在近日的 AWS re:Invent 大会上，Stable Diffusion3.5 Large（SD3.5Large）宣布正式在亚马逊 Bedrock 平台上可用。作为 AWS 的完全托管平台，Bedrock 旨在为开发者提供构建和扩展生成式人工智能应用的基础模型。通过将 SD3.5Large 引入亚马逊 Bedrock，Stability AI 希望满足开发者在可信的 AWS 环境中进行工作和部署的需求，从而使初创企业和大型企业能够安全、便捷地使用这一先进模型，而无需担心额外的基础设施问题。Stable Diffusion3.5 Large在文本到图像生成方面表现卓越，具有多种关键能力。首先，它支持多样

FF宣布为其旗舰车型FF912.0Futurist Alliance发布了一系列车载软件更新。这些更新旨在提升车载娱乐体验和用户操控功能，进一步改善车辆的革命性用户体验，打造一个移动、互联、智能且奢华的第三AI空间。更新通过OTA（Over-The-Air）方式即时生效，优化了车辆交互，使操作更直观、便捷。

在视频分析领域，物体的持久性是人类理解物体即使在完全遮挡情况下依然存在的重要线索。然而，目前的物体分割方法大多只关注可见（模态）物体，而缺乏对无模态(可见 + 不可见)物体的处理。针对这一问题，研究人员提出了一种基于扩散先验的两阶段方法Diffusion-Vas，旨在提升视频无模态分割和内容补全的效果，能追踪视频中的指定目标，然后利用扩散模型补全被遮挡的部分。该方法的第一阶段涉及生成物体的无模态掩码。研究人员通过将可见掩码序列与伪深度图结合，来推断物体边

近日，Meta 正式推出了一个名为 Leffa 的开源AI虚拟试穿框架。该框架旨在通过生成新图像来提升用户的穿衣体验，用户可以根据参考图像进行不同服装和姿势的切换。与以往的方法相比，Leffa 在保留细节和减少图像失真方面表现得更为出色。Leffa 的推出为在线购物和虚拟试穿带来了新的可能性。用户只需上传一张参考图片，系统就能基于该图片生成全新的穿搭效果。这意味着，消费者在购买衣物之前，可以更直观地了解这些服装在自己身上的效果，减少了因不合适而退换货的麻烦。Meta 表示

WPS Office近期推出了其AI语音速记功能，该功能通过WPS AI技术得到增强，并与WPS云文档深度整合，为用户提供了更快捷、更准确、更智能的语音转文字体验。这项新功能不仅支持实时录音和导入音频转文字，还能实现中英等多种语言的互译，确保了录音文件的完整性，即使在录制过程中异常退出，用户也能重回录音任务继续录音。

近期，微软的 “连接体验” 设置在其 Office 软件中引发了广泛的讨论和用户担忧。许多人担心，默认开启的这一功能可能会使微软在未获得用户同意的情况下，利用用户的 Word 和 Excel 文档等数据来训练其人工智能模型。对此，微软坚决否认这些指控，明确表示不会在未征得用户明确许可的情况下使用客户数据。微软的一位发言人向媒体表示:“在 Microsoft365的消费者和商业应用中，微软不使用客户数据来训练大型语言模型，除非获得您的明确许可。” 但当被询问 “许可” 的具体含义，以及

贾跃亭旗下Faraday Future宣布将在 2025 年年初将其纳斯达克股票代码从FFIE更改为FFAI，以更好地反映公司在人工智能(AI)战略上的持续聚焦。公司计划在 2025 年 1 月公布股票代码更换的详细日期及计划，并举办“FF开放AI日”活动，邀请AI产业伙伴共同探讨出行领域AI的未来。

Stable Diffusion 等模型的出现标志着图像生成领域取得了重大进展，但其与自回归语言模型的根本区别，阻碍了统一的语言视觉模型的开发。为解决这一问题，研究人员推出了 Meissonic，它将非自回归掩码图像建模 （MIM） 文本到图像技术提升到了与 SDXL 等最先进的扩散模型相媲美的水平。Meissonic 的核心在于一系列架构创新、先进的位置编码策略以及优化的采样条件，这些改进显著提高了 MIM 的性能和效率。此外，Meissonic 还利用了高质量的训练数据，集成了基于人类偏好分数的微条件，并采用

Stability AI近日推出了其最新的深度学习文本到图像生成模型 ——Stable Diffusion3.5。这一版本包括三种改进的开源模型，旨在满足不同用户的需求，包括研究人员、企业客户和爱好者。其中，Stable Diffusion3.5Large 是整个系列中最强大的模型，参数高达81亿。该模型以其卓越的图像质量和对提示的高度响应能力，成为专业用户的理想选择，能够生成分辨率达到1兆像素的高质量图像。此外，Stable Diffusion3.5Large Turbo 是 Stable Diffusion3.5Large 的简化版。它在生成高质量图像的同时，极大地提升了速度，仅

近日，研究团队发布了名为 HelloMeme 的框架，可以超还原的将画面中一个人的表情迁移到另外一个画面中人物的表情上图片上。如下图，给出一个表情图片（第一行），就可将表情细节迁移到其它图片人物形象上面。HelloMeme 的核心在于其独特的网络结构。该框架能够从驾驶视频中提取每一帧的特征，并将这些特征输入 HMControlModule。通过这样的处理，研究人员可以生成流畅的视频画面。然而，在初步生成的视频中，帧与帧之间存在闪烁的问题，影响了整体观看体验。为了解决这一问题，团队

阿里巴巴通义实验室最新研究表明，现有的文生图 Diffusion Transformer 模型其实已经具备生成多张具有特定关系图像的能力，只需稍加“点拨”就能“融会贯通”，生成高质量的多图集。传统的 Diffusion 模型更像是一个“死记硬背”的学生，需要用海量数据训练，才能生成高质量的图像。而有了 IC-LoRA 加持，它就变成了“触类旁通”的学霸，只需要少量样本就能学会新技能。这背后的原理说起来也不复杂，研究人员发现，现有的文生图 Diffusion 模型其实已经具备一定的“上下文学习”能力，只

周五，苹果公司宣布将收购 Pixelmator 公司，这一消息引起了广泛关注。Pixelmator 作为一家开发多款热门照片编辑应用的公司，这次收购或许将为苹果平台带来新的变革。一些人对这一交易持怀疑态度，但也有乐观者认为，这可能会解决他们在 iPad 使用过程中遇到的一大问题——软件不够完善。尤其是在尝试使用 Adobe 的 Photoshop for iPad 时，虽然功能强大，但订阅模式并不受所有用户欢迎。在这种情况下，像 Pixelmator Pro 和 Affinity Photo 这样的一次性购买应用备受青睐。然而，虽然 Affinity Photo 有

迪士尼的研究团队最近推出了一种全新的图像压缩方法，利用开源的 Stable Diffusion V1.2模型，这种方法可以在比竞争对手更低的比特率下生成更真实的图像。这种新方法被称为 “编解码器”，尽管它比传统的 JPEG 和 AV1编解码器复杂得多，但其性能却令人惊叹。该研究表明，新方法在图像细节的恢复上表现得更为出色，同时所需的训练成本也大大降低。研究人员发现，量化误差（图像压缩中的核心过程）与噪声(扩散模型中的核心过程)非常相似，因此可以将传统量化图像视为原始图像的噪声

Stability AI再次突破技术壁垒，推出全新Stable Diffusion3.5Medium模型。这款面向大众的AI绘画工具不仅完全免费开放商用，更重要的是实现了高性能与普及性的完美平衡。这款采用多模态扩散变换器（MMDiT-X）架构的模型，以25亿参数的精简设计，巧妙解决了普通用户的硬件门槛问题。仅需9.9GB显存，便能在大多数消费级显卡上流畅运行，真正实现了"人人可用"的愿景。在技术创新方面，该模型整合了三种预训练文本编码器，并引入QK标准化技术提升训练稳定性。特别值得一提的是，其前12个变换层

最近，波兰的一家广播电台 ——OFF Radio Krakow，因尝试用 AI 生成的 “虚拟主持人” 替代真实记者而引发广泛争议，最终不得不迅速结束这一实验。这一举动在波兰引起了不少人的愤怒，许多人担心人工智能将取代人类工作。图源备注：图片由AI生成，图片授权服务商Midjourney据了解，OFF Radio Krakow 在几周前解雇了其记者，并重启了以 AI 创建的虚拟角色作为主持人来播报节目。电台的编辑 Marcin Pulit 表示，这一实验的初衷是希望引发关于人工智能的讨论，但没想到引起了如此强烈的反响。他指

波兰电台OFF Radio Krakow最近宣布了一个大胆的决定:全面采用人工智能（AI）主持，以探索AI在社会中的影响。这一决定被该电台的总编辑Marcin Pulit描述为一项社会实验，但外界普遍认为这是为了节省成本。OFF Radio Krakow是Radio Krakow的一个在线和DAB+子公司，本周宣布将全面采用AI，由三位名为“Emi”、“Kuba”和“Alex”的AI主持人负责新节目。这些AI主持人都有自己的背景故事和性格，由记者“创造”。这些AI主持人的内容由真人记者使用人工智能工具准备，生成文本后由记者检查和验证，然后转

近日，北京人工智能学院的研究团队推出了一款名为 OmniGen 的全新图像生成模型。全能型图片生成编辑选手与以往的图像生成工具如 Stable Diffusion ，OmniGen 最大的亮点是，它不再只是专注于单一任务，它具备了多种能力:能在一个统一的框架下处理多种图像生成任务能:包括从文本到图像生成、图像编辑，可以说是个全能选手。这意味着，用户只需提供简单提示词，就能控制图像生成与精细编辑，而不再需要再使用 ControlNet、IP-Adapter 这样的插件对图片进行细节调整!OmniGen 的架构非常简化。与

谷歌 DeepMind 联合麻省理工学院（MIT）近日发布了一项重大研究成果。研究团队开发的新型自回归模型"Fluid"在文本到图像生成领域取得了突破性进展，该模型在扩展到105亿参数规模后，性能表现出色。这项研究颠覆了业界普遍认知。此前，自回归模型虽然在语言处理领域占据主导地位，但在图像生成方面一直被认为不如 Stable Diffusion 和 Google Imagen3等扩散模型。研究人员通过创新性地引入两个关键设计因素，显著提升了自回归模型的性能和可扩展性:采用连续型词元替代离散型词元，以及引入

昨日晚间，Stability AI发布了其最强大的模型——Stable Diffusion3.5，这不仅是一个单一的模型，而是一个包含三个版本的全家桶，旨在满足从科研人员到业务爱好者、初创公司和企业的多样化需求。这三个版本分别是Stable Diffusion3.5Large、Stable Diffusion3.5Large Turbo和即将于10月29日发布的Stable Diffusion3.5Medium。

来自智源研究院的Emu3团队发布了一套全新的多模态模型Emu3，该模型仅基于下一个token预测进行训练，颠覆了传统的扩散模型和组合模型架构，在生成和感知任务上均取得了最先进的性能。一直以来，下一个token预测被认为是通向人工智能通用智能（AGI）的希望之路，但在多模态任务上却表现不佳。目前，多模态领域仍然由扩散模型(如Stable Diffusion)和组合模型(如CLIP与LLM的结合)主导。Emu3团队将图像、文本和视频都标记化到离散空间中，并在混合的多模态序列上从头开始训练单个Transformer模型