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。
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。
Image or AI 是一款 AI 图像检测工具,能展示检测判决所依据的具体证据。 其判决分为六类,如 AI-generated(Content Credentials)基于 C2PA 记录可信度高,Pattern model 分数 90% 以上判定为 Likely AI-generated。
字节跳动旗下即梦AI宣布即梦短剧工作室正式上线,提供自研剧本模型DreamScript、图片模型Anycook和分镜模型DreamShot。DreamScript支持多题材剧本生成与爆款诊断;Anycook可生成短剧角色与多风格场景;DreamShot支持画布与故事板切换、3D导演台预演及智能镜头规划。
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。
UI Palooza 通过让不同 AI 模型处理同一设计简报,对比其在字体、布局及交互界面方面的选择,检验模型是否具备可辨识的设计品味。 工具允许用户添加设计技能并横向查看多次尝试,以观察设计决策中的变化与固定模式。
RADIANT提出一种对象中心的前馈式全局照明架构,将注意力序列长度与多边形数量解耦,每个对象使用32个表面贴片令牌表示。 该模型通过不变型form-factor attention直接嵌入几何距离和表面朝向,并在单次网络内实现对象间辐射交换与视角解码。
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。
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。
SteerVTE 提出统一框架,通过风格与字形控制引导冻结视频扩散模型,实现高精度的视频文字编辑。 该方法包含轻量文本上下文适配器、字形感知空间聚焦损失及三阶段渐进训练课程。 团队构建了包含一百万三元组的 SteerVTE-1M 数据集,实验显示其显著优于现有基线。
PASTA 提出一种无需训练的扩散采样框架,通过提示词感知的共享潜在退火策略,在生成图像时严格保留标题、Logo 等预留区域的干净度,避免现有方法导致的视觉不协调或内容干扰。
针对单图 3D 场景构建难题,提出 Easy-3Dfy 组合式工作流,解耦物体生成与场景布局估计。 该流程利用 RPF-based aligner 建立物体局部网格与部分场景点图的几何对应,实现场景组合。 Easy-3Dfy 无需完整场景级监督,在 Scene-Maker 和 3D-FUTURE200 数据集的几何指标上持续优于 SAM-3Dfy。
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。
网友“QAQLeonard”利用 AI 逆向技术为索尼 A7C II 制作定制固件,解锁 FL2/FL3 胶片模式,支持导入外部 LUT 及富士 NC、理光 GR 直出色调。
Claude 桌面应用发布全新界面,由 AI 辅助设计,从草图到上线耗时不到 3 周。 新版界面采用无衬线字体与冷色调,并引入侧边栏功能;用户反馈其信息密度较低且项目面板可读性受影响。
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。
西班牙保守派人民党通过官方账号发布AI生成的deepfake视频,视频中佩德罗·桑切斯的妻子贝戈尼亚·戈麦斯和前首相José Luis Rodríguez Zapatero似乎承认不当行为。
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。
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。
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。
Canva 发布了其首个自研图像生成模型 Craft。该模型由 Canva Research 从零开始训练,主要基于数百万个设计模板而非照片,可生成最高 2K 分辨率的图像,支持超过 30 种宽高比及 55 种语言的文字渲染。
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。
PosterHarness将海报生成重构为可测量的指令遵循任务,通过占位符契约分离视觉设计与数据图形绘制。 该框架在12篇论文上实现合成图形从34降至0,并比较了与Paper2Poster在分辨率和速度上的权衡。 所有组件、提示词和审计脚本已作为可复用评估组件公开。
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。
BOLT-GAN 提出用 BOLT 损失替代交叉熵,在平衡先验下将博弈等价于最小化分布间全变差。 限制判别器为 1-Lipschitz 后,在四个图像生成基准测试中,BOLT-GAN 样本质量与覆盖率优于 WGAN-GP。
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。
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。
该框架整合交叉验证数据合成、教师增强及可验证奖励优化,显著提升自动PPT生成质量。 实验显示,增强SFT管道使 Qwen-3.6-27B 和 Qwen-3.6-35B-A3B 在 PresentBench 上分别提升 7.45 和 9.35 分,超越 GLM-5.2。结合 GRPO 强化学习进一步优化五个审美维度。
Opus 和 Astra 等领先模型在写作上缺乏自然流畅感,且充满无价值词汇。 Pangram 检测器正有效识别此类内容,而数学和编码领域的商业需求远高于纯文本写作。 AI 写作因过度追求“正确”和避免误解导致啰嗦,反而通过过度解释暴露了非人类的特征。
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。
Canva 发布了其首个图像生成模型 Canva Craft,该模型采用两阶段流程,先生成包含空间关系、相对比例和视觉层级的计划,再输出最高 2K 分辨率的图像。
Hacker News 分享“Show HN: UI micro interactions prompts for AI”。 该帖子获取 55 点热度并产生 24 条评论。
takhoffman 搭建了一个名为 OneShot Prompts 的免费资源库,收录了 900 种可使用 AI 复现的运动设计(motion design)技巧。该库旨在通过提供具体的 Prompt 实例,帮助用户降低利用 AI 工具制作动态图形或视频特效的学习门槛。
开发者Lombarović宣布Live Coloring Book于2026年10月12日上线,这是他在两周前首次提交代码后,由AI编码智能体辅助构建的完整产品。
Skyfall AI 推出 SKY-001,可生成 3D 零件与建筑设计草稿,速度快 51 倍。 该模型在性能上比前沿模型提升 51 倍,成本显著更低,专用于物理工程与 CAD 应用。
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。
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。
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。
MCLR 提出一种微调目标以最大化类间似然比,显著提升了无 guidance 条件生成效果。 该方法证明 classifier-free guidance 是 MCLR 目标的隐式对比对齐过程,并厘清了其与 DPO、CFM 等目标的联系。
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。
summary_zh: CRAB 是一个可将点云转换为可编辑 BIM 模型的新框架,被 SIGGRAPH Asia 2026 接收。该框架将墙体、门窗等结构编码为带 IFC 语义的紧凑长方体,由 ProposalNet 和 Flow Matching 模型 AssemblyNet 共同完成重建与几何细化。