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 ↗1161 материалов
В глоссарии:Генерация изображений по текстуДиффузионная модельГенеративный ИИМультимодальная модель
AI решила 370 математических задач, математики в панике, Маск ищет $40 млрд: главное за неделю
LLM·Habr AI

AI решила 370 математических задач, математики в панике, Маск ищет $40 млрд: главное за неделю

12 окт. 2026 г.·4 мин
Команда Цинхуа сводит генерацию к одному шагу: от картинок к потоковому видео
LLM

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·Jiqizhixin (机器之心)

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

Китайская команда представила UNITAS и называет её первой 3D-моделью мира, созданной под задачи роботов. Заявлено лидерство на нескольких бенчмарках, но цифры пока…

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
Топ темы
01SAM 2.1 дообучили на фасадах и интерьерах: mIoU вырос с 49,9% до 69,6%12 окт. 2026 г.·2 мин02SAIL удерживает объект в кадре по звуку и тексту и обходит конкурентов на двух бенчмарках12 окт. 2026 г.·2 мин03Исследователи сверили внимание CNN, ViT и Mamba со взглядом человека12 окт. 2026 г.·3 мин04Тест Струпа показал: VLM читают текст на картинке охотнее, чем видят цвет12 окт. 2026 г.·2 мин05ForcingBooster вдвое сокращает шаги денойзинга в авторегрессионном видео12 окт. 2026 г.·2 мин
Видео-языковые модели путают манёвры авто: LoRA и пробы чинят ошибку
LLM·arXiv cs.CV

Видео-языковые модели путают манёвры авто: LoRA и пробы чинят ошибку

12 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

Новый метод DiffusionART дообучает диффузионные модели по black-box наградам и на HunyuanVideo-13B в 12 раз быстрее по GPU-часам догоняет DiffusionNFT и…

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 байт.

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

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

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·Hacker News AI

BBC: ИИ обесценивает картинки и поднимает цену на работы людей

Чем дешевле генерация изображений, тем дороже ценится авторство. BBC описывает «человеческую наценку» на искусство, а Hacker News собрал под материалом 78…

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