跳到正文
10月30日週五
  1. HuggingFace Daily Papers(社區熱門論文)44

    LARC:統一多模態模型的連續空間潛在推理

    LARC 為統一多模態模型引入連續空間潛在推理,改善圖像生成質素,並支援測試時擴展,避免離散 token 瓶頸。其訓練分兩階段:課程式監督微調,以及資訊增益強化學習;後者無需真值監督。LARC 在 GenEval 上取得最先進表現,較 BAGEL 提升 7%p,並在平行及循序測試時擴展策略下,展現優於基於 token 生成的表現。

  2. TechCrunch · AI38

    Meta 悄然推出 AI 時尚應用程式 Style Sketch

    Meta 推出 AI 時尚應用程式 Style Sketch,讓用戶以已有衣物組合穿搭。應用程式連結 Instagram,從用戶已發布的照片建立虛擬衣櫃,也可手動加入衣物;目前在印尼、新加坡和泰國提供 iOS 及 Android 版本。用戶可取得穿搭建議、試穿虛擬造型,亦可按目的地、行程長度、活動和天氣預報規劃每日穿搭。

  3. 新浪科技44

    麥橘在2026站酷設計周分享 AI 角色設計方法與角色資產探索

    麥橘在2026站酷設計周分享 AI 角色設計方法,提出以「骨皮形神」四個維度描述面孔特徵,並將這套體系定位為有待創作者檢驗和完善的「行業語言初稿」。他帶來的首批72個原創角色已落戶站酷,並完成 DCI 數字版權標識申領及美術作品著作權登記。站酷用戶可查看角色檔案,在明確授權範圍後下載素材,亦可按項目定製角色。

  4. 新浪科技44

    心繫天下三星W27正式發布

    中國電信與三星電子發布折疊屏手機心繫天下三星W27,搭載第五代驍龍8至尊版(for Galaxy),配備2億像素主攝及8.0英寸內屏。16GB+512GB版本建議零售價18,999元,16GB+1TB版本為21,999元;10月29日開放登記預約,11月13日全渠道開售。

10月29日週四
  1. HuggingFace Daily Papers(社區熱門論文)35

    沒有通道被遺忘:透過殘差閘理解擴散模型加速

    研究發現,REPA 等擴散 Transformer 加速方法會重組 AdaLN-Zero 殘差閘 α,而較廣泛的閘參與度與較佳生成品質相關。研究提出無需教師模型的徑向目標,透過特徵範數正則化促進廣泛參與;在 ImageNet 256times256 的 SiT-B/2 實驗中,該方法的 FID 優於 dispersive loss。

  2. 阿里雲開發者社區 AI48

    小凝:一張照片能否動起來?照片驅動形象影片的四條路線與邊界

    調研認為,用小凝的照片製作形象影片可行,但照片生成高質素長片仍受身份漂移、動作表現及成本限制。四條路線包括音訊驅動口播、影片驅動表情復刻、圖生影片,以及多鏡頭身份一致性工程。建議先製作 15–30 秒口播或短鏡頭,再逐步處理一致性、超分及合規。

  3. 阿里雲開發者社區 AI38

    跨境電商商品素材本地化如何處理:技術方案拆解與選型思路

    跨境電商商品素材本地化需按素材類型選擇技術路徑:文本採用垂直領域翻譯並人工校對,圖片經文字識別、擦除及譯文回填,影片則處理字幕、配音和口型同步。選型應考慮素材類型、本地化深度和批量規模;AI 負責初步處理,關鍵內容、圖片排版及影片配音仍須人工複核。

  4. DEV Community53

    把圖像提示詞視作結構化資料:Seedream 5.5 文字生成圖像提示詞建構器

    作者以 Python dataclass 編寫 Seedream 5.5 文字生成圖像提示詞輔助工具,按欄位組合提示詞並檢查缺漏。產品場景可額外檢查 surface、background、angle 和 space,並只改一個欄位建立一致系列。工具亦可把欄位資料轉成字典,與生成圖像一併存成 JSON,以便重建提示詞。

  5. DEV Community37

    RelayMe 如何協助市場營銷團隊將一張產品相片製作成廣告

    RelayMe 以視覺化畫布串連圖片、影片及文字模型,讓市場營銷團隊從一張產品相片生成候選圖片、調整尺寸並製作影片廣告。影片模型包括 Veo 3.1、Veo 3.1 Fast、Grok Imagine 和 MiniMax-H3,執行前可查看按模型及設定計算的點數估算。Starter、Basic 和 Pro 月費分別為 $19、$32 和 $90,附有不同月度點數。

  6. DEV Community56

    三款圖像編輯模型嘗試把 70% 改成 50%,其中一款改錯了文字

    作者測試三款圖像編輯模型把招牌上的 70% 改為 50%;Qwen 2.1 首次把 SALE 改掉,另外兩款雖改對數字,周邊畫面仍有變化。八次生成圖片的請求中,五個輸出通過文字檢查並選用於網站,三個包含錯誤修改;另有一次請求因供應商錯誤未產生圖片。作者建議逐字核對新文字及本應保留的文字,並以原尺寸檢查字形、間距和周邊細節。

  7. 創業邦64

    Getty Images 申請破產保護,揭示蓋蒂家族百年財富版圖

    Getty Images 於 2026年10月21日向美國法院申請《破產法》第11章重組保護。重組方案將註銷現有股權,由蓋蒂家族關聯實體及科赫股權發展公司關聯方取得重組後公司的全部股權;蓋蒂家族關聯實體的股權投資承諾上限為1.62億美元。文章亦追溯蓋蒂家族從石油產業起家,到以信託、家辦及多元投資管理財富的歷程。

  8. 阿里雲開發者社區 AI51

    AI 創作項目素材與成品檔案全生命週期管理實戰指南

    這份指南為 AI 漫劇與繪圖項目整理素材及成品檔案的全生命週期管理方法,涵蓋五類資產、標準目錄結構、版本管控和自動歸檔。Python 腳本會把渲染目錄中的合資格圖片和影片複製到歸檔資料夾,並輸出記錄檔名、檔案大小、修改時間和原始路徑的 CSV。交付規範包括原始素材唯讀、版本只增不覆蓋,以及在 readme.md 記錄模型依賴與環境資訊。

  9. DoNews53

    中國農業出版社召回《南海海洋生物科普叢書》第13冊,因封面及內頁出現AI生成錯誤圖片

    10月27日,中國農業出版社確認召回並下架《南海海洋生物科普叢書》第13冊(斑節對蝦),原因是封面及內頁出現 AI 生成的「雙頭蝦」錯誤圖片。該書序言稱,多數圖片由 AI 工具繪製,技術尚不成熟導致圖像失真;出版社表示正全網下架並啟動召回。出版社未就「脱殼示意」作公開回應;截至10月28日,其官方小程序及旗艦店已下架該書。

  10. IT之家58

    中國農業出版社正通知下架並召回含「雙頭蝦」圖片的科普書

    中國農業出版社表示,正通知全網下架並召回《南海海洋生物科普叢書》第13冊《斑節對蝦》,該冊封面及內頁出現「雙頭蝦」圖片。書序稱,叢書絕大多數圖片由 AI 繪圖工具生成;知情人士稱,涉事圖片原意是呈現斑節對蝦蜕殼過程,但因 AI 技術使用不成熟而引發誤解。出版社尚未就知情人士的説法公開回應,相關書籍已無法在其官方微信小程序和官方旗艦店查到。

  11. 新浪科技61

    《南海海洋生物科普叢書》出現 AI 生成「雙頭蝦」圖片,中國農業出版社通知全網下架並召回

    中國農業出版社表示,正通知全網下架並召回《南海海洋生物科普叢書》中出現 AI 生成「雙頭蝦」錯誤圖片的涉事圖書。該圖出現在第13冊「斑節對蝦」封面及內頁;知情人士稱,圖片原為呈現斑節對蝦脱殼過程,但因 AI 技術使用不成熟,最終效果顯得誇張。

  12. DoNews46

    蘋果 iOS 27.2 更新照片應用,共享相簿新增四項功能

    蘋果在 iOS 27.2 中為照片應用的共享相簿新增四項功能,包括編輯照片説明和評論、避免重複添加照片,以及在相簿即將到期時顯示提醒。更新亦為照片應用和 Image Playground 圖樂園加入 SynthID 水印支持,可輔助識別由生成式工具創建或修改的圖像;但並非所有經過編輯的照片都會帶有該標記。

10月28日週三
  1. 新浪科技47

    蘋果 iOS 27.2 更新照片 app:共享相簿新增四項功能

    蘋果推出 iOS 27.2,為 iPhone 照片 app 的共享相簿加入四項功能,並支援 SynthID 水印,以協助識別生成式 AI 建立或修改的圖像。用戶可編輯照片説明和評論、避免重複加入照片,並在相簿到期前收到提醒;共享相簿須升級至適用於 iOS 27 的版本。照片 app 和 Image Playground 亦新增 SynthID 水印支援,但並非所有經編輯的照片都會帶有標記。

  2. IT之家46

    蘋果 iOS 27.2 更新照片應用程式:共享相簿新增四項功能

    蘋果 iOS 27.2 為照片應用程式的共享相簿新增四項功能,包括編輯照片説明和評論、避免重複加入照片,以及在相簿即將到期前收到提醒。照片應用程式和 Image Playground 圖樂園亦新增 SynthID 水印支援,以協助識別生成式 AI 建立或修改的圖像,但並非所有經編輯的照片都會帶有該標記。

  3. DEV Community39

    AI 虛擬試穿:怎樣的服裝預覽看起來更真實?

    AI 虛擬試穿會根據人物照片和服裝參考圖生成穿搭預覽,品質取決於服裝能否配合人物姿勢,並保留衣物細節、人物特徵及自然的光影。評估結果時,可檢查人物身份是否保留、服裝是否相似、身體對位、邊緣融合和光線一致性;比較不同服裝時,應固定人物照片,只更換服裝參考圖。

  4. HuggingFace Daily Papers(社區熱門論文)40

    Nemotron-Labs-Diffusion-Uni:具彈性自我精煉與跨範式策略上蒸餾的統一擴散大語言模型

    Nemotron-Labs-Diffusion-Uni(NLD-Uni)是一款結合視覺理解與生成的統一離散擴散大語言模型,採用跨範式策略上蒸餾及漸進式自我精煉擴散。在視覺問答、多模態推理、物件定位、文字生成圖像及圖像編輯等多種任務上,NLD-Uni 在統一擴散大語言模型中達到最先進表現。

  5. DEV Community42

    遊戲業現時具成本效益的替代方案:類似的文字生成圖像 API

    面向遊戲銷售團隊,OpenAI DALL-E 等文字生成圖像 API 的具成本效益替代方案,通常是路由與會計設計,而非單一替代端點。託管 API、自行託管的 GPU 工作程序和批次工作程序各有不同的成本與故障處理方式;CRM 操作應與可選的圖像生成分開。比較時應按租戶記錄圖像工作、完成數、保留數據量及重試次數。

  6. DEV Community54

    建立圖像及影片生成工作流程的實用檢查清單

    這份實用清單指出,建立圖像及影片生成工作流程時,應明確呈現輸入、模型、輸出規格與費用,並管理任務狀態及檢查生成結果。清單建議為工作建立帶有穩定 ID 的持久記錄;遇上逾時,先核對既有任務,再決定是否重送可能收費的請求。還要確認檔案可儲存及顯示、格式與尺寸符合要求,並檢查影片播放、下載,以及重試會否建立新任務或再次收費。

  7. DEV Community57

    Walker Brown 用圖像模型製作一段遊戲影片,並丟棄最漂亮的圖片

    Walker Brown 為一款以文字描寫船員的瀏覽器遊戲製作影片,讓 Agent 用圖像模型生成角色畫作,補足實機錄影無法呈現的面孔。十張畫作中有九張入片;他丟棄最漂亮的船體外觀圖,因為遊戲只顯示甲板平面圖,並不呈現船體。影片將繪製畫面與遊戲實際畫面分開,並以字幕交代遊戲不會畫出人臉、相關肖像為繪製作品。

  8. DEV Community39

    OpenAI DALL-E 及類似文字轉圖像 API 的現時高性價比替代方案

    Stability AI 和 DeepAI 是 OpenAI DALL-E 的替代選擇:前者適合願意處理技術設定並考慮自行託管的團隊,後者適合有限度自訂的 API 原型;DALL-E 則是較直接的託管式選擇。文章建議以統一的應用程式介面封裝不同服務,保留提示詞、審核狀態及資產參照,方便日後更換供應商。生成的圖片仍須經編輯審核,不應把審核責任交由供應商承諾。

  9. Ideogram Blog60

    Ideogram 如何用 Colorways 更改產品照片顏色

    Ideogram 指南説明如何使用 Colorways 為產品照片中的指定區域重新上色,並為不同部分設定各自的目標顏色。每張照片最多可設定四個區域,並可加入最多六張照片;每張照片都要分別設定選區和顏色,生成後每張照片各有一張結果圖。指南提醒,目標 Hex 色值只是生成指示,不能證明布料或印刷顏色精確匹配,應檢查選區邊界及成品呈現。