**title_zh:** Drifting 模型中用于消除子采样偏差的解析修正方法
**summary_zh:** 针对 Drifting 模型中极小批次估计的 O(1/n) 偏差,提出解析偏差修正(ABC)方法。 在批次统计中通过两行代码实现修正,将偏差降低至 O(1/n^2) 且不增加一阶总方差。 在 CIFAR-10 实验中,ABC 降低了 FID 并提升了训练速度。
**summary_zh:** 针对 Drifting 模型中极小批次估计的 O(1/n) 偏差,提出解析偏差修正(ABC)方法。 在批次统计中通过两行代码实现修正,将偏差降低至 O(1/n^2) 且不增加一阶总方差。 在 CIFAR-10 实验中,ABC 降低了 FID 并提升了训练速度。
论文提出 SIFR 方法,通过有符号优势替代奖励权重并限制速度漂移,以稳定流模型的多轮迭代微调。 在 SD3.5 Medium (2.5B)、FLUX.2 Klein (9B) 和 Cosmos 3 Super Text2Image (64B) 上,SIFR 在 12 组骨干-奖励对中匹配或超越现有方法,且收敛更快、长期训练不崩溃。
针对潜图生成模型因对各潜空间维度均匀加权而导致的性能瓶颈,本文提出潜重要性重加权(LIR)方法。LIR 利用解码器相对于潜空间的 Jacobian 矩阵,计算每个潜空间维度对图重建的相对影响力并据此加权,该方法模型无关且无需额外参数。实验表明,在多种基准数据集上应用 LIR 可提升性能并加速训练收敛。
Elvis Presley及Eminem音乐版权方对Suno提起诉讼,指控其非法生成模仿相关艺人的AI音乐。诉状援引了田纳西州ELVIS法案,该法案禁止AI克隆歌手声音,并称Suno在无授权的情况下快速复制人类创意以牟利。Suno方面回应称,其平台已禁止在提示词中使用特定艺人名称和歌曲名,并正通过第三方审核等方式加强防护措施。
富士电视台计划从 2027 年 10 月起将生成式 AI 应用于所有真人电视剧制作,将成为日本首家全面引入 AI 的大型商业电视台。其将使用谷歌 Nano Banana 工具,由内部实验室 AI Sandbox 和东京制作公司 ANDENT 培训的 CG 设计师负责,相比传统视觉特效可省去 70% 至 80% 的工序。
RenderPixels 利用 MCP 连接 Claude、ChatGPT 等 AI 助手,直接生成 Open Graph 图片、logo 等像素级图像。 该服务每月提供 50 次免费渲染,无需信用卡,累计已生成 550 多张图片。 返回的文件可直接下载或复制链接用于网页 meta 标签。
作者使用相同的提示词测试 DeepSeek V4.1 Flash 1017 与 Hy4 生成日式体素宝塔的效果。 DeepSeek V4.1 Flash 1017 保留的元素更少,但画面构图与层级处理更干净;Hy4 试图纳入提示词中的所有内容,使图像看起来更生动。 两者呈现不同的取舍风格,实际使用体验各异,未提及具体参数规模或 benchmark 分数。
Tancky AI 上线免费在线图生图编辑器,支持通过文本提示词对照片进行风格化、换装及背景替换,同时保持人物面部与产品形态一致。 用户上传 JPG、PNG 或 WebP 格式图片(最大 16 MB),最多可附加 5 张参考图。新注册用户提供免费额度,生成失败自动退款。
全片AI生成的短剧《持械入宋》全网播放量超120亿,已更新约1000集。该剧选择仿真人而非3D漫剧,因穿越到北宋的战争、官场题材借助历史剧视觉经验更易被理解,降低了制作门槛。尽管红果短剧榜单3D漫剧占92%,但《持械入宋》证明仿真人剧在特定题材下可行,依靠网文式情节推进和短剧节奏实现长系列更新。
苹果在 iOS 27.2 中为部分 Apple Intelligence 图像工具引入 SynthID 隐形水印。 该水印涵盖图乐园、图像魔法棒及照片清理、扩展、空间重构功能。即使处理实际拍摄照片,只要使用指定 AI 工具,也会加入不可察觉的水印,且可通过 SynthID 检测器验证。
开发者构建了一款基于 GPT Image 2.6 的在线 AI 照片编辑器,无需注册即可使用,支持 JPG、PNG 和 WebP 格式。 支持通过自然语言描述执行背景移除、人像修饰、模糊增强及物体擦除等功能,每次生成前照片仅保留在浏览器中。 采用一次性积分购买模式,起价 $4.99 获得 200 积分,无自动订阅,积分有效期为 365 天。
Editmamei 是一款连接 AI 助手与桌面照片编辑器(如 Photoshop、GIMP)的工具。 AI 负责规划编辑指令,编辑器执行基于图层、蒙版和曲线调整的操作,保持结果确定且文件可编辑,避免 AI 重绘导致的失真。 桌面版免费,源代码已开放在 GitHub。
纽约单口喜剧演员 Olga Namer 的段子被 AI 生成虚拟形象账号盗用重发,获得近 800 万观看量,远超其本人 52 万的浏览量。该模式通过生成照片级逼真 AI 形象替换演员身体,将内容作为免费引流工具推广至 OnlyFans 和 Fanvue 等付费页面。
开发者利用阿里云百炼 CLI 和 Qwen Code,开源了“一键生成公众号封面”的 Skill。该工具通过 qwen3.6-plus 识别内容风格,由 qwen3.8-max 组装提示词,调用 qwen-image-2.0 生成 1344×572 底图。
Roomora Studio 推出 AI 虚拟房屋摆设服务,上传空房照片可在 30 秒内生成 2 张高清晰度 JPEG 效果图。 支持 Modern 等 6 种风格,自动校验门窗墙体变更,所有图片内置“Virtually Staged”标签以满足 MLS 合规要求。 前 2 张免费,20 张照片包售价 $15,月度订阅计划 $19 起含 40 张照片额度。
TailSteer Trajectory-Tail Steering for Drift-Resistant Multi-turn Image Editing paper: https://huggingface.co/papers/2611.06741 app: https://huggingface.co/spaces/akhaliq/endless-edit-tailsteer
Pangram Labs 正式发布 AI 图像检测模型 Pangram Image 1.0,其在 1200 张照片测试集上准确率高达 99.96%。该模型通过热力图定位生成内容,在 256×256 分辨率下保持 96.4% 准确度,并能有效对抗压缩、缩放等干扰。
Bicep Heart AI 允许用户上传照片生成 7 秒无声垂直视频,模拟 TikTok 流行的“肱二头肌比心”姿势,支持单人或双人模式。 视频分辨率为 480p 或 720p,单张 480p 视频售价 $4.99,5 张套餐 $19.99;单张 720p 视频售价 $7.99,5 张套餐 $31.99。
ZeNOVA 提出无梯度初始噪声对齐方法,用于确定性或少数步数生成。 通过退火软值引导、流形约束球面 Langevin 动力学和 Metropolis-Hastings 跳跃,在图像和视频生成任务中稳定优于所有零阶基线方法。
新模型SKILD通过单一无条件框架统一了图像生成与连续超分辨率任务,无需特定架构或重训练。 在CIFAR-10上达到FID 2.61,并在ImageNet上通过单一检查点实现2倍至8倍超分辨率,在感知指标上超越条件模型。 研究还表明该模型能重构关键的伊辛模型,其四重关联 closely tracks ground truth。
论文提出 Variable Codebook Size Quantization (VCQ) 方法,将码本大小沿序列从 2 单调增至最大值,解决了自回归视觉生成中的 Entropy Cliff 问题。
该研究提出 Volterra 生成模型,通过马尔可夫近似解决其非马尔可夫结构导致的得分学习与逆向模拟难题,高斯条件化将去噪降至原始数据维度。 模型与方差爆炸/保持表征建立联系,支持复用 EDM2 网络。
BALD-SAM提出将贝叶斯主动学习应用于空间提示选择,在16个跨领域基准测试中位列前二。 该方法通过冻结大模型并仅在小型预测头上应用不确定性建模,使数百万参数基础模型的不确定性估计可行。 BALD-SAM超越了人类提示,并在多个类别中优于先知提示,同时在薄壁和结构复杂对象上表现更佳。
当前 SOTA AI 生成图像检测器主要利用生成管线引入的全局伪影而非局部合成内容进行判断。 研究提出无模型诊断 INP-X,构建 30K 匹配三元组基准;该方法使商用 API 准确率从 >90% 降至 ~55%,DDA 从 97.6% 降至 58.4%,且 97% 的背景光谱偏移归因于 VAE 自编码器往返。 人类感知准确率从 63.8% 降至 56.2%;检测 INP-X 编辑仍属开放问题。
该研究提出结合UNet粗定位与SLIC超像素细分的混合流水线,在眼底图像脉络膜痣分割中实现90.9%的平均Dice指标。 方法在25张保留测试图上优于nnU-Net(83.2%)、Swin UNet(73.0%)及Attention UNet(60.6%),推理无需GPU,1024×1024图像耗时仅1.6秒。
研究提出 IE-PFA 上下文模型,利用 RWKV 模块在空间与通道维度融合内外先验,实现单网络 64 级可变率编码。 模型参数量仅 29.9M,编码 61 ms 与解码 52 ms 为最快神经编解码器,在 7 个基准测试中较 VTM-22.0-Intra 平均降低 21.65% BD-Rate。
FewStepRL 提出了一套将强化学习目标系统性地适配至少步扩散模型的三阶段方法(变换、分解、适配)。 该方法统一了密度、速度和奖励目标的梯度形式,在单一模块化代码库中实现了 FlowGRPO、DiffusionNFT 等 5 种算法。 实验表明,当奖励梯度可计算时,基于奖励梯度的方法最有效;增加推理步数无系统性整体收益。
FisherDistill 提出一种基于 Fisher 线性判别分析的扩散模型蒸馏优化方法,无需额外对抗判别器。该方法利用冻结教师网络的中间表征,通过计算样本的一阶和二阶统计量推导闭式 Fisher 方向,作为轻量化修正信号补充原始蒸馏目标。 在多种蒸馏框架中,FisherDistill 一致性地提升了生成质量,显著缩小了与对抗性优化方法的性能差距。
微信发布统一图像基础模型 WeLM-Image,整合多模态理解与文生图,1536 分辨率在 PRISM-Bench 等三个基准测试中排名开源模型第一。 模型采用 Mixture-of-Transformers 架构,存储参数 31.7B,激活约 5.4B,支持单卡部署及 1.5K 原生分辨率。
研究者提出 FluxC,一种利用 Flux 作为压缩先验的零样本编解码器。在匹配信噪比(SNR)下,路径选择不影响理想信息率但改变比特分配;ODE 重建在低码率下比祖代采样具有更低失真。实验显示 FluxC 在自然图像上性能与近期神经压缩方法具有竞争力。
研究人员提出无需训练的GENIQ方法,通过文生图扩散模型生成健康皮肤与病灶图像构建原型,解决概念词注意力在皮肤镜图像中不可靠的问题。 该方法从生成图像中获取的皮肤-病灶方向与真实病灶分离方向对齐度更高,结合无标注图像中的极似皮肤/病灶斑块进行原型精化。 在三个皮肤镜测试集上,GENIQ取得了0.85-0.88的Dice分数,优于零样本及基于词的方法。
社区用户制作并分享了 Mark Brown 独立游戏的 AI 克隆版本。 Hacker News 社区已发布相关演示视频供查看。
OpenAI 在 ChatGPT 和 API 上每周生成的图像数量超过 40 亿张。该数据是 8 周前超过 30 亿张/周的显著增长。
VibeToplist 平台增长迅猛,每日涌现大量 AI 辅助开发的新游戏。尽管部分项目质量粗糙,但 AI 大幅降低了开发门槛。 开发者正涌入市场,引发关于“泡沫”与“独立游戏新纪元”的争议,最终结果尚待观察。
FP 记者 Olivia Reingold 发布了一张 AI 生成的图片,且未进行披露。 该行为涉及新闻伦理与 AI 内容标识的规范问题,来源显示该事件引发了 Hacker News 社区的讨论。
Hogwarts Legacy 今日上线 NVIDIA DLSS 5 3D-Guided Neural Rendering,为 GeForce NOW 玩家带来更真实的光照与材质细节,同时支持 DLSS 多帧生成与光线重建。Ultimate 会员可在多种设备上体验 RTX 5080 级性能,免去购买昂贵 PC 或等待本地下载。
创作者 SwordSpeed 利用 Kling 4.0 生成 30 秒科幻短片《THE CABLE》,重点测试模型在动态中保留复古手绘风格、角色一致性及零重力物理效果的能力。
OpenAI 发布图像生成模型 Images 2.6,首次支持直接生成 GIF 动图和导出 SVG 矢量图。该模型生成速度较上一代提升 50%,实测生成一张动图约需 10 至 15 秒,且 API 提供速度优先的 Flare 与质量优先的 Sunburst 两个版本,定价与前代持平。
同一新闻,精选展示《OpenAI 发布 ChatGPT Images 2.6》
OpenAI 上线 ChatGPT Images 2.6,支持直接生成 GIF 和基于参考图的精准编辑。新功能将图像生成与修改、动画化压缩为自然语言操作,开发者可调用的 GPT-Image-2.6 Flare 和 Sunburst 模型同步发布,官方称整体出图速度提升约 50%。
同一新闻,精选展示《OpenAI 发布 ChatGPT Images 2.6》
OpenAI 正式发布 GPT Images 2.6,已面向 ChatGPT、Codex 和 API 开放,图像生成速度较此前提升 50%。该模型在 API 端提供 Flare 和 Sunburst 两款定位不同的模型,新增支持通过文字提示词生成 GIF 动图以及 SVG 导出功能,并引入 complexity 参数用于控制模型的场景规划投入。
同一新闻,精选展示《OpenAI 发布 ChatGPT Images 2.6》