Нейросети для картинок
Нейросети для картинок создают изображения по текстовому описанию: Midjourney (миджорни), Stable Diffusion, FLUX, DALL-E и Nano Banana превращают промпт в иллюстрацию, фото или арт за секунды. Качество уже спорит с работой дизайнера, а суды разбирают вопросы авторских прав. Здесь — все наши материалы про генерацию изображений: релизы моделей, сравнения, цены и правовые баталии.
Почему мультимодальные модели не видят веб-интерфейсы
Мультимодальные модели плохо справляются с интерфейсами: код скрывает реальность, скриншоты требуют анализа миллионов пикселей. Требуется встроенный модуль для…
Nano Banana 2: Персонализированная генерация изображений в приложении Gemini
Нейросеть Nano Banana 2 в приложении Gemini теперь использует ваш личный контекст и базу Google Фото, чтобы создавать уникальные картинки о вашей жизни.
Дипфейк-нюды в школах: расследование WIRED выявило 90 учреждений и 600 пострадавших
Совместный анализ WIRED и Indicator зафиксировал почти 90 школ по всему миру, где ученики стали жертвами AI-генерируемых интимных дипфейков.
Стэнфорд разбирает сетчатку как интерпретируемую нейросеть в курсе EE292R
LayerEditor учит редактор изображений отдавать результат в RGBA-слоях
Design Anything удерживает бриф в больших проектах: +25% на 24 артефактах
Stanford выложил лекцию Павоне по стереозрению: курс AA274A и бесплатный учебник
MTEdit: 500 тысяч траекторий правок учат модели не терять качество за 8 шагов
Исследователи собрали датасет MTEdit на 500 тысяч многошаговых правок изображений и дообучили Qwen-Image-Edit до лучшего результата среди открытых моделей.
Xiaomi-Lens-0 на 4B параметров обошла Qwen3.5 на 5,6 пункта в RefCOCO
Xiaomi выпустила Lens-0: 4B-модель на базе Qwen3.5 рисует маски из собственных визуальных латентов, прибавляет 5,6 пункта на RefCOCO и лидирует по cIoU.
MambaAct ускоряет робота на π0.5: эксперт в 10 раз меньше, задержка −64,8%
Tadpole предлагает фундаментальную модель для физики: от прогноза к пониманию
Artificial Analysis запустил AA-Robotics и проверил GPT, Claude и Gemini как мозг робота
NVIDIA выпустила Nemotron 3.5 Super: 26 баллов AA и 630 токенов/с
WinARDet лечит зацикливание MLLM-детекторов: F1 вырос с 32,16 до 39,36
Метод сжатия окон WinAR не даёт мультимодальным моделям бесконечно повторять один бокс: на плотном RSDense F1 вырос до 39,36, а доля дублей упала с 35,48% до 13,00%.
GAFU достаёт знания из генерации в UMM и поднимает VStar-Bench на 20%
Метод пост-обучения GAFU сжимает генеративные представления унифицированных мультимодальных моделей в G-токены и даёт до +20,00% к SFT на VStar-Bench.