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。

德国研究机构LAION创建并发布了新数据集Re-LAION-5B，声称已清除疑似儿童性虐待材料（CSAM）链接。该数据集是旧数据集LAION-5B的修复版，采纳了互联网观察基金会、人权观察、加拿大儿童保护中心和斯坦福互联网观察站的建议。Re-LAION-5B分为两个版本：Research和Research-Safe，后者额外删除了NSFW内容。数据集旨在支持Stable Diffusion等生成式AI模型的训练，且不包含图像，仅提供图像链接和替代文本的索引。Re-LAION-5B的发布前，斯坦福互联网观察站发现LAION-5B包含非法图片链接，且数据集中可能存在不当内容。LAION已暂时下线原数据集，并承诺删除已知违规链接。新数据集包含约55亿个文本图像对，根据Apache2.0许可发布。LAION强调数据集用于研究而非商业目的，并鼓励使用元数据清理现有副本。

Runway从Hugging Face平台秘密删除了包括Stable Diffusion v1.5在内的代码库，这一举动在科技界引起了广泛关注。删除行为未通知Hugging Face或社区成员，导致依赖这些资源的开发者和研究者陷入困扰。Stable Diffusion v1.5曾是Runway参与的研究项目，并在相关论文中占有重要位置。然而，这一版本因版权问题最终被要求下架。面对争议，Runway CEO/联合创始人表示发布该版本是合理的，强调了研究的作者包括Runway ML和慕尼黑大学成员，并强调相关研究和代码已开源。除了开源项目，Runway还推出了Gen-3Alpha视频方案，显示了公司在视频技术领域的探索。外界对删除行为的猜测包括版权问题和市场压力，如竞争对手Cog-5B的崛起。

贾佳亚团队开发的ControlNeXt是一个开源的图像/视频生成引导工具，旨在简化AI模型的使用过程。该工具体积小巧，与Stable Diffusion家族的模型如SDXL、SD1.5兼容，支持多种控制模式，如边缘引导、姿势控制、遮罩和景深控制。其“减肥秘诀”在于采用了更高效的结构，将“大胃王”控制分支替换为由少量ResNet块组成的“轻食套餐”，使模型体积减少到原来的十分之一，同时保持强大的控制能力。ControlNeXt在生成速度上表现出色，仅增加10.4%的延时，远低于ControlNet的41.9%。此外，它通过交叉归一化技术优化特征分布，提高模型的适应性和控制效果。此工具不仅提升了AI艺术创作的灵活性和效率，还能创造出风格多样的跨次元角色，为AI艺术领域带来新的突破。