像素扩散模型虽然避开了 VAE，但它要面对的是一个极其复杂的高维空间。在这个空间里，除了我们关心的物体形状、颜色，还充斥着大量的“无效信息”，比如相机的噪声、肉眼不可见的细节。让模型去逐个像素地死磕这些无效信号，不仅浪费算力，还会让训练变得异常困难。

早期玩AI创作，提示词（Prompt）就像黑魔法咒语，写错一个词就召唤出克苏鲁。不同工具对提示词的依赖度和友好度截然不同。对比 有戏AI、巨日禄Agent、Stable Diffusion（SD），我看到了从“咒语大师”到“可视化编程”的演进。 有戏AI正在用“结构化界面”消灭不 ...

IT之家 2 月 4 日消息，今天午间，商汤绝影宣布联合东风汽车推出“行业首款”生成式智驾量产方案，首次集成一段式端到端架构、扩散生成式模型（Diffusion Model）以及“强化学习 + 开悟智驾世界模型”的训练算法，将覆盖东风汽车多款车型。

在ImageNet 256x256基准测试中，漂移模型在1-NFE（单步推理）下取得了1.54FID的成绩，证明了从头开始训练的单步模型在质量上完全可以媲美甚至超越经过数百步迭代的传统模型。

腾讯混元团队正式开源HunyuanImage-3.0（混元图像3.0）的图生图版本，可以说是腾讯版的"小香蕉"图像生成模型项目核心定位：开源的多模态图像生成工具HunyuanImage-3.0 ...

该程序使用Python编写，旨在使用有限差分法解决一维扩散方程。它将求解区域划分为差分网格，并使用有限数量的网格点来代替连续的求解域。程序将待求解的流动变量存储在每个网格点上，并使用差商来近似偏微分方程中的微分项，从而将偏微分方程转化为 ...

HY3D-Bench通过构建包含25.2万高质量资产的标准化数据集、24万部件级结构化标注及12.5万AIGC合成样本，为3D生成研究提供了统一的数据基础，以开源的方式降低技术门槛，让研究者无需重复“造轮子”，可直接聚焦模型创新与应用探索。

【新智元导读】 就在刚刚，Meta最新发布的Transfusion，能够训练生成文本和图像的统一模型了！完美融合Transformer和扩散领域之后，语言模型和图像大一统，又近了一步。也就是说，真正的多模态AI模型，可能很快就要来了！

2026年春节前夕，商汤绝影联合 东风 汽车推出行业首个生成式智驾量产方案，打破传统技术路径局限，实现技术先进性与量产可行性的双重突破。

北京生数科技有限公司（生数科技）宣布完成A+轮融资，由万兴科技、中关村科学城等机构联合投资，聚焦多模态生成式大模型研发。

经典到前沿的计算机视觉任务集合：CNN分类、YOLO检测、Transformer分割、Stable Diffusion生成等模型与实践代码汇集。涵盖图像分类、目标检测、语义分割、实例分割、图像生成等核心视觉任务的代码与资源 About 经典到前沿的计算机视觉任务集合：CNN分类、YOLO检测 ...

而在近期，一家医疗创新企业刚刚走出隐匿模式，便宣告拿下超10亿美元融资，成为截至目前2024年全球最大医疗种子轮，也让这家企业一跃成为独角兽。