Show HN:AI 厨房设计工具
该工具允许用户上传厨房照片,在约 30 秒内生成 18 种风格的改造预览,首次设计免费。支持 Refresh、Remodel 及 Redesign 三种改造深度,输出分辨率最高可达 4K。生成的视觉效果仅为概念参考,不具备实际测量功能,需结合专业工具进行最终确认。
该工具允许用户上传厨房照片,在约 30 秒内生成 18 种风格的改造预览,首次设计免费。支持 Refresh、Remodel 及 Redesign 三种改造深度,输出分辨率最高可达 4K。生成的视觉效果仅为概念参考,不具备实际测量功能,需结合专业工具进行最终确认。
Canva 新增两项设置,允许免费和 Pro 用户全面关闭生成式 AI 功能,或降低其素材库中 AI 生成内容的出现概率。 背景移除和 Magic Grab 等非生成式编辑工具在关闭全局 AI 后仍可使用,且其输出不会添加 AI 标签。 新设置位于个人资料选项卡下的“权限”及“AI 个性化”部分,旨在给用户更多控制权。
可灵推出新版图像模型 Kling Image 4.0,主打原生 8K 高清输出,单图支持 2000 字文本生成及 70 款预设字体,并新增最多 10 张连贯组图与长图生成能力。模型采用原生理解生成大一统架构,具备原生 Agentic 能力,支持 15K Token 指令处理;第三方 Artificial Analysis 文生图榜单显示其位列全球第七、国产模型第一。
推荐理由:通过12张实测图与多轮生图演示,展示了Kling Image 4.0在原生8K清晰度、超长文字排版及组图连贯性上的具体表现,适合评估其在电商设计与影视分镜场景下的可用性。
商汤科技日日新 SenseNova U1 Pro 在 Design Arena 平台发布的新榜单中,于图片生成与图片编辑两大维度均登顶中国第一,全球排名第六。该模型在实现长程任务一次性交付的同时,也在效果与成本兼顾评测中表现优异,展现了在复杂视觉内容创作场景下的性价比优势。
Canva 新增开关允许用户关闭生成式 AI 功能,包括禁用 Magic Expand 及聊天机器人图像生成。 Magic Write、Magic Design 等工具随之关闭,但背景移除等不生成新内容的功能保持开启。 免费及付费用户均可在设置中启用该选项,并可选择减少 AI 生成内容展示。
FlashReFocus 通过单次扩散生成与轻量级渲染网络,实现单图秒级交互式焦点调整。 该方法在 EBB! Val176 等基准上取得最佳保真度,1536x1536 分辨率下完整重构耗时 2.45 秒,后续编辑仅 0.46 秒。 支持倾斜位移及双平面效果,确保多轮编辑中画面内容保持稳定一致。
SHAMISA 提出一种非对比自监督框架,通过显式结构化关系监督从无标签失真图像中学习无参考图像质量评估(NR-IQA)。 该框架利用组合失真引擎生成连续参数空间的退化图像组,在嵌入空间中拉近具有相似失真模式的图像。 实验表明,SHAMISA 在合成、真实及跨数据集 NR-IQA 基准测试中表现出强劲的整体性能。
该研究首次全面揭示了I2I网络的后门攻击漏洞,提出了一种通用对抗扰动(UAP)生成算法作为触发器,并结合多任务学习动态加权方法,使后门I2I网络在干净输入下表现正常,仅在触发器出现时输出特定不当图像。 实验证明该攻击对最先进I2I网络架构有效,且具备抗不同后门防御措施的鲁棒性,并进一步扩展到图像分类与目标检测等下游任务,表明经后门去噪网络处理的触发图像可欺骗下游分类器与检测器。
提出双流变分自编码器DM-VAE,通过低维分支提取拓扑骨架约束高维潜空间,避免无正则化扩展导致的流形崎岖与生成漂移问题。 在ImageNet-1K 256x256基准上,该免外部基础模型方法取得rFID 0.12的SOTA成绩,生成FID50K在w/o CFG下为1.28,w/CFG下为1.20。
研究指出 One-step flow maps 作为后验采样器时存在不确定性丢失与不稳定,直接监督会加剧样本向条件均值坍缩。 Isthmus 方法通过桥接训练对的时间位置,在 5% 训练对沿边分布下保持网络、损失与推理代码不变,无额外成本。 在 MRI 重建中,该方法将 One-step calibration 恢复至 0.96,与多步样本相关性达 0.93,且跨种子方差显著降低。
TOGBench 是一个用于评估航拍影像中小目标生成保真度的定量对象级基准,旨在解决现有生成模型在小目标上表现不佳且此前被忽视的问题。 研究提出了两种简单的训练/推理时技术,提升了布局到图像生成器渲染小目标的能力,并提高了其在 TOGBench 上的性能。 该工作已被 WACV 2027 接收。
ConserveEdit 提出一种编辑器无关的控制器,通过“源锚定事务”将迭代图像编辑中的每步视为对源图像合约的事务,严格限制授权区域外的像素变化。 在 1053 个 MagicBrush 测试中,该机制将 DINO 相似度从 0.67 提升至 0.85,并将受保护区域违规率降至 2%。 代码和日志即将发布,自动定位(grounding)仍是当前主要瓶颈。
EfficientNet-B0 实验显示,在 P3-P5 阶段插入零门控自注意力适配器可使 ImageNet-1k 准确率提升 0.954 点至 74.02%。 注意力振幅随语义深度单调上升,P5 阶段达 66.3%。 交替双模板权重复用减少 10.9% 参数,单轮训练后准确率恢复至 70.92%。
GSF 结合水印与实时参考,在 480 条历史中实现 99.67% 图像状态分类准确率,94.09% 未授权编辑召回率。 该框架支持无重写替换与退役,三次再版后区域标签恢复中位准确率达 93.13%。 水印可明确标识发行者、当前权威版本及各区域最后授权时间。
OracleZoom 通过参考约束递归方法实现高倍图像超分辨率,在七个数据集上于各缩放深度取得最高的 CLIPIQA 指标(平均 0.713,优于 Chain-of-Zoom 的 0.621)。 该方法利用最后一张真实图像的对应区域作为训练信号,结合跨尺度损失和无参考质量目标,在 $16\times$ 缩放下保持与基线相当的幻觉率。
提出长窗口投机解码框架 Sightline,通过匹配草稿器视界长度的验证窗口提升 SVG 生成速度。 在涵盖 text-to-SVG 与 image-to-SVG 的六项基准(源自 MMSVG、MMSVG-2M 及 SArena)测试中,Sightline 在所有设置下均为对比无损解码器中速度最快。 分析表明其优势源于更长的验证窗口避免了短窗口被截断导致的轮次损失,相关代码与数据已开放获取。
该工具允许用户上传单张照片,生成 30 秒 720p 的 GTA 5 告别场景视频,包含原声台词及音乐。 输出 4:3 及 9:16 两种格式,无需登录或提示词,通常 5 至 15 分钟内完成。 起价 $8.98 一次性付费,照片在 7 天内删除,区别于仅提供短竖屏的竞品。
WalkThisPlan 利用 AI 将建筑平面图转化为 360° 虚拟样板间,48 小时内提供演示房间,7 天内生成完整虚拟模型。 生成内容包含 6K 分辨率全景漫游、适配 Zillow/MLS 的图片包、网站部署及 30 秒社交视频,并支持 12 个月托管。 该方案无需实体样板间即可展示所有户型,支持无应用、无头显的移动端浏览。
拥有 20 多年视觉特效经验的专家评测了 Apple 在 27 个操作系统版本中推出的生成式修图工具。 工具存在分辨率上限(12.19 MP)和合成滤镜导致画质模糊的问题。自 27.2 版本起,编辑图片会嵌入 SynthID 水印,但 Apple 未在界面中明确披露此行为。
Snapchat 推出 Easy Lens CLI,允许开发者使用 Claude Code、Cursor 等 AI 助手构建 AR Lenses,支持 100 余种 AR 模块。 该工具覆盖 Mac 等平台,支持 AI 全程生成、测试及发布,无需手动编码即可在一天内完成游戏制作。 Lens+ 计划创作者上月获 $1.8 million 收入,此功能旨在降低 AR 内容创作门槛。
Microsoft AI(MAI)在 Ignite 上一次性发布七个新模型,主打以更低成本替代其产品中使用的 OpenAI 模型。
安谋科技正式发布基于 Arm Cortex-M42 的“星辰 100e”AIoT 原型平台,该处理器基于 Armv8.1-M 架构,集成 Arm Helium 技术。
Suno 上线新功能 Visuals,允许用户将 AI 音乐转化为 15 秒以内自动对口型的 AI 视频,或通过文字提示生成配图和专辑封面。该功能基于 MiniMax H3 模型,提供角色预设、自定义上传或提示词生成三种参考图像模式,并配有编辑时间轴和字幕工具。Visuals 使用独立的“Visuals credits”付费体系,且包含针对名人及版权内容的视觉与文本过滤机制。
苹果为 Apple Creator Studio 订阅用户升级 Final Cut Pro,新增集成 MotionVFX 功能。 用户可将 MotionVFX 素材拖入时间轴,支持 3D 标题及镜头运动匹配景深,改进遮罩功能并可静态图转动画。 新增“内容中心”提供素材并支持文字生成图像,相关功能仅限该订阅(月费 12.99 美元)使用。
TextSphere 通过引入跨模态对齐扩展 Sphere Encoder,在 CUB-200-2011 和 MS-COCO-2014 上以 4 至 6 步采样实现低于 1.0 的重建 FID。 该方法利用预训练 CLIP 文本嵌入及 SSAU 目标促进语义对齐,实验显示其生成 FID 优于从零训练的扩散模型和 GAN。
针对边缘设备资源限制,提出 Mix-Opt 框架,通过自适应结合 BP-low 与 ZO-high 实现内存高效的文生图扩散模型个性化微调。 引入时间步感知的概率函数动态选择优化策略,在 U-Net 与 DiT 模型上均实现显著内存降低且保持高质量生成。
QUTCC提出一种基于U-Net架构的分位数回归方法,实现非线性、空间自适应的保形校准,提供像素边际覆盖保证。 该方法在去噪、加速磁共振成像及定量相位显微成像任务中,于相同覆盖率下生成比先前保形方法更紧的不确定性区间,并预测条件概率密度。 高不确定性区域有助于定位模型预测中的幻觉现象。
Advantage-Gated Adaptation (AGA) 通过解耦正负样本更新机制,在组合生成、文本渲染和偏好对齐任务中持续改善奖励-质量权衡。 该方法对正样本保留标准目标拟合,对负样本采用移动策略预测处的一阶切线以保持局部排斥方向;参数无自由度门控定义为 omega(a)=max(-a,0),并由冻结预训练参考负责长程行为保持。
分层扩散 Transformer(HiT)在 ImageNet 256x256 上取得 1.48 FID,使用约 40% 累积训练 FLOPs 达到 JiT 生成质量。HiT 通过动态分组 token 学习视觉层级结构,在文本到图像生成中超过 UniLiP 平均分,且去噪器参数减少约 6 倍,前向 FLOPs 减少约 3 倍。
SAD 框架通过仅微调解码器,在推理零成本下改进潜在生成模型。 该框架包含生成样本分布对齐与编码器锚点保持机制,针对生成潜在分布进行适配。 实验显示 REPA-E 的 FID-50K 指标从 1.15 降至 0.98,并扩展至文本到图像生成。
FM-Mamba 提出基于 Fornasini-Marchesini 模型的原生 2D 选择性状态空间架构,解决现有 Mamba 方法处理图像时破坏空间邻接性或计算量过大的问题。 模型通过双对角波前扫描执行递推,利用两个独立输入依赖步长及归一化比率 $r_k$ 进行稳定性约束,避免对特征图进行展平操作。 代码已开源。
PathoDraw 提出一种脑 MRI 病理生成模型,通过健康解剖条件分布与对比无关渲染实现零样本病理检测。 该模型使用单一 3D UNet 网络估计健康解剖及输入扫描的带符号强度偏差,无需在真实病理数据上训练,即可在公开卒中、肿瘤及白质高信号数据集上实现零样本检测。
已发表的面部隐私方法报告超过 90% 的保护率,但该结果源于存在缺陷的评估协议。使用真实前端重新评分后,标准迁移攻击的保护率下降 56%,预算分配攻击下降 7%。 现有方法在评估时使用整幅图像或检测框输入,且沿用的四个常数在整幅图像上将假接受率推高至 2.3-5.4%。
研究提出面向 4K 面部资产贴图的领域调优扩散超分辨率方法,将 1024 像素上采样至 4096 像素,在保留孔洞和皱纹细节的同时避免位移场几何畸变。 基于冻结的 SDXL 骨干网络,通过轻量化 LoRA 模块进行模态适配,并结合 Tile ControlNet 维持输入结构。
FaceRiff 框架基于预训练 SDXL 骨干网络与 LoRA 适配器,通过 UV 法线图作为几何条件,实现从文本直接生成完整的 3D 面部资产(网格、反照率及置换贴图)。
该算法仅需黑盒采样即可对生成模型实施无失真语义水印,提供输出分布不变的正式保证。 语义嵌入在保持内容转换稳定性的同时区分独立生成,训练出的图像编码器在聚合检测中表现优于现成方案。 该方法在开源和闭源模型上均有效,代码与项目页面已公开。
该研究为基于常微分方程的流匹配生成模型提出一种新颖的预测-校正框架,称为边缘匹配。 该框架利用可逆性将正向ODE中的样本校正至反向ODE的边缘分布,从而降低数据分布与学习分布间距离的上界。 在CIFAR-10和ImageNet-64数据集上,该方法在最小化额外计算开销的同时提升了样本质量。
研究在 Stable Diffusion 1.4 上对比了权重空间编程生成的程序与基线,发现预注册的改写流程相比强基线并无优势。 探索性对比显示,Astra 一次性程序将 VLM 联合成功率提升 +10.0 点,但 CLIP 相对匹配无显著变化;改写程序后 CLIP 提升 +6.2 点,联合成功率则下降 -9.7 点。
研究者提出 RiDEx 方法,通过在去噪速度场的奖励相关子空间集中局部探索,解决高维潜空间中各向同性随机扰动效率低下的问题。 该方法利用条件残差或可微奖励梯度确定子空间,并以等量反向扰动测量终端奖励响应;所有生成图像均贡献于全局 DiffusionNFT 学习。
PromptPack 通过免训练方式为扩散编辑器引入“编辑角色划分”和“区域提示词分配”双重引导,实现对图像编辑的空间与语义精确控制。 该方法无需重训练即可注入独立区域提示词,在 FlowEdit FLUX、SD3 及 FLUX Kontext 中验证,用户研究中以 87% 偏好率优于 FlowEdit FLUX。 确立了其作为意图对齐扩散编辑的实用免训练接口地位。