超越SDXL！港中大博士生研发出超级逼真的人像合成工具，并用3.4亿张图进行了训练
为了让AI画出的人更加逼真，港中大博士生用了3.4亿张图像专门训练画人。人物的表情、姿态，环境的空间关系、光线都能合理布局，可谓立体感十足。SDXL虽然火爆，但并非对手。废话少说，直接上图！这个模型的名字叫HyperHuman，主打的就是一个真实立体。它解决了传统AI绘图工具在画人时图像不连贯、姿态不自然的问题，如StableDiffusion不仅如此，他的绘画技巧也非常出色，而且他对提示词的理解能力更强，能够更好地将提示词转化为绘画作品的内容那么下面就来具体看看HyperHuman都能创作出哪些作品吧！
为了让AI画出的人更加逼真，港中大博士生用了3.4亿张图像专门训练画人。
人物的表情、姿态，环境的空间关系、光线都能合理布局，可谓立体感十足。
SDXL虽然火爆，但并非对手。废话少说，直接上图！
这个模型的名字叫HyperHuman，主打的就是一个真实立体。
它解决了传统AI绘图工具在画人时图像不连贯、姿态不自然的问题，如Stable Diffusion
不仅如此，他的绘画技巧也非常出色，而且他对提示词的理解能力更强，能够更好地将提示词转化为绘画作品的内容
那么下面就来具体看看HyperHuman都能创作出哪些作品吧！
无论是孩子还是老人，各个年龄段的人人物形象HyperHuman都可以画。
人物的动作和表情自然，同时场景的空间关系也显得非常合理
不仅是图本身看上去真实，和提示文本的匹配也十分精确。
人物之外，HyperHuman能绘制出的场景类型也多种多样。
无论是单人还是多人，是滑雪或者冲浪……
如果和其他模型进行比较的话……
很明显，在这组提示词中，其他模型基本上都没能正确画出停止标志，而HyperHuman则正确地绘制了出来。
A man on a motorcycle that is on a road that has grass fields on both sides and a stop sign.
而在这一组中，其他模型的作品或者不知所云，或者出现各种细节问题，更有甚者画出的人长了三只脚，但HyperHuman依旧是稳定发挥。
精通滑板艺术是极其有益的
在数据方面，HyperHuman不仅给人以直观的感受，还在全面碾压包括SD2.0在内的其他竞争对手
图像质量方面，HyperHuman的FID、KID两项指标（均为数值越低效果越好）都超过了其他模型四分之一以上。
在姿势准确度方面，与ControlNet等其他模型相比，HyperHuman表现出明显的优势
HyperHuman的实现方式是怎样的呢？
联合学习，分步生成
为了提高HyperHuman的效果，研究团队一共提出了两个思路。
首先，我们需要同时学习图片的颜色、深度图和法线图
颜色反映外观，深度图反映物体位置，法线图反映表面角度。将它们一起学习，可以让模型更好地理解图片内容。
第二点则是分阶段生成，先使用文本和骨架点作为条件，生成颜色、深度和法线三者的初步合成结果。
然后以前面生成的条件作为指引，生成更高分辨率和质量的图片。
具体实现上，HyperHuman和SDXL一样也是采用扩散模型。
具体来说，HyperHuman使用的是“潜在结构（latent structural）”模型
它的核心包括以下两个模块：
- 联合去噪模块：具有多个输入输出分支的统一网络结构，在颜色、深度和法线图三个维度同时去除噪声。
- 结构指导模块：用上一步产生的结果作为条件和指引，实现结构到纹理的精细化生成。
为了增强稳定性，模型在生成过程中还会有选择性地对一些条件进行权衡
在训练数据方面，开发者将LAION-2B和COYO两个数据集中的公开资源进行整合、处理和标注，最终得到了约3.4亿张图像的HumanVerse数据集
结果在基于COCO 2014数据集的多个绘图模型横评中，HyperHuman（红色）都取得了最佳成绩，如果考虑文本匹配度，HyperHuman更是一骑绝尘。
得分越低越好
为了进行调查，研究人员除了使用测试数据外，还招募了100名用户，并调查他们更喜欢哪种模型的作品
经过比较，HyperHuman在选择更逼真、质量更好的图像时比其他多种模型更受欢迎
作者简介
HyperHuman论文的第一作者是香港中文大学的博士生刘献
HyperHuman是他在Snap公司实习期间完成的，Snap的Sergey Tulyakov等人也参与了本项目。
香港大学和南洋理工大学的学者也对HyperHuman做出了贡献
本文解析超聚变在2026数博会发布的“智企”范式，重点阐述如何通过Token生产平台（Token Factory）与企业业务本体建模，实现从简单AI工具调用到企业应用架构系统性重构的演进。文章详细拆解了智能体编排、数字孪生及生态协同等关键技术路径，为AI时代企业数字化转型提供可落地的参考方案。
从Office转向WPS的核心操作肌肉记忆切换通常需3至7天，不影响正常办公。适应期长短取决于界面视觉差异与专属格式配置。通过切换“经典界面”、嵌入字体及开启云同步，可实现平滑过渡。本文详解格式兼容、数据迁移及AI功能适用场景，适用于需多端协同、成本控制及国产化兼容的办公人群。
加拿大一母亲起诉OpenAI，称ChatGPT设计缺陷导致其女儿自杀，指控其优先用户参与度而非安全性，持续提供情感支持致过度依赖。专家指出AI应“陪伴但不过界”，需设定边界并引导求助。国家已出台拟人化互动服务管理办法。
2026届高考生学车时多采用AI教练，逐步适应人机共驾。作为与生成式AI共同成长的一代，他们更易接受智能驾驶，未来可能成为首批“原生AI司机”。至2030年前后，其人生首辆车或具备L3级自动驾驶能力，驾驶角色将从操控者转向监督者。
全球股市因AI热潮呈现K型分化，半导体板块估值逼近百倍市盈率。历史警示：2000年互联网泡沫中的“四骑士”最终市值暴跌或长期盘整。投资者应警惕“错失恐惧症”，重视安全边际、护城河与能力圈，避免被高估值裹挟，关注稳健性与股息率。
Cloudflare报告显示，完成应用现代化的企业从AI投资中获得可衡量回报的概率是未现代化企业的三倍。93%的决策者视系统更新为AI先决条件，91%的领先企业已嵌入AI功能。安全与现代化协同推进可使AI成熟度提升四倍，精简技术架构成为竞争力分水岭。
据微软引用《Joule》期刊的一项研究指出，每一次典型人工智能查询耗电量零点一六至零点六零瓦时，其冷却用水量中位数不足一滴水。大规模部署下，单位查询的效率会更高，总能耗可以降低一半以上。
A股PCB概念板块掀起涨停潮，因摩根士丹利报告预测AI光模块PCB市场三年增长超5倍，2025至2028年规模从6.2亿美元增至37.7亿美元，年复合增速高达83%，远超光模块整体增速。
哈啰推出的A70云朵共享单车搭载海思芯片与鸿蒙系统，实现200毫秒极速开锁；追风者自动变速车客单价提升30%，用户复购率超40%。技术升级使运维成本占比降至25%，日均使用频次升至4.8次，分层运营策略有效分摊成本，推动共享单车从交通工具向智能终端转型。
Windows 10 是一款微软推出的经典操作系统，拥有硬件兼容性与多任务处理能力。它更偏向把系统状态查看和常用调节动作放在一起，适合需要持续观察和微调设备状态的场景。
极度公式是一款跨平台专业LaTeX公式识别编辑软件，支持OCR公式识别和多平台编辑。和使用说明，避免使用，享受完整功能与稳定支持。做扫描整理、文字提取和表格转换时，它能把识别后的处理步骤接得更顺，资料录入这类场景会省下不少时间。
