谷歌在周四宣布推出一款名为Doppl的实验性新应用,该应用利用人工智能技术帮助用户可视化不同服装在自己身上的穿着效果。这款应用目前已在美国的iOS和Android平台上线。
Doppl旨在让用户在数字化的自己身上虚拟试穿各种服装。该应用的工作原理是首先要求用户上传一张自己的全身照片。然后,用户可以使用不同服装的照片或截图进行虚拟试穿。这些图像可以是用户在二手店或朋友身上看到的服装照片,甚至可以是在社交媒体上浏览时看到的服装截图。
一旦用户选择想要可视化的服装,Doppl就会创建一个虚拟版本的用户穿着该服装的图像。Doppl还可以将这些静态图像转换为AI生成的视频,让用户更好地了解这套服装在现实生活中穿在自己身上的效果。
用户可以保存自己喜欢的造型,浏览所有其他虚拟试穿效果,还可以与他人分享自己的造型。
这家科技巨头表示,新应用建立在Google Shopping最近推出的虚拟试衣功能基础之上。通过在独立应用中推出这一功能,谷歌认为这样可以让该功能更容易访问,同时让人们以有趣和互动的方式探索自己的风格。这也可能帮助谷歌收集更多关于此类应用运作方式的数据,为其在该领域的未来努力提供支持。
虽然谷歌之前就提供过虚拟试衣技术,但早期功能主要专注于在不同模特身上展示商品。通过Doppl,该公司让用户可以在自己身体的动画版本上试穿衣服。
谷歌在博客文章中表示:"我们希望Doppl能帮助你以全新且令人兴奋的方式探索自己的风格。作为Google Labs的实验项目,Doppl还处于早期阶段,可能并不总能准确呈现效果。合身度、外观和服装细节可能并不总是准确的。"
鉴于Doppl是实验性发布,目前尚不清楚谷歌是否或何时计划将该应用推广到其他地区。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。