跳到正文
10月26日周一
  1. APPSO32

    地铁 AI 伪人广告泛滥引发“视觉霸凌”

    广州等地地铁灯箱几乎全部标注“画面由 AI 生成”,泛滥的“伪人”广告因恐怖谷效应引发路人反感。 AI 生成素材未经处理直接投放,结合高昂传统户外素材授权成本与创意缺失,导致公共空间出现“AI 味”十足的视觉污染。 文章认为这种现象暴露了广告行业敷衍态度,呼吁制定户外广告规范或通过社交发声抵制劣质视觉内容。

  2. 机器之心69

    数美万物 Hi3D V1.0 开源,支持最高 1536³ 几何分辨率

    数美万物开源经过生产环境验证的 Hi3D V1.0 模型,支持最高 1536³ 有效稀疏表面提取网格分辨率。该模型在九种方法对比中取得了最高的多视角几何一致性和几何细节丰富度得分,综合人类偏好得分达 85.9%。

    推荐理由:原文展示了Hi3D V1.0开源的技术指标和验证细节,说明了高精度三维模型走向实际开发流程的可行性。

  3. arXiv · ML39

    TEM:可扩展的 Transformer 能量基模型用于高质量图像合成

    论文提出 Transformer 能量基模型 (TEM),通过在潜空间运行并提取多层能量进行约束,解决高维采样与训练不稳定性。 引入正向表示对齐 (PRA) 利用视觉基础模型监督中间表示,并优化推理采样策略以提升质量。 TEM-XL 在 ImageNet 256×256 上无需无分类器引导,FID-50K 达 3.82;512×512 分辨率下 FID 为 8.24。

  4. arXiv · ML31

    PaperScorer:如何预测论文录用结果

    PaperScorer 模型能根据论文内容预测同行评审的录用决定,视觉模型预测准确率最高,在 ICLR 论文上达 68%,在 arXiv 机器学习论文上达 77%。 该模型仅基于去除作者身份后的文本或页面截图训练,视觉输入保留了图表和排版信息,比纯文本和前沿推理模型更具预测力。 研究显示该信号对低分和高分论文预测最准,但对中等评分论文不可预测,标志着 AI 驱动科研评估的初步进展。

  5. arXiv · AI21

    Concept Acupuncturist: 基于稀疏自编码器的扩散模型概念擦除高效方法

    针对扩散模型中概念分布纠缠导致的遗忘效率低问题,提出结合可解释性引导与无推理微调的 Concept Acupuncturist 框架。 该框架利用稀疏自编码器(SAE)定位 U-Net 去噪器中最相关的交叉注意力块,通过特征级修正信号实现精确擦除,避免全轨迹优化。 在 SDXL-Turbo 上,该方法将遗忘成功率提升 36.34 个百分点,同时保持图像质量与提示词保真度,代码已公开。

10月25日周日
10月24日周六
  1. Hacker News AI25

    宫本茂谈生成式 AI

    任天堂代表宫本茂在获文化勋章内定后举行记者会,阐述其对游戏及交互式媒体的见解。他主张利用交互式媒体创造让人忘记日常时间的装置,并强调通过严谨的界面设计使游戏融入家庭日常。宫本茂认为,这种注重易用性的设计理念未来可拓展至更广泛的计算机交互式领域,推动日本在该领域的创新。

  2. 量子位86

    国产5B参数生图模型MOSS-Image开源发布,海外社区4天下载破130万

    模思智能和OpenMOSS团队开源MOSS-Image,4天收获130万次下载并引发社区大量衍生开发。该模型基于5B参数DiT主干,重点优化中英文文字渲染与Layout控制,支持4096 tokens长提示词,并采用国产PPU算力平台完成训练。

    推荐理由:5B参数DiT架构与原生Layout控制是核心变量,为复杂图文设计提供了可量化的落地方案。

  3. Hacker News AI48

    中国首部全AI生成电影《三星堆》周五上映

    中国首部获批院线发行的全AI生成电影《三星堆》本周五上映。制作历时两年,生成超120万张预演图像,历经100多版全片迭代,耗资超1000万元人民币(约150万美元)。 剧组按17个专业分工流程制作,在虚拟环境中将生成模型输出转化为符合创作意图的影像,并至少完整重制五遍。 影片获中国院线发行许可,区别于网络短视频;已亮相戛纳电影节,正洽谈马来西亚、俄罗斯、法国等海外市场发行。

10月23日周五
  1. Hacker News AI25

    Just Eat 就 AI 生成的食物图片错误致歉

    Just Eat 因 AI 生成的食物图片出现怪诞错误(如将“soda bread”误译为可乐浮培根蛋)引发网络嘲讽,公司已致歉并移除错误图片。 Just Eat 表示正在测试 AI 增强图像功能以补充缺乏图片的餐厅菜品,目前因技术不成熟而暂停生成新图片。

  2. Hacker News AI27

    艺术家视角下的AI与数学

    3Blue1Brown团队动画师Mitchell Zemil撰文探讨生成式AI对艺术界的影响。 他指出艺术界因崇尚个体技艺与劳动积累,对能高速生成作品的AI工具存在天然抵触,担忧其导致职业贬值及伦理争议。 尽管AI可能改变创作民主化进程,但艺术家对工艺的投入及审美选择仍是区别于纯技术工具的核心。

  3. arXiv · ML21

    SAEParate:用于概念分离扩散模型遗忘的解耦稀疏表示

    该研究提出SAEParate方法,通过概念感知对比学习和交叉注意力引导的空间聚合,在扩散模型潜在空间中显式分离语义重叠概念,以实现针对特定概念的无参数遗忘。 在UnlearnCanvas基准上,该方法达到了最先进的性能,特别是在联合风格-对象遗忘这一具有挑战性且现有方法存在严重干扰的设置中表现突出。 该方法已被NeurIPS 2026接收。

  4. arXiv · ML26

    SpectralCanary: 用于 T2I 数据集使用审计的极简低频痕迹

    SpectralCanary 通过低频低通掩码将金丝雀图像混合进数据集图像,无需辅助生成或逐图优化,实现了轻量级 T2I 模型数据集使用审计。 在 Pokemon 等数据集测试中,该方法平均单次生成 TPR@1% FPR 达 91.1%,模型级准确率 94.8%,且保持图像 SSIM 0.989、LPIPS 0.022,证实低频信号是有效的集合级审计载体。

  5. arXiv · ML29

    SciFusion: 物理引导的组合扩散用于多模态3D科学图像生成

    SciFusion 提出多模态 3D 科学图像生成框架,采用潜在扩散骨干与组合条件方案,在 15 种成像模态上实现零样本合成未见组合。 框架引入 MRI 傅里叶频谱、CT Radon 投影及电子显微镜多切片衍射的物理一致性目标,提升生成保真度与跨域泛化能力。 该框架为新兴模态提供了可扩展的统一生成方案,无需针对特定目标组合进行训练。

  6. The Verge · AI65

    Canva 发布首个自研 AI 图像模型 Craft

    Canva 发布首个自研图像生成模型 Canva Craft,采用两段式架构,在生成图像前先进行设计规划,以提供更精确、一致和可控的结果。该模型支持最高 2K 分辨率和 30 多种宽高比,适用于生成社交媒体帖子、营销内容、数字艺术等;Canva 称其基于平台内容库中数百万个人工制作模板进行训练。

10月22日周四
  1. arXiv · ML36

    MVMAE 提出多视图自监督方法提升放射影像疾病分类性能

    MVMAE框架利用放射学多视图结构实现自监督预训练,在MIMIC-CXR等数据集上超越监督及视觉-语言基线。 模型结合掩码图像重建与跨视图对齐,扩展版本MVMAE-V2T引入放射报告作为辅助信号,在低标注场景下表现更优。 研究证实结构与文本监督是构建可扩展医学基础模型的有效互补路径。

  2. arXiv · AI35

    论坛驱动的合成非自愿亲密图像生态:资源与利益相关者分析

    研究分析了4chan和Reddit论坛,发现282,154条4chan评论和78,308条Reddit帖子中,用户共享了156个用于微调模型生成141名女明星图像的LoRA文件,以及54个商用去衣应用链接。 不同技术水平的用户通过共享这些资源促进了合成非自愿亲密图像内容的传播,专家与新手之间的知识转移加剧了此类非法资源的扩散。 研究揭示了现有监管基础设施的漏洞,并提出了加强威慑的关键干预点。

  3. arXiv · AI26

    AlignGemini 提出正交监督解耦方法,实现 AI 生成图像检测的跨生成器泛化

    AlignGemini 通过正交监督解耦(Align, Don't Blend)解决 AIGI 检测泛化难题,在五个真实场景中提升 9.5%。 该方法让 VLM 仅接收语义监督,视觉专家仅接收伪影监督,无需复杂训练策略即可基于两个生成器实现跨生成器泛化。 研究同时引入覆盖八个当代生成器的诊断基准 AIGI-Now,以支持细粒度的检测能力评估。

  4. arXiv · AI25

    SAKURA:手机端私密图像编辑中注意力KV状态的速率自适应服务架构

    SAKURA 提出一种云边协同架构,在带宽受限下向手机设备传输可复用的注意力 KV 状态,用于扩散模型图像编辑任务。 该架构采用细粒度 token 重要性感知压缩方法,运行时根据网络带宽自适应选择缓存表示,并通过流水线执行将缓存传输、重建与设备端计算重叠。