跳到正文
11月19日周四
  1. Hacker News AI26

    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。

  2. Hacker News AI30

    Canva 推出设置允许用户关闭大部分生成式 AI 功能

    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。

  3. 量子位75

    可灵推出 Kling Image 4.0:支持原生 8K 分辨率、千字排版及组图生成

    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。

  4. The Verge · AI41

    Canva 新增 AI “关闭”按钮

    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。

  5. arXiv · AI38

    FlashReFocus 实现单图秒级交互式焦点调整

    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。

  6. arXiv · AI30

    SHAMISA:面向无参考图像质量评估的自监督隐式结构关联建模框架

    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。

  7. arXiv · AI27

    I2I Backdoor:针对图像到图像任务的后门攻击

    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。

  8. arXiv · ML28

    Isthmus 方法修复 One-step Flows 的不确定性缺失与稳定性问题

    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。

  9. arXiv · AI20

    TOGBench:航拍影像中小目标生成保真度的基准测试与改进

    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。

  10. arXiv · ML36

    ConserveEdit:面向漂移受限迭代图像编辑的源锚定事务机制

    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。

  11. arXiv · NLP28

    OracleZoom:突破真实图像限制的递归超分辨率方法

    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。

  12. arXiv · NLP33

    Sightline:面向快速 SVG 生成长窗口投机解码

    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。

  13. Hacker News AI21

    WalkThisPlan 发布:利用 AI 将建筑平面图转化为 360° 虚拟样板间

    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。

  14. TechCrunch · AI42

    Snapchat 推出 Easy Lens CLI,支持开发者使用 Claude Code 等 AI 助手构建 AR Lenses

    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。

11月18日周三
  1. The Verge · AI59

    Suno 上线 Visuals 功能,可将 AI 音乐转化为 AI 视频与图像

    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。

  2. IT之家33

    苹果订阅版 Final Cut Pro 集成 MotionVFX

    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。

  3. arXiv · AI28

    QUTCC:针对成像逆问题的分位数不确定性训练与保形校准

    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。

  4. arXiv · ML24

    Advantage-Gated Adaptation (AGA) 提升扩散强化学习的奖励-质量权衡

    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。

  5. arXiv · AI25

    FM-Mamba:一种高效的原生 2D 选择性状态空间模型

    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。

  6. arXiv · AI32

    PathoDraw 脑 MRI 病理生成与零样本检测

    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。

  7. arXiv · ML20

    利用边缘匹配校正流

    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。

  8. arXiv · ML28

    权重空间编程在扩散模型编辑中的增益研究:程序构建与分数引导精化

    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。

  9. arXiv · ML24

    PromptPack: 免训练扩散编辑器的空间与语义对齐增强框架

    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。