PROVE：基于可验证证据的免训练提示词恢复方法
PROVE 是一种无需训练的、黑盒的提示词恢复攻击方法，通过组合可验证的场景描述而非优化 token 序列来重建提示词，适用于原始版权作品和 AI 生成内容。在 MS-COCO、Flickr30K 和 Lexica 数据集上，PROVE 在图像相似度和文本-图像对齐方面优于基于优化、字幕和强化学习的基线方法，且无需训练或访问生成器。该方法旨在应对提示词市场兴
图像生成
技术方向 · 文生图模型迭代、图像编辑能力与创作工具生态 · 共 45 条
只展示置信度达到公开门槛且每篇排名前三的主题标签，降低泛化误贴。
8月17日周一 · 1 条
正文结构化主题已通过公开置信门槛
8月16日周日 · 1 条
正文结构化主题已通过公开置信门槛
Krea 2 Turbo Edit GGUF 量化版发布，支持身份保持编辑
ChrisColeTech 在 Hugging Face 发布了 Krea 2 Turbo Edit 的 GGUF 量化版本，支持文本到图像、图像到图像和身份保持编辑，8 步推理，在 RTX 5090 上生成 1024² 图像约需 35 秒。该版本包含三个量化等级和 FP8 缩放构建，并集成了 Qwen3-VL-4B 文本编码器和 Qwen-Image VA
8月9日周日 · 1 条
正文结构化主题已通过公开置信门槛
pmczip 发布基于 Krea-2-Raw 的 LoRA 模型
pmczip 在 Hugging Face 上发布了基于 Krea-2-Raw 的 LoRA 模型，用于生成特定女性人物的逼真图像。该模型采用 bespoke-lora-trained-license 许可，包含多个示例提示词，展示了其生成高质量、写实风格图像的能力。
1月1日周日 · 1 条
正文结构化主题已通过公开置信门槛
用AI图像生成重制经典游戏图形
作者Jay Alammar尝试使用Stable Diffusion、Dall-E和Midjourney等AI图像生成工具，重制1987年游戏《Nemesis 2》的开场动画图形。他通过调整提示词和搜索Lexica等图库，成功生成了部分高分辨率版本，但发现这些工具在文本再现、元素定位和特定细节（如三只眼）上存在局限。文章展示了各工具的效果对比，并指出当前文本到
10月4日周二 · 1 条
正文结构化主题已通过公开置信门槛
图解Stable Diffusion：原理与组件详解
Jay Alammar 撰写了《The Illustrated Stable Diffusion》一文，以图解方式深入浅出地解释了 Stable Diffusion 的工作原理。文章指出该模型由文本编码器（CLIPText）、图像信息创建器（UNet 和调度器）以及图像解码器（Autoencoder Decoder）三部分组成，并详细阐述了扩散过程如何在潜在