研究提出以校準式內容認證判斷影像真實性可否被合理否認
研究提出並評估一種以生成器忠實重建能力校準的內容認證方法，用來判斷影像真實性是否可被合理否認。研究測試 20 款深偽檢測器對 10 個近四年推出的生成器，準確率由接近完美的 99.5% 降至 76%；對抗性擾動則令所有基線檢測器的準確率跌至 2% 以下。新方法可校準至生成內容遭錯誤認證的比例不超過 1%，並在所評估的有界擾動攻擊下維持此上限，但不涵蓋任意對抗性轉換。
#圖像生成
#圖像生成
今日 0 條HuggingFace Daily Papers（社區熱門論文）AI 評分6262 Goodfire ResearchAI 評分5050 Block-Sparse Featurizers 揭示視覺模型的表徵幾何結構
Goodfire Research 介紹其新論文提出的區塊稀疏特徵器（Block-Sparse Featurizers，BSF），以多維子空間刻畫視覺模型中的概念結構。
HuggingFace Daily Papers（社區熱門論文）AI 評分3939 為漂移模型學習判別性幾何結構
研究提出持續表徵學習，讓漂移模型直接從像素學習有效的判別性表徵，無需預訓練編碼器。在多個數據集上，該方法令原有像素空間漂移模型的 FID 降低約 82-95%。調整預訓練表徵及採用速度裁剪可進一步提升效果。
HuggingFace Daily Papers（社區熱門論文）AI 評分3737 AFP-GIC：可控生成式圖像壓縮的自適應融合先驗遷移
AFP-GIC 提出按圖像內容引導編碼與重建的自適應融合先驗遷移流程，用於可控生成式圖像壓縮，無須傳送先驗本身。單一可部署的預訓練模型支援五個碼率操作點。在 NVIDIA RTX 4090 上以 256×256 圖像區塊測試，解碼延遲較 DC-VIC 低 18.1%（80.47 ms 對 98.27 ms），推理參數少 20.5%。
MIT NewsAI 評分6363 MIT CSAIL 研究發現，AI 生成圖像往往難以追溯至訓練數據中的個別樣本
MIT CSAIL 團隊在 Nature Communications 發表研究，提出 attribution decay（歸因衰減），指出訓練數據愈多，單一訓練樣本對生成圖像的影響愈小。
OpenAI NewsAI 評分3838 OpenAI 簡化、穩定並擴展連續時間一致性模型
OpenAI 簡化、穩定並擴展連續時間一致性模型，令其樣本品質可媲美領先擴散模型。採樣僅需兩個步驟。
Hugging Face Blog精選AI 評分6464 Artificial Analysis 推出文生圖模型排行榜與 Image Arena
Artificial Analysis 推出文生圖模型排行榜與 Image Arena，以超過 45,000 次人類圖像偏好計算模型 ELO 排名。排行榜收錄 Midjourney、DALL·E、Stable Diffusion、Playground 等開源及專有模型，評測為每個模型生成超過 700 張圖像。用户可在 Image Arena 投票，投滿 30 票後查看個人化模型排名。
推薦理由：排行榜以超過 45,000 次人類圖像偏好計算 ELO，並涵蓋開源與專有模型，為比較不同文生圖模型提供同一參照。
OpenAI NewsAI 評分5454 Glow：更佳的可逆生成模型
OpenAI 提出 Glow，一種使用可逆 1x1 卷積的生成模型，延伸既有可逆生成模型並簡化架構。Glow 可生成逼真的高解像度圖像、支援高效採樣，並發現可用於操控數據屬性的特徵；OpenAI 同時釋出模型程式碼和線上視覺化工具，供人探索及延續相關成果。