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

Meta首席技术官Andrew Bosworth近日向The Verge证实了一项重要决策:公司取消了原定于2027年发布的高端头显Quest Pro2（代号La Jolla），同时正在开发一款全新的超轻量头显。这一消息不仅标志着Meta硬件策略的重大转变，也揭示了公司在VR技术发展方面的新方向。据Bosworth透露，取消Quest Pro2的主要原因是初代Quest Pro的市场反应不如预期。与此同时，Meta批准了一款同样计划于2027年推出的超轻量头显项目，代号为Puffin。这款新设备将配备有线计算模块，旨在提供更轻便、舒适的用户体验。Bosworth还详细介

最近大语言模型（LLM）发展迅猛，其中Transformer模型功不可没。Transformer的核心是注意力机制，它像一个信息过滤器，让模型关注句子中最重要的部分。但即使是强大的Transformer，也会被无关信息干扰，就好比你在图书馆想找本书，结果被一堆无关的书淹没，效率自然低下。这种注意力机制产生的无关信息，在论文中被称为注意力噪音。想象一下，你想在文件中找一个关键信息，结果Transformer模型的注意力却分散到各种无关的地方，就像一个近视眼，看不清重点。为了解决这个问题，这篇论

移动增长加速平台 Liftoff 今天宣布推出一个新机器学习平台 ——Cortex。这个先进的平台采用定制的神经网络模型，旨在提升移动广告活动的效果。Cortex 的计算能力得到了增强，能够更好地识别模式并处理数据。这意味着广告主可以通过它找到最佳的投放渠道和目标受众，从而实现更高的投资回报率。根据 Liftoff 的说法，Cortex 在上线不久后便已展现出可观的广告效果改进。具体来说，广告活动的安装成本（CPI）减少了23%，获取成本(CPA)下降了21%，而广告支出回报率(ROAS)则提高了16%。Cortex 能

近日，人工智能公司 Stability AI 宣布，著名导演詹姆斯・卡梅隆将加入其董事会。这一消息无疑在影视行业引发了巨大的轰动。大家都知道，卡梅隆执导过《阿凡达》《终结者《泰坦尼克号》等经典影片，他的加盟被认为是 Stability AI 的一次重大胜利。Stability AI 是一家专注于图像和视频生成的人工智能公司，最著名的产品是 Stable Diffusion 这一文本到图像的生成模型。该公司在好莱坞特别受到关注，尤其是在视觉效果行业。值得一提的是，Stability AI 的首席执行官 Prem Akkaraju 曾是知名视觉特效

据报道，Reddit用户一直在为一个假的、人工智能生成的女人的裸照付费。这些照片由人工智能工具 Stable Diffusion 创建，外观极为真实，令人难以分辨。几个月前，这些图像首次出现在多个 Reddit 论坛上，引起了不少用户的关注和评论。Stable Diffusion生成的美女照片一位用户甚至在看到 Claudia 的照片后留言:“你真美!” 还有人表示:“哇，真是太漂亮了!”尽管有一些用户开始怀疑这些照片的真实性，认为看起来太过处理过，但仍有不少人沉迷于这位 “美女” 的魅力。一位知情用户在评论中提醒

在美国经济中，小型企业扮演着不可或缺的角色，雇用了近半数劳动力，贡献了44%的GDP。然而，当这些经济支柱的所有者考虑退出时，往往面临选择有限的困境。OffDeal，一家由Y Combinator2024年冬季孵化器培育的初创公司，正致力于通过创新的AI技术解决这一问题。OffDeal由前投资银行家Ori Eldarov和前Meta工程师Alston Lin共同创立，旨在为数百万小企业提供传统上仅限于大型企业的并购服务。该公司开发的AI代理能够识别潜在收购目标，匹配合适的机构买家，并生成销售材料，从而实现投资银行工

Magnifier Lens Effect 是一款专为网页图片设计的放大镜工具，旨在帮助用户细致观察图片的每一个细节。其核心功能包括流畅的放大体验和灵活的放大调节，用户可通过鼠标滚轮调整放大倍数和镜头大小，实现直观且舒适的视觉体验。此工具易于集成与定制，支持简单的个性化调整，适用于电子商务、艺术展示和教育材料等多个场景。通过将放大镜效果添加到网站，用户在产品展示、艺术欣赏和教育内容理解中能获得更深入的观察体验。