Luma AI 推出 Product Shots 功能
Luma AI 推出 Product Shots 功能，让创意团队把同一产品放入新场景，无需每次从头开始。该功能面向已有产品图的用户，解决将产品图迁移到其他场景的需求。
#图像生成
RadarAIAI 评分3636 RadarAIAI 评分2424 Luma 推出 Product Shots 功能
Luma 推出 Product Shots 功能，用户可在 Luma 中试用。该消息由 Luma 官方 X 账号 @LumaLabsAI 于 2026-10-10 发布，未披露更多功能细节。
GitHubAI 评分3838 AI Horde 推理后端 hordelib 发布：封装 ComfyUI 的 horde-engine
horde-engine 将固定版本的 ComfyUI 封装为可编程调用的推理后端，自 v1.0.0 起成为 AI Horde 的默认推理引擎，PyPI 包名为 horde-engine、Python 模块名为 hordelib。
GitHubAI 评分4040 Vision Studio v3.4.1：本地运行的 AI 图像与视频生成桌面应用
Vision Studio 发布 v3.4.1，一款完全本地运行的 AI 图像与视频生成桌面应用，无需云端。
RadarAIAI 评分6262 阿里千问发布 Qwen-Image-2.1-Turbo：7B 图像模型 8 步生成 2K 图像
阿里千问发布 Qwen-Image-2.1-Turbo，这是开源权重模型 Qwen-Image-2.1 的加速版本，在保持 7B 视觉生成架构的前提下把去噪步数从基线的 40 步降到 8 步，并保留 2K 生成、多参考图编辑和透明 RGBA 输出。
GitHubAI 评分4040 LocalRPG：本地优先的 AI 跑团客户端，支持 Ollama、ComfyUI 与 TTS 语音
darkliquid/LocalRPG 是一个本地优先的桌面跑团（TRPG）客户端，可把 GM、旁白和判定三个角色分别路由到 Ollama、LM Studio、vLLM、LocalAI 或云端 API，并支持按角色回退。
GitHubAI 评分88 Creative-Studio-Tool：面向内容创作者的 Windows 视频音频编辑工具
Creative-Studio-Tool 是一款面向内容创作者的 Windows 视频音频编辑软件，支持 4K 导出、AI 画面增强、特效库、音频降噪与批量处理，核心功能免费且无需订阅。软件要求 Windows 10/11、8 GB 以上内存、Intel Core i5 或 AMD Ryzen 5 处理器、10 GB 可用空间及 2 GB 显存显卡，仅支持 Windows，不提供录屏功能。
GitHubAI 评分2222 human-centric-deepfake-detection：本地运行的 AI 生成人脸检测工具
GitHub 项目 human-centric-deepfake-detection 提供了一款本地运行的 AI 生成图像检测工具，基于 PyTorch 与 ResNet18 对照片中的人物进行真伪判断，并通过 Streamlit 在浏览器中展示结果。
GitHubAI 评分6262 MirCorp 开源本地 AI 媒体工作室 MirMediaLabs，由 MUSE 智能体调度多模型渲染
MirCorp 发布开源 AI 媒体工作室 MirMediaLabs，全部渲染在用户自己的 GPU 上完成，由 MUSE 智能体在 Auto 模式下自动选择模型、改写提示词并设置参数。
GitHubAI 评分2222 Superres-fra：用 AI 修复模糊图像与视频的开源工具
Superres-fra 是一款基于 Python notebook 的开源图像修复工具，可对低质量照片和视频进行超分辨率处理，清理监控摄像头噪点画面并还原人脸细节。
Hacker NewsAI 评分4242 Talus：可在浏览器中运行的小型地形扩散模型
Talus 是一个可在浏览器中运行的小型扩散模型，能生成 4 km 游戏高度图，首次运行需下载约 54 MB，权重与运行时随后缓存在浏览器中，生成的地图不会离开用户设备。
GitHubAI 评分2020 Ravana：Windows 本地换脸工具，支持图片、视频与摄像头实时换脸
Ravana 是一款在 Windows 本地运行的换脸工具，可对图片、视频和摄像头实时画面进行换脸，无需编程基础。它提供高质量换脸、AR 滤镜、视频平滑和实时速度优化，所有处理均在本地完成，不上传图片或视频。
GitHubAI 评分2222 PixPurge：AI 一键去除图片文字、字幕、水印和日期戳
PixPurge 是一款 AI 网页应用，可自动检测并擦除图片中的文字、字幕、水印和日期戳，并重建被覆盖的背景，几秒内即可预览原分辨率结果且不添加水印。它支持手动笔刷、框选或套索模式，仅处理选中区域，浏览器内运行无需安装，支持最大 10MB 的 JPG、PNG、WebP 和 HEIC 文件。
GitHubAI 评分2222 ai-tools-image-purifier-automation：本地 Python CLI 去水印与背景移除工具
一个本地 Python CLI 工具 ai-tools-image-purifier-automation 可检测图片底部类文字区域并做 inpainting，同时移除纯色背景，可选 AI 背景移除支持 rembg 或 BRIA RMBG-2.0。水印检测基于位置与形状启发式，不识别具体厂商 logo，也不验证去除质量。需 Python 3.10+，核心流程无需 AI 依赖，采用 MIT 许可。
The Verge · AIAI 评分5050 Nikon 显微视频大赛冠军因使用生成式 AI 被取消资格
Nikon 宣布取消其 Small World in Motion 显微视频大赛原第一名作品的资格，原因是该视频"未遵守有关生成式 AI 的比赛规则"。该作品来自 Dr. Ning Xu，声称展示 PCD 患儿气道中纤毛运动，作者在 LinkedIn 评论中承认使用了无监督神经网络方法进行 AI 辅助后处理。
GitHubAI 评分88 SheridanJustin 发布免费健身追踪应用 HexaFit
开发者 Justin Kadyrov 在 Sheridan College 暑期构建了免费健身追踪应用 HexaFit，主打无广告、无订阅、无冗余功能。应用支持自定义训练模板、组数记录、AI 识别健身器械并匹配 YouTube 教学视频，以及渐进超负荷追踪，所有数据本地存储，无需登录或联网。
GitHubAI 评分2222 Folia：全屏沉浸式歌词播放器，支持网易云、酷狗、Navidrome 与本地音乐库
Folia 是一款以全屏沉浸式歌词播放为核心的开源在线音乐播放器，支持网易云、酷狗、Navidrome 和本地音乐库，可自动匹配在线歌词与封面，并基于歌曲情绪与歌词内容用 AI 生成配色主题。
GitHubAI 评分2222 AI.ProfilePhotoMaker：基于 .NET 8 与 Angular 19 的 AI 证件照生成 SaaS 平台
AI.ProfilePhotoMaker 是一个全栈 SaaS 平台，用户上传自拍后经 Replicate 的 Flux 模型微调与风格化生成，产出专业头像。技术栈为 .NET 8 + Angular 19，部署于 Azure Container Apps，通过 GitHub Actions 实现 CI/CD。
RadarAIAI 评分6262 Artificial Analysis 实测四个前沿图像编辑模型连续 30 步编辑的一致性
Artificial Analysis 让 GPT Image 2.5 Sunburst、Ideogram 4.5、FLUX 3 和 Nano Banana 2.1 对同一张照片连续执行 30 步房地产布景编辑，测试多轮编辑的一致性。
Hacker NewsAI 评分3636 用 NASA 卫星成像的 decorrelation stretch 技术，DStretch 如何让古代博物馆文物褪色彩绘重现
作者用 Jon Harman 于 2005 年开发的 DStretch 插件处理了来自大都会、大英博物馆、克利夫兰艺术博物馆、柏林国家博物馆和 Wikimedia Commons 的约 4600 张照片、2400 件文物，该插件基于 1970 年代卫星成像的 decorrelation stretch 技术。
GitHubAI 评分88 ChromaForge v2.8.3 发布：基于 SPECTRA-3 的 AI 视觉合成平台
ChromaForge v2.8.3（Stellar Build）发布，这是一个基于 SPECTRA-3 合成架构的 AI 视觉生成平台，支持最高 8K 分辨率输出与多风格融合。平台采用开放访问模式，提供 50+ 可调参数、批量处理及 Git 版本控制集成，并兼容 OpenAI 与 Claude 风格的 API 调用。
GitHubAI 评分2222 cellseg-models.pytorch：基于 PyTorch 的细胞/细胞核实例分割模型库
cellseg-models.pytorch 是一个基于 PyTorch 的细胞与细胞核实例分割库，内置 HoVer-Net、Cellpose、Omnipose、Stardist、CellVit-SAM、CPP-Net 共 6 种模型架构，并提供多任务编码器-解码器与专用后处理方法。
GitHubAI 评分2222 PowerLine-MTYOLO：同时进行电缆分割与断股检测的多任务 YOLO 模型
PowerLine-MTYOLO 是一个基于 A-YOLOM 架构和 YOLOv8 的轻量级单阶段多任务模型，可同时完成无人机图像中的电力电缆分割与断股检测。它引入 SDPM、HAD、EFR 和 Shape-Aware WiseIoU loss 四个模块，相比 A-YOLOM 最高提升 +10.68% mAP50 和 +1.7% IoU，模型体积更小且推理速度相同。
GitHubAI 评分3838 BrickBuilder：用 Claude 或 OpenAI 模型把图片和文字提示词变成可拼搭的 LEGO 模型
for-real-labs 开源 BrickBuilder，可将图片或文字提示词转换为可拼搭的 LEGO 兼容积木模型。其 LLM-to-bricks 流程由 Claude 或 OpenAI 模型在凸点网格上描述彩色几何形状，Python 将其转为彩色体素并检查连接、渲染预览供模型复审修改，再经 glb2brick / voxel2brick 转换器生成最终积木模型。
RadarAIAI 评分6262 Qwen-Image-2.1-Turbo 图像生成模型发布，8 步去噪并开放权重
Qwen-Image-2.1-Turbo 图像生成模型发布，基于 7B 视觉生成架构，仅需 8 个去噪步骤即可创建和编辑图像，开源权重可用。模型提供 Diffusers 加载方式和 API 访问方式。
RadarAIAI 评分4242 Arena 一周榜单：Nano Banana 2.1、Mistral Large 4 与 Claude Haiku 5.5 排名更新
Arena 公布本周榜单：Nano Banana 2.1 在三个 Image Arena 模式进入前六，Multi-Image Edit 以 1431 分排第 4，Text-to-Image 第 5（1328 分），Image Edit 第 6（1428 分）。
Hacker NewsAI 评分2222 无需工作室，用 ZELF 修复老照片
ZELF 推出基于 FLUX.2 [pro] 的 Image Restore 工具，可修复老照片的划痕、折痕、污渍和褪色，锐化人脸并为黑白照片上色。用户上传最高 10 MB 的 JPG 或 PNG 扫描件，按张以 credits 付费，处理通常 30 秒内完成，失败则退还 credits；如需打印大尺寸可再用 Upscale 放大。
RadarAIAI 评分3636 详细的九宫格自拍写真提示词
一份面向国内自媒体账号的九宫格自拍写真提示词，用于生成 9 张风格一致的女性肖像。提示词指定模特为 25 岁左右亚洲女性，保持脸部特征与身材比例一致，身穿轻熟休闲服装，场景涵盖卧室、地铁、电梯和室内摄影角，整体风格自然干净，带 iPhone 拍摄感，避免过度美化或性感姿势。
RadarAIAI 评分1717 AI 美女影像的逼真度与传播潜力
AI 生成的女性影像已逼真到在小红书上普通观众难以分辨虚拟角色与真实人物，作者认为这类影像发布到社交媒体会吸引大量关注。推文还分享了用 AI 技术生成这些逼真图像的简单方法。
RadarAIAI 评分6666 通义千问发布 Qwen-Image-2.1-Turbo，8 步去噪生成与编辑图像并开放权重
通义千问发布 Qwen-Image-2.1-Turbo，这是基于同一 7B 视觉生成架构的加速 checkpoint，只需 8 个去噪步骤即可生成和编辑图像，权重已开放。该系列为生成与编辑统一模型，原生支持 RGBA 图层生成与编辑，可处理最多 10 张参考图并保持人像与商品的高保真度。模型权重已在 ModelScope 和 Hugging Face 开放，博客与 GitHub 仓库同步上线。
Hacker NewsAI 评分2020 将 2D emoji 翻译成开源 3D 时意想不到的设计挑战
为让全部 3,977 个 emoji 在深色模式下保持可辨识，团队构建了 AI 对比度审计工具，扫描图像边缘并在对比度低于阈值时标记问题、给出视觉改进建议。算法只负责发现问题，设计师随后手工绘制边缘轮廓光与高光，避免自动滤镜为通过检测而冲淡深色肤色。目标是让用户无论使用默认黄色还是 tone 5，都不必在真实肤色与消息可读性之间做取舍。
GitHubAI 评分3636 Inkstone：用免费 Agnes API 把 txt 小说转成漫画，无需 GPU
Inkstone 是一款本地优先的开源工具，读取本地 txt 小说后通过免费 Agnes 多模态 API 生成跨分镜角色一致的漫画页，可导出 PDF 或 PNG，无需 GPU 和付费套餐，只需一个 AGNES_API_KEY。
GitHubAI 评分3838 SlopForge：把资产需求变成经人工审核的 3D 游戏资产工作流
SlopForge 打通 ComfyUI 生成、Blender 处理、人工审核与 Unity 交付，将资产需求转为经审核的 3D 游戏资产，支持本地或远程 GPU 推理，资产、审批记录与来源信息保留在本地项目中。
GitHubAI 评分2828 LorenzoDainelli 发布本地 AI 照片视频分类器 local-ai-frame-classifier 2.0.0-beta.143
LorenzoDainelli 发布 Windows 本地 AI 照片视频分类工具 local-ai-frame-classifier 2.0.0-beta.143，安装包 38 MB，AI 模型全部在本机运行，照片、标签和姓名不上传服务器。
GitHubAI 评分2222 RedInk：免费生成小红书图文帖子的桌面工具
RedInk 是一款免费桌面应用，可帮助用户为小红书帖子生成文字和配图。它提供多种模板，输入文字后点击 Generate 即可快速生成匹配图片，并支持预览、编辑和保存后直接发布。目前仅支持 Windows 10 及以上和 macOS Mojave 及以上系统，需 4 GB 内存和 200 MB 可用空间。
arXiv cs.CLAI 评分2222 Diffu-LoRA：面向个性化扩散模型的新型低秩适配方法
Diffu-LoRA 是一种参数高效的低秩适配方法，通过在 Transformer 块的线性层插入可训练低秩组件并为每个组件分配可学习门控，实现跨层非均匀的适配容量分配。
arXiv cs.AIAI 评分2222 4D-GSW：面向 4D Gaussian Splatting 的运动学感知时空一致水印框架
针对 4D Gaussian Splatting（4DGS）资产版权保护问题，研究者提出运动学感知水印框架 4D-GSW，可在嵌入版权信息的同时保持高时空一致性。
arXiv cs.AIAI 评分3737 统一自回归模型的后门漏洞：ToBAC 攻击可跨模态传播恶意效果
研究者提出 ToBAC，首个针对统一自回归模型（UAMs）的多模态后门攻击，可通过数据投毒或模型访问两种方式植入触发器。在有模型访问时，ToBAC 能让 Liquid 模型在 55% 的生成中对"cool"等普通词触发品牌推广或意识形态影响；无模型访问时通过数据投毒对 JanusPro 的平均攻击成功率达 63.1%。
arXiv cs.AIAI 评分2020 APEX：无假设的基于投影嵌入检验度量，用于生成分布评估
APEX 是一个基于 Sliced Wasserstein Distance 的无假设生成分布评估框架，用 CLIP 和 DINOv2 作为特征提取器，不依赖传统 FID 等参数化度量。该框架对视觉退化表现出优于现有基线的鲁棒性，并在数据集内和跨数据集上保持稳定，可在域外数据集上实现高稳定性评估。
arXiv cs.AIAI 评分2727 IAD-Unify：面向工业异常理解、分割与生成的任务专用接口
IAD-Unify 通过任务专用 token 接口统一 MLLM、稠密视觉专家与扩散编辑器，实现工业异常的理解、分割与生成。其多参考 DINOv2 通路将 1,369 个单元压缩为 81 个证据 token 供 Qwen3.5 使用，另有 256-query 接口将 Qwen 状态重采样为 Stable Diffusion 的交叉注意力上下文。