ELECT：在渲染前确定身份，实现可扩展的故事可视化
ELECT 提出一种免训练故事可视化方法，通过语言引导的场景-实体映射和从模型自身草稿中选出的固定锚点，在最终渲染前确定跨帧身份，使最终渲染的每帧成本与故事长度无关。
#图像生成
arXiv cs.AIAI 评分2626 arXiv cs.AIAI 评分2626 StimFlow：通过刺激条件流匹配从图像合成脑活动
StimFlow 用条件流匹配在原生体素空间直接合成 fMRI 响应，单样本即达到 0.371 的逐体素 Pearson 相关，与平均五次采样的基线相当。该方法结合 DINOv2 结构特征与 CLIP 语义特征，无需解码器即可做 ROI 分析和概念定位，并仅用一小时扫描数据就恢复到全量数据一半以上的性能，支持高效的跨被试适配。
arXiv cs.AIAI 评分2525 HGA-Quant：面向自回归视觉生成模型的异构感知量化
研究者提出免训练 PTQ 框架 HGA-Quant，由尾部感知有界初始化网格精炼（T-BGR）与由粗到细激活精度调度（CAPS）组成，用于自回归视觉生成（ARVG）模型的低比特量化。在 Infinity 上，该框架以 W4A5.6 有效激活精度实现接近全精度的图像生成质量，而现有方法在 W4A6 下仍出现明显质量下降或表现不稳定。代码已开源。
arXiv cs.AIAI 评分1212 利用荧光显微图像中的从属颜色通道进行蛋白质结晶分割与分类
针对痕量荧光标记（TFL）蛋白质结晶试验图像，研究发现使用发射光谱峰值波长之外的从属颜色通道强度，可将似先导物或晶体被误判为非晶体的比例从9.71%降至2.02%，分类器准确率提升1.77%至5.53%。
arXiv cs.AIAI 评分2222 GeoBridge：面向几何视觉的可迁移解码器拓扑演化框架
GeoBridge 是一个可演化搜索可迁移解码器拓扑的框架，通过残差、串行、并行组合可配置原语，使阶段内部拓扑可搜索，单次源搜索约需 12 GPU 小时。
arXiv cs.AIAI 评分1313 RIECNN：用于交通标志识别的实时图像增强 CNN
研究者提出实时图像增强 CNN（RIECNN），用于交通标志识别，在 GTSRB、BTSC 和 rMASTIF 三个基准上均取得最高识别率，分别为 99.75%、99.25% 和 99.55%。其预处理与推理总耗时不超过每张图像 1.3 ms，满足实时约束，并对亮度与对比度变化等环境干扰表现出鲁棒性。
arXiv cs.AIAI 评分1515 牙科 X 光片语义分割对比：PSPNet、DeepLabv3、UNet 与 UNet++ 评测
研究在统一实验设置下对比了 PSPNet、DeepLabv3、UNet 和 UNet++ 四种模型在牙科 X 光片语义分割上的表现，使用 1269 张影像并测试了不同图像尺寸与 batch size 的影响。UNet++ 取得最高 IoU 0.6719 和 DICE 0.7869，在 300x300 图像尺寸、batch size 16 时分割效果最优。
arXiv cs.AIAI 评分2626 SpatialCritic：面向图像生成的智能体奖励模型与课程引导 RL 框架
研究团队提出课程引导的强化学习框架，用于空间文本到图像生成。其 SpatialCritic 智能体奖励模型在 SpaRW-Eval 上达到 95.1% 验证准确率，以 40 倍小的 8B 骨干超越 320B 的 GLM-5.3-Flash，并将 SD3.5-Medium 平均基线分从 78.4 提升至 83.9、BAGEL 从 83.2 提升至 86.5。
arXiv cs.AIAI 评分1818 基于 2D 生成扩散模型的深度渐进式 3D 地震速度模型构建
研究者提出深度渐进框架，通过"深度即通道"的表述，用 2D 生成扩散模型完成 3D 速度模型构建（VMB）：将每个 3D 速度体的深度维映射到 2D U-Net 的通道维，由浅至深依次合成重叠深度块，并以浅层预测和井日志等地球物理约束作为条件。
arXiv cs.AIAI 评分1818 扩散模型组合概念擦除：DMU 通过域流形遗忘解耦物体与风格
针对扩散模型难以擦除"物体-风格"组合概念且多次遗忘请求易致灾难性遗忘的问题，研究者提出域流形遗忘（DMU），利用从扩散中间特征提取的 EMA 更新特征代理表示待保留的目标物体方向，实现对特定物体中域相关组件的选择性遗忘，同时保留其他语义表示。实验显示 DMU 显著缓解灾难性遗忘，在批量遗忘与顺序遗忘上均优于现有 SOTA 方法。
arXiv cs.AIAI 评分1818 基于扩散模型的多赢家横幅广告拍卖框架
研究者提出一种基于扩散模型的横幅广告拍卖框架，允许多个竞标者共同赢得同一广告位，并根据出价强度影响最终展示的广告图像。该机制将竞标者的出价与文本描述合并为分数，驱动扩散模型反向过程采样候选图像，再从中选出福利最大化的结果。实验显示，该分配规则在效率、单调性及近似激励兼容性上均优于单一赢家规则，且保持图像质量。
arXiv cs.AIAI 评分3131 TraceSampler：让采样误差可预测、可校正的加速生成采样方法
TraceSampler 是一种后训练方法，将低步采样的端点误差建模为样本级预测问题，通过两阶段学习残差校正，在不修改预训练模型的前提下提升生成质量。
arXiv cs.AIAI 评分2727 SharedSAE：跨 U-Net 模块与去噪时间的扩散模型统一稀疏字典
SharedSAE 为 SDXL 1.0 学习了一个跨四个 U-Net 注意力模块和全部 50 个去噪步共享的稀疏字典，通过块特定低秩输入适配器与时间条件模块吸收时间非平稳性。基于该字典的局部特征抑制将 I2P 检测器阳性子集中 NudeNet 阳性生成数从 139 降至 1。追踪稀疏特征还发现，概念表示在生成过程中从最早的降采样模块向中间及更晚模块重新分布。
arXiv cs.AIAI 评分2929 Posterior Flow Matching：一种可输出端点不确定性的生成建模框架
研究者提出 Posterior Flow Matching（PFM），用高斯后验模型同时学习条件速度均值与逐分量方差，使单次模型评估即可给出传输预测和端点不确定性。该方法支持均值驱动的 ODE 与后验驱动的 SDE，后者局部噪声尺度随预测不确定性自适应调整。在图像、点云、分子和动作生成任务上，PFM 提升了生成质量，并可在整个生成过程中读取端点后验信息。
arXiv cs.AIAI 评分3636 AesCode：用解耦跨模态奖励实现美学代码生成
AesCode 通过将同一提示词生成的图像作为美学引导，让代码模型生成幻灯片、海报、仪表盘等视觉产物的代码。该方法用设计图表示整个画布，并从中导出解耦的跨模态奖励：确定性验证器评估可从代码和渲染中解析的属性，VLM 评判器则用样本专属的 Visual Graph Rubric 评估不可解析属性，再通过强化学习与逐通道归一化联合优化。
arXiv cs.AIAI 评分2424 OpenDepth：复用图像编辑先验实现鲁棒开放世界单目深度估计
OpenDepth 是一个鲁棒开放世界单目深度估计框架，通过复用 Image-to-Image（I2I）模型的结构保持编辑先验，将开放世界深度估计建模为跨多风格图像的一致几何推理。该方法在 DiT 浅层特征对齐并引入联合 RGB 潜变量重建任务，以解耦环境风格干扰。在标准与极端天气基准上，OpenDepth 刷新了鲁棒零样本深度估计的 SOTA 记录。
arXiv cs.AIAI 评分2222 基于条件流匹配的扩散 MRI 通用视野扩展方法
研究者提出一种流匹配生成模型，通过预测六个方向的表观扩散系数（ADC）来扩展扩散 MRI 的视野，并以最近两层已采集切片和全视野 T1w 图像为条件，兼顾局部扩散连续性与解剖一致性。模型在五个数据集共 3,103 名受试者（5,105 次扫描）上训练，在五个独立数据集 299 名受试者上评估，下游纤维束追踪的 bundle Dice 分数显著提升（p < 0.01）。
arXiv cs.AIAI 评分2020 弱分割引导 GAN 实现逼真图像颜色编辑
研究者提出一种利用任意可微分分割模型的 GAN 架构，在多个用例上取得 SOTA 结果，生成图像既逼真又能精确控制颜色。该方法旨在同时解决传统分割加直方图匹配可控性强但缺乏真实感、GAN 真实感强却难以控制的问题。
arXiv cs.AIAI 评分4040 让语言成为视觉的低码率编码：从词语到像素的逐级细化
研究者提出 RUNG，一种有序视觉编码，其前缀由字幕摘要阶梯监督、全长重建图像，将字幕生成与文生图统一为逐级细化过程。在数据与容量固定下，按语言而非重建排序使前缀-字幕信息量提升 2.9 倍，GenEval 从 0.76 升至 0.83，代价是四分之一码长处 PSNR 下降 2.8 dB、全长仅降 0.1 dB。
arXiv cs.AIAI 评分2020 通过回拉方向实现可控多样化采样
研究者提出一种免训练方法，利用条件嵌入空间到图像空间的映射所诱导的局部回拉几何，识别输出敏感度最大的方向，引导不同采样轨迹生成差异化图像，同时保持与条件信号的一致性。在 MS-COCO 和 BrushNet 上的实验表明，该方法提升了提示词条件图像生成与图像修复的多样性。该工作已被 NeurIPS 2026 DynaFront workshop 接收。
arXiv cs.AIAI 评分3636 扩散模型的校正训练（Correction Training）
针对扩散模型迭代采样中的误差累积与曝光偏差问题，研究者提出一种校正器：它以基础模型预测为输入、以同一真值为目标训练，在每步去噪中迭代精修干净样本预测，从而修正中间步骤的预测、避免早期伪影残留。
RadarAIAI 评分5858 Kombai 发布 Design Creativity Bench：GPT-6 Astra 居首，模型 UI 设计创造力仍低于人类
Kombai 发布 Design Creativity Bench，用 80 个开放式 UI 任务、每个任务适配两个产品领域（共 160 份设计简报）评估模型 UI 设计创造力，34 个模型中最佳模型 GPT-6 Astra 得 65.5，人类设计师参考为 92.3。
RadarAIAI 评分5252 White Circle 开源 RISE 图像模型红队测试算法
White Circle 开源了 RISE，一个自动化红队测试算法，用于检测 AI 图像生成器能否被诱导生成其规则禁止的图片。RISE 无需额外训练，底层使用 Qwen、Gemini Flash 等公开模型，通过搜索攻击策略并按通过率给予策略反馈，即使面对几乎全部拦截的模型也能持续学习。代码已开放，防守方可立即用自己的图像模型运行它。
RadarAIAI 评分6262 White Circle 开源红队算法 RISE，称可绕过 OpenAI 与 Google 最新图像模型安全防护
White Circle 团队开源红队算法 RISE，称可对 OpenAI、DeepMind 等最新图像模型进行 jailbreak。在相同攻击流程下，OpenAI 的 GPT-Image-2.5-Flare 被成功 jailbreak 的概率约为上一代的 3 倍，Google 的 Nano Banana 2.1 约为上一代的 2 倍。
RadarAIAI 评分2828 Google Argon 提示词生成油画渲染器
Google 在 X 上展示 Argon 中的一段提示词，可将普通照片转为数字油画，并用 Python 生成自定义的多通道画布渲染器。该示例来自 @_philschmid。
RadarAIAI 评分6060 国行 iPhone 双机型备案三个 AI 模型：Apple Intelligence、阿里千问与通义万相
国行 iPhone 双机型的备案信息显示三个 AI 模型编号：Apple Intelligence、阿里巴巴千问和通义万相。设备证书于 9 月 29 日续期，10 月 16 日开启预购，起价 15,999 元。
Apple Machine Learning ResearchAI 评分3030 Apple 首次从零预训练三模态掩码扩散模型，3B 规模验证统一设计
Apple 提出首个从零预训练的三模态掩码扩散模型（MDM），在文本、图文和音频-文本数据上联合训练，并系统分析了多模态缩放规律、模态混合比例、噪声调度与批大小影响。其基于 SDE 的重参数化将物理批大小与逻辑批大小解耦，免去最优批大小调参。初步模型在 3B 规模（6.4T tokens）下于文本生成、T2I 和 T2S 任务均取得强劲结果。
RadarAIAI 评分2222 用 huashu-art-motion 插件生成 Rick & Morty 风格动画宣传片
作者使用 NVIDIA Ising-Calibration-1.5 模型配合 huashu-art-motion 插件，生成了一段 15 秒的 Rick & Morty 风格宣传短片。整个流程通过图像合成、深度图生成、视频编辑和校准等指令流，将一张静态图转化为风格化视频，展示了该工具在风格化视频生成方面的潜力。
RadarAIAI 评分2222 老干妈用上 AI 视觉质检，高管称去年营收 54 亿元创新高
老干妈引入 AI 视觉质检系统筛选辣椒原料，实现核心原料 100% 可追溯，产品不良率降至 0.02%，并称去年营收 54 亿元创历史新高。与此同时，其线上营销活动几乎停滞。
RadarAIAI 评分2222 ComfyUI-H3-FaceRefine：修复 H3 视频人脸模糊的新方案
开源 ComfyUI 节点 ComfyUI-H3-FaceRefine 发布，专门修复 H3 生成视频中模糊或失真的人脸，尤其是远景镜头中的人脸问题。作者表示自己尚未对该节点进行测试。
RadarAIAI 评分1818 Gemini 4 Argon SVG 鹈鹕骑自行车——经典图像生成测试
Gemini 4 Argon 通过文本提示生成了一幅 SVG 图像：一只鹈鹕坐在自行车上，周围环绕几何形状与符号，展现模型对非现实主义、抽象风格的理解与表现能力。该图融合生物与机械元素，被视为图像 AI 处理混合超现实主义与符号学场景的经典测试。
Simon WillisonAI 评分6666 Simon Willison 更新 llm-meta-ai 插件支持 Meta 新模型 Muse Wonder
Simon Willison 更新 llm-meta-ai 插件，加入对 Meta AI 新发布的 Muse Wonder 和 Muse Wonder Full 的支持，他称这是 Meta 目前最强的模型。
RadarAIAI 评分3838 BaoCut 3.5 集成 Qwen Image 2.1 Turbo：本地生成图片，支持 NSFW
BaoCut 3.5 新增对 Qwen Image 2.1 Turbo 的本地集成，可在无服务器连接的情况下生成图像，包括 NSFW 内容。基于 Mac Mini M2，1080p 生成耗时 3-5 分钟，2K 耗时 20 分钟。
Comfy BlogAI 评分5858 ComfyUI 上线 Nvidia VFX 节点，支持视频超分、插帧与 SDR 转 HDR
ComfyUI 以自定义节点形式接入 Nvidia RTX 视频效果，模型随节点分发并在本地 Nvidia RTX GPU 上运行。
RadarAIAI 评分3434 Gemini 4 Argon 把曼哈顿天际线照片重画成油画
Gemini 4 Argon 收到一张曼哈顿天际线照片后，将其重画为油画，并自行编写了一个多遍渲染的 canvas 渲染器。该渲染器先铺大块背景笔触，再勾勒建筑与河流，最后在水面上添加细腻的镜面高光。
RadarAIAI 评分5858 Apple 发布首款智能家居屏 HomeView，售价 299 美元
Apple 发布首款智能家居屏 HomeView，7 英寸方形屏幕配扬声器底座，售价 299 美元，壁挂版同价，现已开启预购，11 月 13 日发货，首发覆盖美英加等八个国家。
RadarAIAI 评分3838 Nvidia DLSS 5 下月上线《霍格沃茨之遗》，效果明显收敛
Nvidia 公布 DLSS 5 在《霍格沃茨之遗》的新对比截图，面部与环境改动比 3 月展示时明显收敛，该功能将于 11 月 5 日上线，随后登陆《Where Winds Meet》。
RadarAIAI 评分4040 LTX Trainer 发布，在 LTX Explore 内一站式训练 LoRA
LTX 发布 LTX Trainer，将 LoRA 训练压缩为 LTX Explore 内的单一引导流程，支持 Character LoRA 和 Style LoRA 两种类型，只需选择类型、命名并设一个触发词，无需配置文件。训练前自动 QC 检查上传素材，默认排除运动模糊、遮挡等劣质片段，素材最低五分钟、无上限。训练后台运行并邮件通知，完成后可在平台内测试 30 天或导出下载。
The Verge · AIAI 评分3838 DLSS 5 下月随《霍格沃茨之遗》正式登场，效果已明显收敛
Nvidia 公布 DLSS 5 在《霍格沃茨之遗》的新对比截图，人脸改动已明显收敛，不再让青少年变成中年人。DLSS 5 将于 11 月 5 日登陆《霍格沃茨之遗》，并将在下月末上线《Where Winds Meet》。
RadarAIAI 评分3232 腾讯元宝上线「AI换肤」功能，搭载 Hy Image3.5 preview 生图能力
腾讯元宝上线「AI换肤」功能，用户上传图片即可将元宝皮肤替换为毛孩子、风景、梗图或家庭合照等自定义画面。该功能搭载 Hy Image3.5 preview 生图能力，并配合 Hy4 preview 专家模式。元宝 PC 端 V2.86 及以上版本可体验，入口为「更多」→「AI换肤」。