell erstellt bis zu 30-Sekunden-Clips mit integriertem Audio in einem Durchgang. Erleben Sie hohe Kohärenz, verbesserte Qualität, erweiterte Referenzen und Timeline-Bearbeitung für professionelle Videoinhalte.
00:33

00:33 Google

Rückzug einer KI-Bildgenerierungsfunktion in Google Earth aufgrund von Missbrauchsgefahren

Google zieht KI-Bildgenerierung in Google Earth wegen Missbrauchs zurück! Nutzer erzeugten täuschend echte Fake-Satellitenbilder, die Bedenken für Falschinformationen aufwerfen.

Freitag 31. Juli 2026

14:33

14:33 Modelle & Forschung

Neue Ansätze zur Evaluierung von Text-zu-Bild-Modellen durch menschliche Präferenzdaten

Wie bewertet man generative KI? Dieser Artikel beleuchtet, wie menschliche Präferenzdaten entscheidend für die Qualität von Text-zu-Bild-Modellen sind.
10:33

10:33 Modelle & Forschung

Neue Ansätze zur bildreferenzierten Videobeschreibung in der Künstlichen Intelligenz

Revolutionäre KI verbessert Videobeschreibungen! Entdecken Sie, wie "Multi-Reference Image-Grounded Video Captioning" mit Referenzbildern präzisere, kontextuelle Beschreibungen erstellt. Optimieren Sie Zugänglichkeit, Suche & Content-Erstellung.

Donnerstag 30. Juli 2026

02:33

02:33 Robotik

Weiterentwicklung von Inpaint-Anything zur Optimierung egozentrischer Videodaten für Robotik-Anwendungen

"Inpaint-Anything" wird für egozentrische Videos weiterentwickelt. Mit SAM3 & ProPainter entfernt es präzise Hände und Arme. EgoEngine nutzt dies, um Trainingsdaten für die Robotik zu optimieren und die Erstellung von Roboter-Demos zu beschleunigen.

Mittwoch 29. Juli 2026

13:33

13:33 Microsoft

Microsoft stellt Mage-VL vor: Neues Modell für multimodales Bild- und Videoverständnis

Entdecken Sie Microsofts Mage-VL auf Hugging Face! Dieses neue multimodale KI-Modell revolutioniert das Bild- & Videoverständnis in Echtzeit. Dank codec-nativem Ansatz und reduziertem Token-Verbrauch verbessert es die Effizienz bei Streaming-Perzeption massiv.
06:33

06:33 Modelle & Forschung

Fortschritte und Herausforderungen bei der KI-gestützten Videogenerierung

KI-Videogenerierung: Entdecken Sie "Video-As-Prompt" (VAP) für präzise semantische Steuerung mittels Referenzvideos. Reduzieren Sie Artefakte, nutzen Sie Zero-Shot-Fähigkeit und optimieren Sie Prompts für Top-Qualität. Ideal für B2B-Anwendungen.
01:33

01:33 Modelle & Forschung

Innovative Ansätze zur Effizienzsteigerung in der Videogenerierung durch Sol-Attn

Sol-Attn beschleunigt die KI-Videoerzeugung mit Diffusionstransformern. Erfahren Sie, wie "On-the-Fly" Aufmerksamkeits-Sparsifizierung die Inferenz um bis zu 2.1x schneller macht – ohne Qualitätsverlust. Optimieren Sie Ihre Videoproduktion effizienter!

Dienstag 28. Juli 2026

23:33

23:33 Audio & Musik

Innovative Ansätze zur synchronisierten Audio- und Video-Generierung in der KI-Forschung

OmniVAE revolutioniert die synchronisierte Audio-Video-Generierung. Dieser gemeinsam trainierte VAE erzielt präzise semantische Ausrichtung von Audio- & Video-Latenträumen, reduziert Desynchronisation & steigert die Qualität multimodaler Inhalte.

Samstag 25. Juli 2026

10:33

10:33 Modelle & Forschung

Neuer Ansatz zur kontrollierten Videogenerierung mit GraphVid

Entdecke GraphVid: Ein neues Modell revolutioniert die KI-Videogenerierung! Steuere präzise Multi-Objekt-Interaktionen mit graphengesteuerten Eingaben. Überwinde die Grenzen traditioneller Methoden und erziele überragende Videoqualität mit weniger Trainingsdaten.
07:33

07:33 Modelle & Forschung

Neue Benchmark zur Bewertung der physikalischen Intelligenz von KI-Video-Modellen vorgestellt

Apple-π: Ein neuer Benchmark revolutioniert die Bewertung von KI-Video-Modellen. Er misst physikalische Intelligenz & echtes Verständnis von Naturgesetzen, nicht nur visuelle Plausibilität. Fördert World Models für Robotik & autonomes Fahren.

Freitag 24. Juli 2026

21:33

21:33 Apple

Apple-π Benchmark: Neuer Ansatz zur Bewertung von Videogenerierungsmodellen

Apple-π: Ein neuer Benchmark bewertet, ob Videogenerierungsmodelle physikalische Gesetze verstehen, nicht nur visuell plausible Videos erzeugen. Aktuelle KI-Modelle zeigen hier noch Schwächen. Ein Paradigmenwechsel für echtes physikalisches Verständnis in der KI-Forschung.
00:33

00:33 Tools & Entwicklung

Effiziente Optimierung von Diffusionsmodellen durch Nunchaku 4-Bit-Quantisierung

Nunchaku 4-Bit-Quantisierung in Diffusers: Reduzieren Sie den VRAM-Bedarf Ihrer generativen KI-Modelle um bis zu 50% & beschleunigen Sie die Inferenz um ca. 30%. Profitieren Sie von nativer Unterstützung für effiziente Diffusion auf Consumer-Hardware.

Donnerstag 23. Juli 2026

14:33

14:33 NVIDIA

NVIDIA stellt neue Cosmos 3 Super Modelle für die Generierung von Bildern und Videos vor

NVIDIA Cosmos 3 Super: Revolutionäre KI-Modelle generieren Bilder & Videos bis zu 25x schneller. Als Top-Open-Weight-Modelle (Image-to-Video #1, Text-to-Image #2) setzen sie neue Maßstäbe.

Mittwoch 22. Juli 2026

14:33

14:33 KI aus China

Alibabas neuestes Bildgenerierungsmodell Qwen-Image-3.0 und seine fortschrittlichen Funktionen

Entdecken Sie Alibabas Qwen-Image-3.0: Das fortschrittliche KI-Modell generiert komplexe, informationsreiche Bilder inkl. lesbarem Text (bis 10px) & detaillierten Infografik-Rastern – alles in einem Durchlauf. Ideal für B2B: Revolutioniert Ihre Content-Erstellung.

Montag 20. Juli 2026

09:33

09:33 Modelle & Forschung

Neuartige Ansätze in der Computer Vision durch Videogeneratoren

Google DeepMinds GenCeption macht Videogeneratoren zu universellen Computer-Vision-Modellen. Top-Leistung bei Tiefenschätzung & Segmentierung mit bis zu 500x weniger Daten.

Sonntag 19. Juli 2026

10:33

10:33 Modelle & Forschung

Neues offenes multimodales Sprachmodell VideoChat3 verbessert Videoanalyse und Effizienz

VideoChat3: Revolution im Videoverständnis! Entdecken Sie das vollständig offene MLLM für effiziente & generalisierbare Videoanalyse. Von feinen Bewegungen bis Live-Streams, dank 16x spatiotemporaler Komprimierung.
05:33

05:33 NVIDIA

Neue Möglichkeiten für das Fine-Tuning von Diffusionsmodellen durch die Integration von NVIDIA NeMo Automodel und Hugging Face Diffusers

NVIDIA NeMo Automodel & Hugging Face Diffusers: Skalierbares Fine-Tuning von Diffusionsmodellen für Bild- & Videogenerierung. Passen Sie Ihre KI-Modelle effizient an (Full FT & LoRA) – von einzelnen GPUs bis zu großen Clustern.
04:33

04:33 Modelle & Forschung

Neuartiges Diffusions-Sprachmodell TTCD verbessert Sprachgenerierung durch kontinuierliche Raummodellierung

Entdecken Sie TTCD, das innovative Diffusions-Sprachmodell! Es nutzt kontinuierlichen Raum & "per-Token-Zeiten" für präzisere, schnellere und bedingte Generierung. TTCD übertrifft diskrete Modelle und revolutioniert die KI-Sprachmodellierung für effiziente B2B-Anwendungen.