<topic />
#扩散模型
主题「扩散模型」下共有 56 篇日报。
2026-11-21周六1 篇扩散模型
2026-11-19周四1 篇视频大模型
2026-11-18周三1 篇强化学习
2026-11-12周四1 篇视频大模型
2026-11-10周二1 篇科研
2026-11-07周六1 篇多模态模型
2026-11-05周四2 篇视频大模型
2026-10-31周六3 篇扩散模型视频大模型Transformer
少步文生图细节更准:IDM以内在矩匹配增强分布蒸馏
IDM在DMD基础上加入特征均值与标准差约束,用生成器EMA特征实现,两步评估在LongText-Bench取得最高分。
来源:Hugging Face Daily Papers长程空间一致且要实时:用潜空间三维高斯托住世界生成
交互世界模型难在长程空间一致且实时。该工作用潜空间三维高斯记忆,使记忆随场景范围增长并可直渲进 DiT,摘要称可达 9 FPS。
来源:Hugging Face Daily Papers低频走全局、高频走局部:SpecSlot把细节从序列长度里拆开
SpecSlot将锚点扩成DCT频带槽,仅最低频做全局注意力,从而解耦细节与序列长度;ImageNet与文生图上相对JiT更省算力、FID相当或更好。
来源:Hugging Face Daily Papers2026-10-30周五1 篇多模态模型
2026-10-28周三1 篇语音 AI
2026-10-24周六2 篇物理 AI多模态模型
2026-10-23周五1 篇视频大模型
2026-10-15周四1 篇视频大模型
2026-10-10周六1 篇物理 AI
2026-10-03周六1 篇科研
2026-10-01周四1 篇视频大模型
2026-09-23周三1 篇视频大模型
2026-09-22周二1 篇科研
2026-09-10周四4 篇语音 AI扩散模型视频大模型物理 AI
AuK统一语音生成与编辑:四步推理实现4.5倍墙钟加速
AuK以自然语言指令和音频上下文统一五类语音任务,并通过蒸馏将推理压缩至四步。
来源:Hugging Face Daily Papers单目深度估计更清晰:Marigold V2以单步DiT改善域外泛化
Marigold V2通过语义特征对齐、两阶段微调和Sinkhorn损失,让单步扩散模型生成更锐利且更能泛化的深度图。
来源:Hugging Face Daily Papers双噪声掩码缓解视频扩散蒸馏坍缩:提升自回归生成质量
Mask Forcing通过时空随机掩码向自回归扩散蒸馏的滚动输入注入更干净信号,缓解反向KL导致的模式坍缩与误差累积。
来源:Hugging Face Daily Papers世界动作模型需要拆开研究:OpenWAM给出模块化预训练路线
OpenWAM将世界动作模型拆成可组合模块,并通过受控实验总结知识迁移、联合去噪与具身预训练原则。
来源:Hugging Face Daily Papers2026-09-05周六1 篇扩散模型
2026-09-03周四1 篇视频大模型
2026-09-02周三1 篇视频大模型
2026-09-01周二1 篇扩散模型
2026-08-29周六1 篇视频大模型
2026-08-28周五1 篇模型评测
2026-08-27周四1 篇扩散模型
2026-08-25周二1 篇视频大模型
2026-08-22周六2 篇视频大模型科研
2026-08-20周四1 篇扩散模型
2026-08-18周二1 篇物理 AI
2026-08-15周六1 篇视频大模型
2026-08-13周四2 篇扩散模型视频大模型
2026-08-06周四2 篇视频大模型扩散模型
2026-08-04周二1 篇扩散模型
2026-07-29周三2 篇扩散模型视频大模型
2026-07-24周五2 篇扩散模型视频大模型
2026-07-23周四4 篇视频大模型扩散模型
视频世界模型迈向长时交互:AlayaWorld将片段采样压缩至四步
AlayaWorld以150亿参数扩散Transformer生成可交互视频,并通过多层记忆与蒸馏缓解长时漂移和推理开销。
来源:Hugging Face Daily Papers没有显式时钟:扩散语言模型仍在残差流中编码去噪进度
研究发现,扩散语言模型会在残差流中形成可探测的隐式时间表征,并可通过低维方向干预其置信度与熵。
来源:Hugging Face Daily Papers4B 图像模型提速:Mage-Flow 兼顾原生分辨率与四步推理
Mage-Flow 以轻量 VAE、原生分辨率扩散 Transformer 和系统级优化,降低图像生成与编辑成本。
来源:Hugging Face Daily Papers模板词元才是语义寄存器:DiT 通过图像潜变量回写对象身份
因果干预显示,结构模板词元会在去噪中接管对象身份;据此剪枝可削减 20% 注意力 FLOPs,GenEval 仅下降 1.4 分。
来源:Hugging Face Daily Papers2026-07-19周日1 篇扩散模型
2026-07-18周六1 篇视频大模型
2026-07-17周五1 篇大模型
2026-07-16周四1 篇扩散模型
没有匹配的日报,换个关键词试试。