跳到正文
11月5日周四
  1. HackerNoon · AI58

    IMPACT框架:六条规则提升AI生成设计

    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。

  2. arXiv · AI35

    MONET:一个大规模开放非冗余增强文本到图像数据集

    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。

  3. arXiv · AI22

    ReMoA:多模态扩散模型中基于稀疏潜在精化的递归模块化自适应框架

    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。

  4. arXiv · AI37

    AEGIS 通过对抗扰动保护 3D 面部化身隐私

    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。

  5. arXiv · AI31

    DualControlNet 通过联合合成土地利用地图与卫星影像推进城市规划生成式 AI

    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。

  6. arXiv · AI30

    PEEK:用于扩散采样的一步前瞻曝光偏差校正方法

    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。

  7. arXiv · AI34

    Alexa+ 利用 RLVR 优化矢量动画图标生成

    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。

  8. arXiv · NLP37

    SVGFaith: 针对文本生成 SVG 忠实度指标的两层元评估

    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。

  9. APPSO86

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

    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》

  10. OpenAI (X)75

    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。

  11. IT之家65

    OpenAI 推出 Images 2.6 模型,ChatGPT 支持直接生成和编辑 GIF 动画

    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。

  12. Hacker News AI30

    AI 助意大利警方追回失踪 20 年的画作

    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。

  13. R/ArtificialInteligence40

    AI生成创作者的“塑料蜡”问题:如何实现自然皮肤质感与光照融合的技术解析

    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。

  14. Hacker News AI42

    RapAvatar:AI 将照片转换为对口型说唱视频

    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。

11月4日周三
  1. HiDream智象元一34

    智象元一提供AIGC支持:以HiDream-O1-Image生成总台科晚五万张邀请函

    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。

  2. Hacker News AI33

    Show HN: Rivermark 超快速 AI 图形设计画布

    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。

  3. 商汤科技SenseTime20

    商汤小浣熊:从国风创作到业务图生成,真实用户如何用SenseNova U系列模型

    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。

  4. arXiv · ML25

    LIPS-PC:通过单像素成像中的学习光照模式实现分类

    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。

  5. arXiv · ML23

    SWAP-INR:基于可切换注意力路径的隐式神经表示,用于时变多变量科学数据压缩

    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。

  6. arXiv · AI26

    DiagramBank:基于5.7万篇AI论文图表的自动生成参考资源

    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。

  7. arXiv · AI33

    权重空间编程在审计临床决策网络中的研究

    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。

  8. arXiv · AI22

    FlowTranslator:一种基于流式编辑的免训练图像内机器翻译方法

    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。

  9. IT之家80

    OpenAI ChatGPT 最新数据:周活跃用户达 12 亿,两个月新增 2 亿

    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。

  10. IT之家62

    iOS 27.3 开发者预览版推送,国行 Apple 智能接入阿里千问

    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。

11月3日周二