New AI technique creates synthetic images to track costly invasive plants
一家工厂每年花费3500万美元的美国牧场主。现在，一组研究人员正在使用人工智能来控制它。
DuckDuckGo låter användare filtrera AI-genererade bilder
DuckDuckgo推出了许多用户渴望的新功能。现在，以隐私为重点的搜索引擎允许用户从搜索结果中过滤AI生成的图像。这是对互联网被人工智能创建的所谓“ AI Slop”质量图像所淹没的。 AI图像过滤器使用开源块来减少搜索结果中的合成图像。 […] DuckDuckgo的帖子让用户可以过滤AI生成的图片，首先出现在AI新闻中。
NASA telescopes deliver stellar bouquet in time for Valentine's day
一束盛开的数千颗星星已经到来。这张合成图像包含有史以来最深的 X 射线图像，描绘了壮观的恒星形成区域 30 Doradus。
Parisian photographer produces phenomenal, perfectly-proportioned 'planetary parade' portrait
一位法国天文摄影师最近在一个晚上拍摄了月球、金星、火星、木星、土星、天王星和海王星的照片，并将它们重新排列，形成一幅引人注目的合成图像。每个“行星巡游”成员都以相同的放大倍数拍摄，这意味着它们的比例完美。
Space photo of the week: The sun's corona blooms during back-to-back solar eclipses
合成图像揭示了太阳日冕在 2023 年和 2024 年从一次日全食到另一次日全食的变化，当时太阳活动开始达到顶峰。
Let There Be Light! Diffusion Models and the Future of Relighting
在这篇关于场景编辑的深入博客中，了解尖端扩散模型如何处理重新照明、协调和阴影消除。照片由 Brian Aitkenhead 在 Unsplash 上拍摄。重新照明是在给定输入场景的情况下，在指定的目标照明条件下渲染场景的任务。这是计算机视觉和图形学中的关键任务。然而，这是一个不适定问题，因为场景中物体的外观是由光源、几何形状和表面材料属性等因素之间的复杂相互作用产生的。这些相互作用产生了歧义。例如，给定一个场景的照片，物体上的黑点是由于照明投射的阴影造成的，还是材料本身的颜色很暗？区分这些因素是有效重新照明的关键。在这篇博文中，我们讨论了不同的论文如何通过扩散模型解决重新照明问题。重新照明包含
StableRep: transforming how AI learns
StableRep 模型通过利用合成图像增强了人工智能训练。通过文本提示生成不同的图像，它不仅解决了数据收集挑战，还提供了更高效、更具成本效益的训练替代方案。
Training Diffusion Models with Reinforcement Learning
使用强化学习训练扩散模型replay扩散模型最近已成为生成复杂高维输出的事实标准。您可能知道它们能够制作令人惊叹的 AI 艺术和超逼真的合成图像，但它们也在药物设计和连续控制等其他应用中取得了成功。扩散模型背后的关键思想是将随机噪声迭代地转换为样本，例如图像或蛋白质结构。这通常被激发为最大似然估计问题，其中模型被训练以生成尽可能接近训练数据的样本。然而，扩散模型的大多数用例并不直接与匹配训练数据有关，而是与下游目标有关。我们不只是想要一张看起来像现有图像的图像，而是一张具有特定外观的图像；我们不只是想要一个物理上合理的药物分子，而是想要一个尽可能有效的药物分子。在这篇文章中，我们展示了如何使用
