标签
推荐本地部署的换脸 LoRA「BFS-Best-Face-Swap」，支持面部、头部与身体替换并保留原图头发、肤质、光影，提供 ComfyUI 工作流、Draw Things 预设及 Python Diffusers 部署方式。
该论文表明，REPA 和分散正则化等扩散模型训练加速方法主要重组 AdaLN-Zero 残差门控 α，并提出了一种无需教师模型的径向目标，通过扩大门控参与范围，改善 SiT-B/2 在 ImageNet 256×256 上的 FID。
braindead-local-intelligence 是一个基于 Podman 的简单项目，可在 Linux 机器上搭建本地 AI：将兼容 OpenAI 的 LLM 服务器、图像生成服务器、SearXNG 网络搜索和 Open WebUI 集成到同一个访问地址下，每次仅在显存中加载一个模型，并在空闲时将其卸载。
文章分析了硅谷AI生图/视频推理云平台fal的快速崛起：年收入约8亿美元、估值或达150-200亿美元，两年前年收入仅约一千万美元。fal的核心模式是不卖显卡，而是提供一排可随时切换的模型，从模型快速迭代、没有长期赢家的市场中获利。
Sam Wasserman 透露，他们为 ComfyUI 构建了一个开源版 Higgsfield 平台，包含 61 多个应用（视频、音乐、音频、音效、智能体、提示词辅助、深度映射等），是一套完整的专业工作流套件，而非单一功能。
一位用户推广 AI 视频生成工具 Vivix W1，展示其快速、低成本的高质量视频生成效果，同时鼓励大家参加 Vivix 创作者挑战赛，赢取最高价值 300 美元的礼品卡和使用额度奖励。
SpecSlot 是一种像素空间 rectified-flow Transformer，通过将空间锚点扩展为分配不相交 DCT 系数带的多个槽位，并仅让最低频槽参与全局注意力，在不增加计算成本的情况下提升图像细节生成质量。
PhysInsert 提出一种物理上合理的参考图像物体插入框架，通过几何引导适配与物体-场景双向空间监督，联合调整物体与环境的姿态、光照，并构建了 Insert World 数据集与 PhysInsert-Bench 评测基准。
IDM：Intrinsic Distribution Matching 提出让生成器自身同时提供分数监督和分布匹配表示的方法，在保留完整 DMD 校正的基础上，对生成器 EMA 特征的均值和逐坐标标准差添加显式损失。在 2 NFE 预算下，基于 Z-Image 的 IDM 在 LongText-CN 和 LongText-EN 上取得最佳分数。
Obie 更新了 slopcore，这是一个开源 Claude Code 插件，用于编排一条端到端的 AI 音乐视频制作流水线——从歌曲分析与分镜设计，到 GPT Image 静帧、Seedance 视频片段、口型同步，再到以代码渲染的歌词——其中融入了四部已完成影片所积累的经验教训。
提出 StruPO，一种结构感知的提示编辑器，利用校准场景图作为共享表示，将结构反馈转化为可复用的编辑策略训练信号，在保持场景忠实性的同时提升文生图的美学质量。
PrunaAI 发布了适用于 Qwen-Image-2.1 的 6 步 LoRA 适配器，将图像生成步数从 40 步减少到 6 步，其中一个变体完全移除了提示词扩写步骤，使端到端生成速度提升至约 5 倍。
该论文提出了 Transformer 能量模型（TEM），通过在潜空间中构建可扩展的 Transformer 能量函数并进行多层能量聚合，实现了无需无分类器引导的高质量图像生成（在 ImageNet 256×256 上的 FID-50K 达到 3.82），并验证了能量模型（EBM）在组合生成、零样本修复与分布外检测方面的能力。
FrameForge 提出了一种统一的条件图像生成方法，通过 Mixture of Temporal Experts（MoTE）和 Chain of Temporal Reasoning（CoTR）利用预训练视频模型，在 DreamBench、COCO2017 和 GEdit-Bench 上分别针对主体驱动生成、canny 转图像和图像编辑任务取得了更优的结果。
作者 Hunter Brooks 展示了 2022 年 8 月用 DALL·E 2 生成的一系列图片，回顾图像生成技术自那时以来的巨大进步。
论文表明，在统一多模态模型中，从一种模态（文本或图像）推导出的引导向量可以零样本迁移到另一种模态，揭示了尽管存在模态鸿沟，二者仍共享因果控制机制；同时发现一个几何特征：可迁移的引导向量在不同模态中倾向于指向相似的方向。
OliviaRossi 发布了 Minimax-h3_Singularity-x-10Eros-Max_PRISM，使用自定义 PRISM 算法（非 mergekit）合并两个 Minimax-H3 Ref2VA 微调模型，包含谱去噪、极坐标测地线插值和符号冲突调解等步骤。
Canva 推出其首个图像生成模型 Canva Craft，采用两阶段生成流程，支持 2K 分辨率和 30 种宽高比，并基于 Canva 模板设计数据训练，可在平台、API 及第三方聊天机器人中使用。
一篇推文对比了 SKY-001 与 GPT-6 在发动机零件绘图任务上的速度与成本差异——快 51 倍、便宜 150 倍，并判断这种低成本方法将被大量复制，而传统工业界仍停留在浅层提问。
Comfy-Org 发布 Fibo-2.0 的 ComfyUI 重打包模型文件，包含 bf16 与 int8 量化版本，并附带 Qwen3-VL 4B 文本编码器与 FLUX2 VAE，供非商业用途使用。