小红书AI风格化技术：将杨幂与泰勒化身，兼容SD和ControlNet的神奇融合
不得不说，现在拍写真真是“简单到放肆”了。真人不用出镜，不用费心凹姿势、搞发型，只需一张本人图像，等待几秒钟，就能获得7种完全不同风格：仔细看，造型/pose全都给你整得明明白白，并且原图直出修也不用修了。这搁以前，不得在写真馆耗上至少整整一天，把咱和摄影师、化妆师都累个半死不活。以上，便是一个叫做InstantIDAI的厉害之处。除了现实写真，它还能整点“非人类的”：比如猫头猫身，但仔细看又有你的脸部特征。各种虚拟风格就更不用说了：像style2，真人直接变石像。当然，输入石像也能直接变：对了，还能进行
不得不说，现在拍写真真是“简单到放肆”了。
真人不用出镜，不用费心凹姿势、搞发型，只需一张本人图像，等待几秒钟，就能获得7种完全不同风格：
仔细看，造型/pose全都给你整得明明白白，并且原图直出修也不用修了。
这搁以前，不得在写真馆耗上至少整整一天，把咱和摄影师、化妆师都累个半死不活。
以上，便是一个叫做InstantID AI的厉害之处。
除了现实写真，它还能整点“非人类的”：
比如猫头猫身，但仔细看又有你的脸部特征。
各种虚拟风格就更不用说了：
像style 2，真人直接变石像。
当然，输入石像也能直接变：
对了，还能进行俩人脸融合的高能操作，看看20%的杨幂+80%的泰勒长什么样：
一张图无限高质量变身，可是叫它玩明白了。
所以，这是怎么做到的？
基于扩散模型，可与SD无缝集成
作者介绍，目前的图像风格化技术已经可以做到只需一次前向推理即可完成任务（即基于ID embedding）。
但这种技术也有问题：要么需要对众多模型参数进行广泛微调，要么与社区开发的预训练模型缺乏兼容性，要么无法保持高保真度的面部特征。
为了解决这些挑战，他们开发了InstantID。
InstantID基于扩散模型打造，其即插即用（plug-and-play）模块仅靠单张面部图像即可熟练地处理各种风格化变身，同时确实高保真度。
最值得一提的是，它可与时下流行的文本到图像预训练扩散模型无缝集成（例如SD1.5、SDXL），作为插件使用。
具体来看，InstantID由三个关键组成部分：
（1）捕获鲁棒语义人脸信息的ID embedding；
（2）具有解耦交叉注意力的轻量级适配模块，方便图像作为视觉提示；
（3）IdentityNet网络，它通过额外的空间控制对参考图像的详细特征进行编码，最终完成图像生成。
而相比业内此前的工作，InstantID有几点不同：
一是不用训练UNet，因此可以保留原始文本到图像模型的生成能力，并兼容社区中现有的预训练模型和ControlNet。
二是不需要test-time调整，因此对于特定风格，不需要收集多张图像进行微调，只需要对单个图像进行一次推断即可。
三是除了实现更好的面部保真度，也保留了文本可编辑性。如下图所示，只需几个字，即可让形象变性别、换套装、改发型以及发色。
再次强调，以上所有效果只需1张参考图像在几秒内即可完成。
如下图实验证明，多来几张参考图的作用基本不大，1张就能做得很好。
下面是一些具体对比。
比较对象是现有的免调优SOTA方法：IP-Adapter (IPA)、IP-Adapter-FaceID以及前两天腾讯刚刚出品的PhotoMaker。
可以看到，大家都挺“卷”的，效果都不赖——但仔细对比的话，PhotoMaker和IP-Adapter-FaceID保真度都不错，但文本控制能力明显差一点。
相比之下，InstantID的面孔和样式能更好地融合，在实现了更好保真度的同时，还保留了良好的文本可编辑性。
除此之外，还有与InsightFace Swapper模型的比较，你觉得哪个效果更好呢？
作者介绍
本文一共5位作者，来自神秘的InstantX团队（网上没有搜到太多信息）。
不过一作是来自小红书的Qixun Wang。
通讯作者王浩帆也是小红书的工程师，从事可控和条件内容生成（AIGC）方面的研究，是CMU’20届校友。
在开始之前，先确认硬件已经就位：关机，把新硬盘装上，再重新开机。开机后第一件事，就是检查系统是否识别到了新设备。用 dmesg | grep ad2 看一眼，如果输出类似 ad2: 9765MB [19841/16/63] at ata1-master UDMA33 这样的信息，说明新硬盘已经被成功
7月25日消息 天文学界最近有一项挺有意思的发现。根据中国科学院发布的信息，由南京天文光学技术研究所研究员王靓团队，联合国家天文台研究员罗阿理等人，利用LAMOST望远镜第十次公开的海量光谱数据，再结合多种测光数据，成功揪出了两颗全新的共生星，同时还锁定了12颗“仅吸积共生星”的候选体。这成果可不只
5月30日，华为推出了全新的AI模型——盘古UltraMoE，该模型的参数量达到了7180亿。作为一款接近万亿参数的MoE(MixtureofExperts)模型，它在整个训练过程中完全基于华为的昇腾AI平台完成，标志着华为在超大规模模型训练方面取得了重要进展。盘古UltraMoE的成功训练离不开盘古团队研发的一系列创新技术。例如，Depth-ScaledSandwich-Norm(DSSN)稳定架构的引入，显著改善了超大规模模型训练期间出现的梯度异常及
AI视频生成正迎来属于“通义”的高光时刻！就在昨晚，阿里巴巴悄然推出了一款由音频驱动的14B视频大模型——Wan2.2-S2V。只需上传一张静态图片和一段音频，就能生成出面部表情生动、口型精准匹配、肢体动作流畅自然的电影级数字人视频，效果惊艳。实际效果展示如下：△来自@AIMIRAI46487更令人振奋的是，这款新模型一经发布便全面开源，现在所有人都可以免费在通义万相官网体验使用。据官方介绍，Wan2.2-S2V的核心优势包括：支持最长分钟级的单次视频生成，画面稳定且具有一致性；具备影院级别的音
近日，有汽车领域博主爆料，特斯拉的FSD（完全自动驾驶）辅助系统将迎来一次重要升级，或将实现更真实的环境场景还原。在最新曝光的软件代码中，发现了大量新增的渲染模型，涵盖多种车辆与行人类型。这些新增模型包括救护车、消防车、垃圾清运车、校车、半挂式卡车、高尔夫球车、骑电动滑板车的行人、使用轮椅的行人、玩滑板的行人、推婴儿车的行人，以及道路清扫车、三轮车、拖车、火车和有轨电车等。这一系列高精度建模意味着FSD系统将能更准确识别并响应复杂交通参与者的行为。据CNMO掌握的消息，日本方面已为特斯拉FSD系统的落地扫
在千兆宽带、5G通信与云服务深度普及的2026年，大众普遍以为超大文件传输已步入“秒级时代”，但现实远未达到这般畅快。当面对数TB乃至数十TB级别的庞大数据集时，当下最可靠、最迅捷且兼顾安全性的传输方案，依然是“物理位移”——依靠人工携带存储介质完成跨地域交付。一位来自河南信阳的用户讲述了真实经历：他曾需将4TB资料从信阳送往郑州，首次尝试纯网络传输，系统预估总耗时近72小时；最终改用专人驱车运送，单程仅需约2.5小时，当天即完成取件与送达，整体效率显著超越线上方式。该实例迅速引发热议，多位资深IT博主随
大语言模型面对加密数据，即便最新的Qwen3也会感到压力！尽管当下各类推理模型在多种基准测试中表现优异，但在密码学这样对逻辑严谨性和细节准确性要求极高的专业领域，模型的推理能力还有待深入挖掘。密码学不仅要求模型具备高级数学运算能力和严密的逻辑推理链，还需要其能够精准辨识复杂加密模式中的潜在规律；成功解密要求模型拥有极强的综合推理能力。上海AILab等联合推出的CipherBank测评，使用大量真实隐私场景数据和多种密码算法，严苛挑战当前最先进的大模型。CipherBank的测评结果显示，目前的大语言模型
火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力，依托字节自研豆包多模态大模型，凭借火山方舟一站式平台，提供模型精调、推理部署、智能应用搭建等全链路服务，结合高性能AI算力，助力各行业快速落地大模型数字化与智能化应用。
