11月21日，南开大学生命科学学院《研究生学术与职业素养》系列讲座迎来一场聚焦 AI 图像生成的前沿分享。本次讲座特邀南开大学二级教授、卓越工程师学院执行院长程明明教授，以“从个性化生成到视觉统一模型”为主题，系统梳理文生图技术的演进脉络与未来方向，为跨学科科研与技术应用提供新视角。
讲座以文生图技术的发展为引，从早期定制化生成工具切入，解析DreamBooth等模型的轻量化微调逻辑，以及LoRA技术如何催生Photo AI、妙鸭相机等现象级应用。同时，主讲人直面当前技术痛点：传统模型存在资源消耗高、生成质量参差、姿态单一等局限，MIT、字节等机构的相关方案也因开源性不足难以广泛落地。
针对这些问题，分享重点介绍了PhotoMaker算法框架的创新突破：通过结构化ID表征与以身份为中心的数据组织方式，破解多图输入的一致性难题。该模型不仅能将老照片、艺术作品转化为生活化图像，更在风格化生成中兼顾效率与质量——对输入图像质量无严苛要求，避免过拟合与细节失真，其成果已登顶Hugging Face等平台开源趋势榜，获得学界与用户的双重认可。
从静态图像到动态序列，讲座进一步延伸至视频生成领域：解析如何利用Transformer的缩放能力构建关键帧一致的图像序列，同时探讨Diffusion架构在视频生成中对运动信息的建模方案，通过Motion Director等模块提升多风格图像的动态衔接效果，为短视频、漫画创作等场景提供技术支撑。
分享的核心落点，是视觉统一大模型的探索：当前模型普遍存在任务覆盖窄、泛化能力弱的问题，而新型统一框架以“完形填空”式任务表征为核心，依托Graph200k等密集数据集，实现百余种语种的图像生成任务兼容，甚至能泛化至训练未涉及的场景，其反向生成能力更拓展了技术的应用边界。正如主讲人总结，视觉统一模型正迈向“AI的ChatGPT时刻”，以自然图像先验、统一任务表征、海量预训练数据三大优势，推动生成式AI进入全场景应用新阶段。作为生科院跨学科素养课程的重要环节，本次讲座打破学科壁垒，展现AI技术在生命科学与创意领域的融合潜力，为研究生拓宽学术视野、探索交叉创新提供了前沿参考。
《研究生学术与职业素养》是生命科学学院于2024年创办开设的课程，面向全校研究生。课程以“三维融通、五育并举”为核心，构建贯通式人才培养体系，旨在实现“古今贯通”“中外融汇”“文理交叉”，促进多学科深度融合，为不同专业研究生提供丰富的跨学科学习资源。每学期将邀请十余位国内外知名专家学者授课，涵盖生物、人文、经管、计算机等多个领域，以激发学术志趣。
