博客文章：前沿 T2I 图像模型的后训练方案
📌 One-Sentence Summary Arena.ai 详细介绍了一种使用复合奖励（如保真度、约束和反黑客目标）的后处理策略，以提高文本到图像模型的质量和对齐。 📝 Summary 该博文概述了对前沿文本到图像模型进行后训练的综合方法。通过超越简单的用户喜好，团队实施了包括保真度、约束和特定反黑客目标的复合奖励体系，以应对如现实感漂移等问题。这一做法
图像生成
AI 画图的最前线：文生图模型迭代、图像编辑能力与创作工具生态的全部动态。
已收录 75 条 · 近 30 天 45 条 · 第 1 / 4 页
AesCode：具有脱钩跨模式奖励的审美代码生成
作者：高欣、杨一帆、李欣|生成信息丰富的视觉制品（例如幻灯片、海报和仪表板）作为代码很有吸引力，因为输出是结构化的、可编辑的和可验证的。然而，代码模型无法看到他们对布局和颜色的选择如何在画布上结合在一起，这通常会限制空间规划和美学质量。图像生成器擅长视觉设计，但可能会错误渲染请求的内容，从而导致
Epic转向人工智能加速开发即将推出的迪士尼游戏
据彭博社报道，Epic Games计划使用人工智能为一款未宣布的迪士尼游戏生成代码和艺术品，该游戏现已推迟到最初的三月份发布窗口。该项目的开发人员被赋予“人工智能优先”的任务，指示他们使用Anthropic的Claude等工具来完成游戏。根据[.]
DLSS 5将于下个月在霍格沃茨遗产首次亮相，将低调一些
当Nvidia今年早些时候首次展示DLSS 5时，该技术立即被贴上了视频游戏人工智能的标签。对于游戏玩家来说，英伟达已经失去了剧情。我个人无法理解使用DLSS 5如何转换面部。霍格沃茨遗产学院的15岁学生突然看起来老了很多，而《生化危机》的格蕾丝[.]
Higgsfield将人工智能视频从1分钟缩短到10多分钟
Higgsfield通过GPT-6 Astra为创作者带来更长的视频、通过GPT-Image-2.5提供精确的视觉效果，并通过GPT-Live提供语音电影制作之路。
我与人工智能喂鸟器的短暂恋情
一开始就很有希望。在我安装了一个350美元269美元的Kiwibit喂鸟器2 Pro几周后，几十只五颜六色的小鸟被吸引到我的花园里。“好像是大山雀！“阅读发送到我手机上的第一个人工智能驱动的警报。“看起来像欧亚蓝山雀！”读另一个。我笑了笑，还在等待[.]
阿里巴巴Qwen发布Qwen-Image-2.1-Turbo，8步7 B图像模型
阿里巴巴的Qwen团队发布了Qwen-Image-2.1-Turbo，这是其开重Qwen-Image-2.1模型的加速检查点。它通过8个去噪步骤生成和编辑图像，而不是基本型号默认的40个步骤。对于开发人员来说，这意味着在相同的7 B架构上，去噪步骤减少了5倍，再加上托管API选项。TL;DR什么是Qwen-Image-2.1-Turbo？Qwen-Image
Pollo AI通过OpenAI将创意创意转化为活动
Pollo AI借助GPT-5.6、GPT-6 Astra和GPT-Image-2.5，帮助创作者将大胆的想法转化为详细图像和电影视频广告。
“软件结束了”：大胆的人工智能开发人员通过开源克隆瞄准Adobe
Opus构建的Creative Cloud替代品雄心勃勃，免费，而且远未完成。
谷歌押注双子座可以通过新的Playground功能将休闲玩家转变为游戏开发者
谷歌推出了Playground，这是一个基于浏览器的平台，用户可以通过文本提示和编码技能来创建自己的游戏。该平台在Gemini、Nano Banana和Lyria上运行。除了Playground之外，谷歌和Unity还推出了Unity Spark，这是一款更专业的人工智能工具，测试版计划于2026年推出。谷歌押注双子座可以通过新的Playground功能将休
谷歌推出改进的SynthID AI内容检测器，现已在全球范围内推出
新的SynthID网站现在可以识别来自Google，OpenAI等的AI内容。
谷歌的新图像模型Nano Banana 2.1以更少的钱生成更好的图像
谷歌的新Nano Banana 2.1图像模型使用Gemini 3.6 Flash，并在某些基准测试中以更低的成本击败了之前的Pro模型。但它的前身在测试中也表现出色，而Pro在实践中往往会产生更好的图像。谷歌的新图像模型Nano Banana 2.1以更少的钱生成更好的图像这篇文章首先出现在The Decoder上。
学习阅读扩散变形金刚中的上下文令牌
作者：Omer Dahary、Etai Sella、Hadar Averbuch-Elor|多模式扩散变形器（MM-DiTS）在整个一代中联合处理视觉和文本表示。这些模型通过多模式注意力重复更新文本标记，形成其功能尚未得到很好理解的动态上下文标记。在这项工作中，我们引入了一个通过自然语言审讯来阅读这个上下文空间的框架。我们训练一个轻威
UniSlider：用于连续图像编辑的感知均匀的滑动器
作者：David Serrano-Lozano、Duygu Ceylan、Yannick Hold-Geoffroy|滑动器为连续图像编辑提供直观的界面。然而，在当前的生成方法中，滑动块只是方法强度参数的重新缩放，例如适配器系数、提示权重或内插因子。这种强度与感知变化关系不大。随着滑动块的移动，图像可以部分恢复，范围的长距离不会产生任何变化
教皇利奥十四世并不喜欢人工智能生成的艺术
教皇写道：“艺术与机器根据他人创建的数百万张图像通过统计计算而生成的东西之间就存在着存在存在的实体论差异。”“算法缺乏人性的火花。"
黑森林实验室推出Flux 3 Image，具有多步编辑功能，无需使用图片的其余部分
黑森林实验室发布了Flux 3 Image，这是其Flux 3型号系列的图像侧。它支持多步骤编辑，而无需更改图像的其他部分，允许用户使用边界框和最多十个参考图像组成场景，并输出最高4K。开放式举重将在未来几周内举行。文章Black Forest Labs推出Flux 3 Image，具有多步编辑功能，无需使用您的照片的其余部分，首先出现在The Decode
ChatGPT现在可以为您虚拟试穿衣服
OpenAI正在为ChatGPT推出新的购物功能，用户可以使用自己的照片虚拟试穿服装和配饰，并将他们喜欢的产品保存到收藏夹库。
一个动画化的基础：实时化身的高斯混合形状蒸馏
作者：Ramazan Fazylov、Stamatis Lefkimmiatis、Ivan Laptev| 3D高斯化身支持快速渲染，然而，它们的实时动画经常受到昂贵的神经推理的挑战。我们解决了这个瓶颈，并表明预训练的化身模型的动画可以通过与身份无关的混合形状的线性组合来接近。在这一发现的基础上，我们引入了GALA（通过线性逼近的高斯动画），这是一个
嵌入预测有助于图像生成
作者：徐思瀚、谢继、王紫林|在扩散变换器中，类标签或文本提示被嵌入一次，并且在每个去噪步骤中重复使用相同的条件。我们问预测嵌入是否可以作为这个条件。下一个嵌入预测自回归（NEPA）训练Transformer预测序列中的下一个连续嵌入。在生成中，干净的图像跟随有噪的图像，因此其嵌入
SILSA：用于拓扑保持高分辨率3D生成的滑动窗口切片潜伏期
作者：余天娇、李新卓、申一帆|高分辨率3D生成越来越依赖于体素潜伏和多阶段管道，这些管道首先预测活动结构，然后合成局部几何形状。虽然有效，但这种设计将连续的表面分裂成许多局部标记，增加了生成成本，并且通常削弱了薄或高度连接形状的拓扑一致性。我们引入SILSA，这是一款具有布局感知的3D一代