Эфир 18.11 · Поток 318 ноября в 19:00 МСК — бесплатный практический эфир по ИИ-агентам · Живой Поток 3 стартует 23.11Эфир 18 ноября →Поток 3 (23.11)
ВсёLLMРобототехникаСтартапыИсследованияЭтика ИИБизнесЖелезоАвтономные системыМедицинаКреатив
Тема-хаб

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.

Официальный сайт ↗1460 материалов
В глоссарии:Генерация изображений по текстуДиффузионная модельГенеративный ИИМультимодальная модель
Команда Цинхуа сводит генерацию к одному шагу: от картинок к потоковому видео
LLM·Jiqizhixin (机器之心)

Команда Цинхуа сводит генерацию к одному шагу: от картинок к потоковому видео

12 окт. 2026 г.·2 мин
模思智能 привлекла свыше 1 млрд юаней на Pre-A для омнимодальной модели реального времени
LLM

模思智能 привлекла свыше 1 млрд юаней на Pre-A для омнимодальной модели реального времени

12 окт. 2026 г.·2 мин
Новый бенчмарк проверяет, подчиняются ли картинки ИИ законам физики
LLM

Новый бенчмарк проверяет, подчиняются ли картинки ИИ законам физики

12 окт. 2026 г.·2 мин
UNITAS: 3D-модель мира для роботов лидирует сразу на нескольких бенчмарках
Робототехника

UNITAS: 3D-модель мира для роботов лидирует сразу на нескольких бенчмарках

12 окт. 2026 г.·2 мин
SAMF учит дроны находить себя на спутниковой карте по тепловизору без GNSS
Робототехника·arXiv cs.CV

SAMF учит дроны находить себя на спутниковой карте по тепловизору без GNSS

Исследователи предложили SAMF: фреймворк сопоставляет тепловые снимки с дрона и спутниковые карты по общим структурам сцены. Код и датасет Thermal-UAV-Paired…

12 окт. 2026 г.·2 мин
APEX сжимает латенты диффузии в 128 раз и обходит 256-токенную модель на ImageNet-512
LLM·arXiv cs.CV

APEX сжимает латенты диффузии в 128 раз и обходит 256-токенную модель на ImageNet-512

Метод APEX упорядочивает каналы латента от структуры к деталям и денойзит их асинхронно. На ImageNet-512 он выигрывает при сжатии 64x и 128x, а код уже открыт.

12 окт. 2026 г.·2 мин
SWIM экономит вычисления: аудио-видео генерация выигрывает до 30,7% против Best-of-N
LLM·arXiv cs.CV

SWIM экономит вычисления: аудио-видео генерация выигрывает до 30,7% против Best-of-N

Фреймворк SWIM сочетает поиск частицами и Metropolis-Hastings при фиксированном бюджете: на JavisBench-Mini +30,7% к Best-of-N на JavisDiT++ и +17,0% к EvoSearch на…

12 окт. 2026 г.·2 мин
SAM 2.1 дообучили на фасадах и интерьерах: mIoU вырос с 49,9% до 69,6%
LLM·arXiv cs.CV

SAM 2.1 дообучили на фасадах и интерьерах: mIoU вырос с 49,9% до 69,6%

Исследователи дообучили SAM 2.1 на 2679 снимках 42 зданий и подняли mIoU по 11 классам строительных элементов с 49,9% до 69,6%. Модель встроили в 3D-пайплайн…

12 окт. 2026 г.·2 мин
Топ темы
01SAIL удерживает объект в кадре по звуку и тексту и обходит конкурентов на двух бенчмарках12 окт. 2026 г.·2 мин02Исследователи сверили внимание CNN, ViT и Mamba со взглядом человека12 окт. 2026 г.·3 мин03Тест Струпа показал: VLM читают текст на картинке охотнее, чем видят цвет12 окт. 2026 г.·2 мин04ForcingBooster вдвое сокращает шаги денойзинга в авторегрессионном видео12 окт. 2026 г.·2 мин05Видео-языковые модели путают манёвры авто: LoRA и пробы чинят ошибку12 окт. 2026 г.·2 мин
MIRAGE привязывает 3D-реконструкцию по видео к LiDAR и обходит COLMAP на трёх датасетах
Робототехника·arXiv cs.CV

MIRAGE привязывает 3D-реконструкцию по видео к LiDAR и обходит COLMAP на трёх датасетах

12 окт. 2026 г.·2 мин
TerraAgent проверяет, смотрит ли ИИ на снимок: галлюцинации упали с 17,1% до 9,8%
LLM·arXiv cs.CV

TerraAgent проверяет, смотрит ли ИИ на снимок: галлюцинации упали с 17,1% до 9,8%

12 окт. 2026 г.·2 мин
AVA без обучения повышает точность мультимодального ICL на 1,7 пункта
LLM·arXiv cs.CV

AVA без обучения повышает точность мультимодального ICL на 1,7 пункта

12 окт. 2026 г.·2 мин
DiffusionART ускоряет RL-дообучение видеомоделей в 12 раз без тонкой настройки EMA
LLM·arXiv cs.LG

DiffusionART ускоряет RL-дообучение видеомоделей в 12 раз без тонкой настройки EMA

12 окт. 2026 г.·2 мин
CacheScope ускоряет диффузионные модели до 3,57x и режет LPIPS на 70%
LLM·arXiv cs.LG

CacheScope ускоряет диффузионные модели до 3,57x и режет LPIPS на 70%

Метод CacheScope без дообучения выбирает шаги, где кэш опасен, и считает их честно. На FLUX.1-dev, Wan2.1 и Open-Sora 1.2 он даёт ускорение до 3,57x и снижает LPIPS…

12 окт. 2026 г.·2 мин
Kairos: байтовая модель для всех модальностей сошлась на 440 байтах
LLM·arXiv cs.LG

Kairos: байтовая модель для всех модальностей сошлась на 440 байтах

Автор Kairos собрал байтовую мультимодальную архитектуру с MoE и линейным вниманием и проверил, что она вообще обучается: потеря около 10⁻³ на одной фразе из 440…

12 окт. 2026 г.·2 мин
GeoSpatialBench проверил MLLM на 28 типах пространственных связей в шести городах
LLM·arXiv cs.AI

GeoSpatialBench проверил MLLM на 28 типах пространственных связей в шести городах

Новый бенчмарк GeoSpatialBench показал разрыв: MLLM лучше работают с GeoJSON, чем с картами-изображениями, а при редактировании чаще нарушают заданные геометрические ограничения.

12 окт. 2026 г.·2 мин
Новый метод выравнивает энкодеры по 100–500 парам вместо миллионов
LLM·arXiv cs.AI

Новый метод выравнивает энкодеры по 100–500 парам вместо миллионов

12 окт. 2026 г.·2 мин
Авторы arXiv-статьи нашли пять изъянов в метриках достоверности XAI
LLM·arXiv cs.AI

Авторы arXiv-статьи нашли пять изъянов в метриках достоверности XAI

12 окт. 2026 г.·2 мин
Zebra3D ускоряет 3D-реконструкцию до 7,1× на 1024 кадрах без обучения с нуля
Робототехника·arXiv cs.CV

Zebra3D ускоряет 3D-реконструкцию до 7,1× на 1024 кадрах без обучения с нуля

12 окт. 2026 г.·2 мин
MisVisAgentBench: обманчивые графики роняют успех веб-агентов на 34 п.п.
LLM·arXiv cs.CL

MisVisAgentBench: обманчивые графики роняют успех веб-агентов на 34 п.п.

12 окт. 2026 г.·2 мин
Линейная голова на Qwen3-VL обошла GPT-4o в оценке ответов без разметки
LLM·arXiv cs.CL

Линейная голова на Qwen3-VL обошла GPT-4o в оценке ответов без разметки

12 окт. 2026 г.·2 мин
Runpod показал, как запускать диффузионные модели на JAX в GPU-подах
LLM

Runpod показал, как запускать диффузионные модели на JAX в GPU-подах

12 окт. 2026 г.·2 мин
DeepSeek-OCR сжимает текстовый контекст в 10 раз при точности 97%
LLM

DeepSeek-OCR сжимает текстовый контекст в 10 раз при точности 97%

11 окт. 2026 г.·2 мин
BBC: ИИ обесценивает картинки и поднимает цену на работы людей
LLM

BBC: ИИ обесценивает картинки и поднимает цену на работы людей

11 окт. 2026 г.·2 мин
Runpod собрал дайджест: Llama-2 с контекстом 32k токенов и SDXL 1.0 в открытом доступе
LLM·RunPod Blog

Runpod собрал дайджест: Llama-2 с контекстом 32k токенов и SDXL 1.0 в открытом доступе

Второй RoundUp от GPU-облака Runpod фиксирует два релиза: Llama-2 с окном в 32 тысячи токенов и публичный SDXL 1.0. Разбираем, что за цифрами и сколько это стоит в…

11 окт. 2026 г.·3 мин
Image Mixer склеивает несколько картинок в один вход для img2img в Stable Diffusion
LLM·RunPod Blog

Image Mixer склеивает несколько картинок в один вход для img2img в Stable Diffusion

RunPod разобрал Image Mixer: инструмент смешивает несколько изображений в гибридный источник для img2img в Stable Diffusion. В гайде есть установка и рабочий…

11 окт. 2026 г.·2 мин