ScreenWeaver 利用 Gemini Flash 以低于 5 美分成本实现漫画分镜检测
ScreenWeaver 调用 Gemini Flash 在 0 到 1000 坐标范围内检测漫画、网络漫画及故事板分镜,单页成本约 $0.004。 该工具通过代码清洗检测框,对超过 20 页的请求先询问确认,并将面板存储于页面以确保重试不重复付费。
ScreenWeaver 调用 Gemini Flash 在 0 到 1000 坐标范围内检测漫画、网络漫画及故事板分镜,单页成本约 $0.004。 该工具通过代码清洗检测框,对超过 20 页的请求先询问确认,并将面板存储于页面以确保重试不重复付费。
设计师James Shehan提出IMPACT框架,包含重要性、边距、配色、对齐、对比度和排版六条约束规则,将模糊形容词替换为可量化的设计决策。文章提供Python和JavaScript的提示词构建器代码、系统提示词模板以及输出检查清单,并展示同一模型在普通提示词与IMPACT提示词下的对比结果,说明约束能消除AI生成设计的默认噪声,但模型仍可能拼错文字或偏离色值。
该文章介绍了“House 方法”在生成 2k 分辨率 AI 图像时的一致性实现。 由于原文信息缺失,摘要严格基于标题,未包含具体参数或评测数据。
MONET 发布了一个包含 1.038 亿图像-文本对的 Apache 2.0 开放数据集,源于 29 亿原始数据,经过安全过滤、去重及多视觉语言模型重描述增强。 每张图片附带预计算嵌入与标注。研究人员仅用该数据集训练 4B 参数潜扩散模型,取得了具有竞争力的 GenEval 和 DPG 分数,证明了其降低大规模可复现研究门槛的作用。
论文提出 ReMoA 框架,通过递归潜在精化提升扩散模型的结构化推理能力。 在 ImageNet 生成任务中,DiT-XL 的召回率从 0.57 提升至 0.62;GenEval 基准下 SD3-medium 总分由 68.33% 升至 71.18%。 该框架在不增加递归额外参数的前提下,使各神经模块随扩散时间步特化,增强输出细节丰富度与对齐效果。
研究人员提出 AEGIS,这是首个针对 3D 高斯化身模型的隐私保护身份掩码框架,能在保持视觉真实感的同时对抗人脸识别。 AEGIS 通过向基础颜色系数添加对抗扰动实现保护,无需修改几何结构。在对抗黑盒识别器时,该方法将检索准确率降至接近零,并保留了年龄、性别等面部属性。 论文已被 WACV 2027 接收,旨在解决动态 3D 化身在多视角下的身份泄露风险。
TailSteer 是一个旨在解决多轮图像编辑中视觉漂移问题的最终阶段训练框架。它通过保持早期去噪动态接近基础模型,并将保留性修正集中在轨迹尾部,从而有效抑制细粒度偏差。
NEXTGAN 提出了一种通过回归特征位移来训练标量 critic 的 GAN 方法,支持最高 14B 参数预训练生成器的适配。 在 ImageNet 上实现一步 FID 1.54,Wan2.1-1.3B 模型两步 VBench 得分达 83.13,领先 rCM 和 AnyFlow。
DualControlNet 是首个联合生成高分辨率土地利用地图与卫星影像的生成式模型。该模型在奥兰多和芝加哥的 40,000 多个配对地块上训练,支持基于文本提示的多维控制。 相比单模态基线,土地利用多样性一致性提升 62.8%,建筑覆盖率一致性提升 16.3%,跨模态空间一致性翻倍以上,视觉质量提升三倍。实验证明其可通过“高密度开发”等提示词支持可持续发展规划。
PEEK 提出了一种无需训练的确定性采样器插件,通过一步前瞻校正扩散模型采样中的曝光偏差。 该方法在每个去噪步执行临时更新并评估前瞻状态,利用插值优化生成质量。在 8 个像素及潜在空间模型测试中,NFE 匹配基线下 FID 最高提升 49.3%,单次校准耗时不超过 2.2 分钟。
Alexa+ 生产管线通过 RLVR 微调 flow matching 模型,将图标生成通过率从 15.7% 提升至 58.7%。 管线分解为图像生成等五阶段,因缺乏线稿数据集,设计目标验证器标记违规生成,以自动标记替代监督微调。 该验证器在生产环境中作为最终设计审查前的自动化质量门,同时训练模型与验证器均已部署上线。
论文提出 LongBanana,这是首个由专家设计与验证的长上下文多参考图像合成基准。该基准包含 90 个任务,依据 3x3 分类法组织,共提供 4,670 个专家指定的原子评估项,其中 15% 的双标签子集准确一致率达 89.4%。
研究人员提出 SVGFaith 双层元评估框架,包含 1,842 对诊断数据和 1,327 个人工标注竞技场数据。 SVGFaith-Score 在 Arena 及两个诊断方向上均显著优于包括 Qwen3.5-122B-A10B 在内的九项基线。 该框架揭示了现有嵌入指标在空间关系和属性绑定上的局限,提供了可解释的逐需求评分。
OpenAI 正式发布新一代图像生成模型 GPT Images 2.6,同步开放给 ChatGPT、Codex 和 API 用户,生成速度较上一代提升 50%,并新增 GIF 动图生成和 SVG 导出功能。API 端推出了侧重速度的 Flare 和侧重一致性的 Sunburst 两款模型,支持通过 complexity 参数控制场景规划的投入程度,定价与上一代 Images 2.5 保持一致。
同一新闻,精选展示《OpenAI 发布 ChatGPT Images 2.6》
OpenAI 推出 ChatGPT Images 2.6,支持生成 GIF 和使用参考图片。新功能将同步上线 API,图像生成速度提升 50%。
推荐理由:新功能开放了 GIF 和参考图输入,API 生成速度提升 50%,便于评估其在创作工作流中的适用性。
OpenAI 推出 Images 2.6 模型,ChatGPT 现支持直接通过提示词或上传照片创建 GIF。用户可调整动画速度、编辑单帧并分享,此前 ChatGPT 无法单步原生生成 GIF。该模型同步提升了图像生成速度,使 ChatGPT 及 API 每周图片生成量从 30 亿张增长至超过 40 亿张,API 端还推出了 GPT-Image-2.6 Flare 和 Sunburst 模型。
意大利警方利用自研 AI 系统 Swoads,在帕尔马古董展识别出被篡改的圣阿格涅斯画作。该系统自 2023 年 11 月启用以来,已追回逾 300 件大型被盗艺术品及 16.5 万件小物件。AI 通过匹配色彩与轮廓特征,揭示了被覆盖或切割的作品原型。
OpenAI 推出 Images 2.6 模型,使 ChatGPT 支持将文本或照片转换为动态 GIF,并在 web、桌面和移动端上线。OpenAI 向开发者发布 GPT-Image-2.6 Flare 和 Sunburst 模型,分别用于高效生成和高质量生成图像,ChatGPT 每周图像生成量已超 40 亿张。
OpenAI 推出的 Images 2.6 模型使 ChatGPT 支持直接生成 GIF,并允许调整动画速度及编辑单帧。 该更新同步带来更快的图像生成速度,目前 ChatGPT 及 API 用户每周生成超 40 亿张图片,较九月的 30 亿有所增长。
作者指出95%的AI网红存在“气泵蜡烛”缺陷,通过测试发现APOB AI通过计算次表面散射,保留了皮肤微瑕疵和睫毛眼部阴影,解决了基础渲染的AI恐怖感。 工作流建议在APOB渲染后,将分辨率降低10-15%再放大并添加数字噪声,以模拟真实手机相机传感器压缩伪影,打破生成图像的数学级完美。 该方案无需48GB VRAM硬件,旨在推动生成式数字人类达到可信的原生手机摄影效果。
RapAvatar 是一款 AI 工具,可将单张照片生成 10 秒竖屏说唱视频,内置 10 种说唱风格、6 种音色及 9 种歌词语言。 视频输出为 9:16 1080p MP4 格式,生成耗时约 2 分钟;支持 8MB 以内的 JPG、PNG 或 WebP 图片输入。 免费用户每日可预览 5 次音频;视频服务收费从 $4.99 起,月费订阅最高 $39.99。
智象元一利用自研HiDream-O1-Image图像大模型,为《中国科技创新盛典》提供AIGC支持,生成5万张限定邀请函。 邀请函涵盖复古插画、环形视窗、全幅场景三种视觉形式,覆盖五大科学主题。 这是该模型在国家级文化IP中的规模化落地,验证了其专业级视觉生成与内容创作能力。
Rivermark 是一款面向创意人士的 AI 设计工具,作为合作伙伴实时跟随用户想法并精确执行修改。支持语音引导设计、读取品牌指南及 Canva 模板,并瞬间生成 50 篇风格一致的帖子。旨在利用用户自身创造力与品味,打造独特内容以避免 AI 生成内容的同质化。
商汤小浣熊依托SenseNova U系列模型,支持复杂指令与多轮调整,用户通过它将诗句转化为国风画作并生成业务关系图。 技术层面,U1 Pro擅长处理多层要求的复杂任务,不易滑向“过度3D”;U1.5 Lite则基于Neo-unify架构,支持超长指令与灵活修改,适合高频快速迭代。
Greensighter AI 推出 AI 驱动的 UI/UX 设计师工具,允许在 Jira、Linear、Asana 或 ClickUp 中分配工单,并在 24-48 小时内生成经高级设计师审查的 Figma 设计稿。
Canva 宣布裁员 22%(1271 人),CEO 称这是 13 年历史上最艰难的时刻。公司将 2026 年增长预期从 30% 下调至 20%。此次重组反映出 OpenAI 和 Google 的 AI 图像模型对传统设计工具业务的竞争压力。
summary_zh: ColorConceptBench 评估了9个领先T2I模型对1281个隐含颜色概念的理解,发现各模型在语义类别间表现差异显著且对抽象语义缺乏敏感度。
研究团队提出LIPS-PC方法,利用端到端学习的光照模式在单像素成像中直接进行分类。 该方法将测量算子参数化为二维离散余弦变换的残差修正,并与紧凑分类器联合训练,无需重建目标。 在MNIST、Fashion-MNIST及RIAWELC数据集上,8次测量时其准确率比最佳固定变换高9-15个百分点,测量成本降低2至4倍。
SWAP-INR 提出了一种针对时变多变量模拟数据的高保真压缩架构,在小型模块化反应堆(SMR)数据集上实现了 SOTA 性能。 该模型引入 SWAP 模块通过确定性判据路由变量并剪枝非活跃层,利用 A2-SIREN 实现通道级可学习调制。 结合后训练 16-bit 量化,该架构在保持受限内存占用的同时,在公开物理模拟数据集上保持竞争力。
MultiMaxPO 提出基于多轴 Max@K 目标的强化学习后训练方法,以提升文生图模型的代表性多样性并覆盖预定义模式。 该方法在 Stable Diffusion 3.5 Medium 上使公平性得分(Fairness Score)提升 0.22-0.36,在 FLUX.1-dev 上提升 0.07-0.19,且优于匹配 RL 基线。
DiagramBank收录来自26,751篇已发表AI/ML论文的57,100张科学图表及对应文本,图表筛选精确度达93.67%。 该资源用于自动图表生成,在PaperBanBench上将PaperBanana总分从4.62提升至7.88,并在BizGenEval中优于随机参考。 DiagramBank为复杂图表设计提供了可检索参考,支持自动生成的实用化验证。
研究表明,Claude Opus 5.5 在盲审模式下成功识别并修复了 16 个含缺陷临床网络中的 16 个,仅通过中位数 3 个参数修改实现修复。 该模型在 18 个缺陷网络中准确指出了 16 个错误规则,所有发现均通过约 42 万次请求测试验证,证明小网络中权重空间编程可定位阈值偏移等缺陷。
summary_zh: Mobile AI 2026 挑战赛要求开发者设计可在高通和 Arm 智能手机 GPU 上运行的快速 RGB 照片增强模型。
FlowTranslator 提出了一种免训练的图像内机器翻译框架,利用 OCR 和 LLM 生成提示词注入 T2I 扩散模型。 该框架引入区域耦合释放与耦合扩展两种轨迹控制机制,在 EasyOCR 协议下取得 20.6 的 PRIM BLEU 和 57.2 的 COMET 分数,优于 UniTranslator 基线。 结果表明,基于流式的编辑技术可成为图像内机器翻译任务中强大的免训练基线。
FOX 系统实现了对未知 AI 生成器的通用图像检测,平均 AUC 达 97.4。 该系统先锁定 DINOv3 专家检测器,再通过联合嵌入预测器引导轻量级 VLM 生成解释,XPlainVerse BERTScore 为 69.8。 该方法解决了现有可解释检测器中视觉表征受语言目标干扰的问题。
OpenAI 消费者产品负责人 Adam Fry 透露,ChatGPT 每周活跃用户数量已达到 12 亿。过去 60 天内,周活跃用户从 10 亿增长至 12 亿,新增约 2 亿。Fry 表示,ChatGPT 当前处理的搜索类查询量约为 Google 的五分之一,每周生成图片达到 15 亿张,语音输入和语音对话功能的合计周活跃用户达到 2.5 亿。
推荐理由:原文给出了具体用户量增长数据和与Google的搜索量对比,读者可据此评估ChatGPT的市场渗透与功能结构。
Animus AI Blocker 0.1.8 允许在支持的社交媒体网站上隐藏标记为 AI 生成的图片和视频,并支持随时查看过滤内容。 该扩展程序基于明确声明或可信的 Content Credentials 进行过滤,采用本地优先模式,关闭云分析和数据上传功能,免费提供无账号服务。
现在强制所有类别填 GenAI 披露,并新增"No AI"筛选标签。 平台称此举旨在清理 spam 并让用户过滤 AI 生成内容。
苹果向 iPhone 推送 iOS 27.3 首个开发者预览版,国行 Apple 智能功能自 11 月 4 日起开放测试,计划 12 月随正式版向用户推出。首批功能包括实时翻译、写作工具、视觉智能、照片消除工具以及智能回复等。 Siri 新增文字交互并接入阿里千问大模型,支持用户通过千问账户或 Apple 登录来使用知识问答与内容创作功能。
Itch.io 因 AI 游戏激增导致日增游戏数从 3000 翻倍至 6000 以上,已删除数 TB 低质量 AI 游戏。 平台收录约 176.9 万个游戏,其中约 13.2 万个带 AI 标签(占比 7.5%)。新上线「NoAI」筛选功能可隐藏相关游戏,但未提供 AI 参与程度的具体说明选项。