Meta 刚开源 SAM 3 和 SAM 3D，把“文本批量抠图”和“单图 3D 化”做到了工业级可用
🔹 SAM 3 :
不再需要手动一个个点选，直接输入“黄色校车”或“没戴项圈的狗”，模型能一次性圈出视频里所有符合概念的物体。
原理类似给像素装了语义大脑（Perception Encoder），配合 DETR 架构，不仅懂“在哪里”还懂“是什么”。
🔹 SAM 3D:
一张 2D 照片直接吐出带纹理、几何正确的 3D Mesh。
相比传统 NeRF 的高算力需求，它利用“空间位置-语义联合编码”，对遮挡处理更好。做 AR/VR 或电商展示的独立开发者，这是目前最低成本的建模方案。
🔗 在线演示：https://www.aidemos.meta.com/segment-anything/gallery
#MetaAI #计算机视觉 #3D建模 #独立开发 #AR开发
Meta 刚开源 SAM 3 和 SAM 3D，把“文本批量抠图”
更多动态
现在手动做 PPT 每多花 1 小时，本质上都是在浪费时间
Google NotebookLM 正式上线 Slide Decks，把“资料整理→大纲梳理→生成PPT”压缩进 10 秒，彻底重构你的工作流。 🔹 解决核心痛点：零幻觉 它不像普通 LLM 那样天马行空，而是严格基于你上传的 PDF/Docs/URL 进行 RAG（检索增强生成）。简单说，就是把 AI 关进你的知识库里“开卷考试”，确保输出的每一页 PPT 都严谨可溯源，特别适合科研、财报或技术文档。 🔹 视觉不再是短板 这次集成了 Google 最新的 Nano Banana Pro 图像模型。实测发现，它生成的配图和 Infographics（信息图表）能精准还原数据逻辑，审美在线，不再是那种通用的“占位符”图片。 🔗 官网直达： notebooklm.google #AI工作流 #生产力工具 #NotebookLM #高效办公 #知识管理
搞定海报排版与多图一致性
Google 昨夜发布的 Nano Banana Pro，直接用“思维链”解决 AI 生图逻辑差的顽疾。 原理通俗说，就是给生图模型装了个“大脑”：先在后台打草稿（Thinking Mode）理顺逻辑，再渲染最终 4K 成图。 🔹 文字不再穿帮：直接生成准确的 logo、书法甚至多语言海报，还能挂载 Google Search 实时数据（如实时股价图），从“画着玩”变成生产力。 🔹 控图更精：最多吃 14 张参考图（含 5 张人像），保持角色一致性做分镜或电商图极其稳，告别无限抽卡。 #AI工作流 #NanoBanana #生图工具 #Gemini3
claude申诉失败了。
订阅费也没法儿退，我甚至怀疑申诉邮件就是钓鱼的，有追踪IP地址。 dhh是美国开发者，前段时间来深圳交流，演示了自己怎么用claude code。 目前最稳妥的方式就是参考dhh方法，把Claude code放在海外机器上，用tailscale远程连接使用。 那就得租一台有家宽的海外机器，在那台机器上注册和登录claude。
分享下现在的纯手机端工作流。
九月底前我都是坐在电脑前开着terminal指挥着pi，跑多subagent，最后再自己看diff，提pr，经常一坐就是一天。 九月底，我工作流改成在手机端用hermes指挥pi，完全解决了久坐电脑前的痛苦，用到现在还挺舒服。 Hermes用旗舰模型（gpt-6-astra/opus-5.5），pi尽量不装插件，用中端模型（ds-v4.1-flash/sonnet/terra），二者间用a2a通讯。 hermes负责分析issues，拆分成多个小任务，然后给每个小任务创建worktree，并在里面派遣pi去完成小任务。 每个pi完成任务都会通知hermes，由它判断提pr还是返工给pi。基本逛一天景点，或一觉醒来十几个pr搞好了，舒服得很。 就是过程太黑盒了，心路历程有点像早期的vibe coding，那会diff至少自己会看一下，现在diff也黑盒，完全交给旗舰模型，属于盒中盒了。 如果没数据焦虑，其实可以直接用grok-bot或者chatgpt-dot，开箱即用，里面内置了grok-cli和codex，原生agents通讯。弊端就是数据不在本地，有监管，万一被封号一切归零。
