跳到正文
11月9日周一
  1. arXiv · ML35

    SIFR:稳定有符号流强化

    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。

  2. arXiv · ML22

    LIR 提出潜空间重要性重加权方法,显著提升潜图生成性能

    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。

  3. The Verge · AI56

    Elvis与Eminem版权方起诉AI音乐公司Suno

    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。

11月8日周日
  1. IT之家60

    日本富士电视台将在所有真人剧集制作中使用 AI,可省七至八成特效制作工序

    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。

  2. R/ArtificialInteligence25

    DeepSeek V4.1 Flash 1017 与 Hy4 在日式体素宝塔生成上的对比评测

    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。

11月7日周六
  1. Hacker News AI33

    Tancky AI 免费在线图生图编辑器发布

    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。

  2. APPSO56

    AI短剧《持械入宋》爆火:为何仿真人形式契合穿越战争题材

    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。

  3. Hacker News AI24

    Show HN:基于 GPT Image 2.6 的 AI 照片编辑器

    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。

11月6日周五
  1. R/ArtificialInteligence42

    Roomora Studio 推出 AI 虚拟房屋摆设服务

    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。

  2. arXiv · AI27

    SKILD:统一图像生成与连续超分辨率的尺度不变扩散模型

    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。

  3. arXiv · AI21

    BALD-SAM:基于分歧的交互分割主动提示框架

    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。

  4. arXiv · AI28

    AI-Generated Image Detectors Exploit Global Artifacts: Evidence from Inpainting Exchange

    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。

  5. arXiv · ML21

    FewStepRL: 用强化学习微调少步扩散模型

    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。

  6. arXiv · AI37

    FisherDistill:通过闭式 Fisher 判别器实现扩散分布蒸馏

    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。

  7. arXiv · AI23

    GENIQ:利用文生图生成器自身图像进行皮肤病灶分割

    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。

11月5日周四
  1. 智东西84

    OpenAI 发布 Images 2.6:支持 GIF 生成,实测约 10 秒一张且有一定穿帮

    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》

  2. 机器之心78

    OpenAI 上线 ChatGPT Images 2.6,支持生成 GIF 与参考图一致性编辑

    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》

  3. 36氪90

    OpenAI 发布 GPT Images 2.6,支持 GIF 生成与 SVG 导出

    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》