diffusion
PulseAugur coverage of diffusion — every cluster mentioning diffusion across labs, papers, and developer communities, ranked by signal.
- 2026-05-26 funding Victor Lazarte and Kris Fredrickson are raising an $800 million AI-focused fund named Diffusion. 来源
5 天有情绪数据
-
新的格框架统一了扩散模型和自回归模型
研究人员通过将扩散模型和自回归（AR）模型概念化为腐化格上的路径，实现了两者的统一。该框架允许根据数据几何（特别是图的树深度）来预测解码计划的性能，树深度决定了零成本计划的最小步数。该研究提出了一种通过估计预训练权重的成对依赖性来对计划进行排序的方法，并在文本、图像和视频生成任务中验证了这些预测。
-
PhyDiCT框架利用物理和扩散先验重建3D CT图像
研究人员开发了PhyDiCT，一种从有限X射线投影重建3D计算机断层扫描（CT）图像的新型框架。这种无需训练的方法结合了一个基于物理的可微分正向模型（源于比尔-兰伯特定律）和一个充当强先验的文本条件扩散模型。该系统使用Split Gibbs采样来优化投影保真度和先验一致性，并增加了测试时精炼步骤以增强真实感。评估表明，PhyDiCT的性能优于现有的即插即用扩散和完全训练的重建方法，在SSIM方面提高了7.5%。
-
BTC3D框架增强图像到3D生成的细节
研究人员开发了BTC3D，一个新颖的框架，使用扩散模型增强图像到3D生成中的细节保留。这种无需训练的方法在推理时运行，从图像块中提取局部条件信号以对抗“细节衰减”。BTC3D通过动态条件调度整合全局和局部引导，在无需重新训练模型的情况下提高了纹理质量和视觉保真度。
-
生成式AI模型在天气数据同化方面展现出潜力
研究人员开发了使用生成式AI进行天气数据同化的新方法，为传统数值天气预报提供了一种计算效率更高替代方案。一项在真实气象站数据上比较扩散模型和流匹配模型（diffusion and flow matching models）的基准研究发现，学习到的生成式先验（learned generative priors）的性能显著优于经典方法，与ERA5相比，RMSE降低了35.7%，而经典方法为33.3%。研究还强调了在稀疏观测环境下，推理过程…
-
扩散模型实现从单张图像进行类别级6D对象姿态估计
研究人员开发了一个新的生成框架，用于从单个RGB图像估计对象姿态，利用扩散模型创建多假设姿态分布。该方法使用均值漂移（Mean Shift）有效地分离出最可能的姿态，绕过了计算密集型的似然模型。该方法在REAL275基准测试上取得了最先进的成果，并在Wild6D数据集上展示了强大的零样本泛化能力，避免了端到端检测器中常见的领域过拟合。此外，该框架还可以通过随时间传播姿态分布来跟踪视频序列中的姿态。
-
AI 文本生成：自回归模型与扩散模型方法解析
本文介绍了两种不同的 AI 文本生成方法：自回归模型和扩散模型。自回归模型逐个 token 顺序生成文本，这是当前语言模型的主流方法。相比之下，扩散模型更像雕塑，从被掩盖或不确定的位置开始，然后迭代地进行完善，这可能带来并行处理和更快的生成速度。
-
扩散模型实现高效的一对多机器翻译
研究人员开发了一种新颖的基于扩散的一对多机器翻译框架，显著提高了效率和灵活性。该方法并行优化所有目标语言，实现了与语言数量成亚线性延迟扩展，并使单个模型能够取代多个独立的翻译系统。该框架在未见过的语言上表现出强大的零样本迁移能力，无需重新训练，质量约为监督翻译的75%。通过加速采样，与传统的自回归基线相比，它提供了2倍的速度提升和改进的零样本BLEU分数。
-
Apple的M5 Ultra 512GB内存提升本地AI能力，Harvey融资5.5亿美元
Apple新款M6芯片采用了2nm工艺并提升了AI性能，但其M5 Ultra的512GB统一内存被强调为本地AI工作负载的重大进展。如此大的内存容量可能使用户能够在自己的设备上舒适地运行大型语言模型，从而可能减少对基于云的GPU租赁和按token收费的依赖。与此同时，在法律科技领域，Harvey已获得5.5亿美元融资，这得益于其在为专业法律任务微调开源模型方面的成功，尽管该公司也计划开发新的通用模型。
-
Transformer模型可执行上下文内数据生成，模拟生成式采样器
研究人员已证明，大型语言模型（特别是Transformer模型）可以充当数据生成的上下文内采样器。该研究证明，这些模型可以模拟迭代式生成采样器，将上下文内学习的范围从监督学习扩展到数据生成。这是通过识别softmax注意力在计算责任权重和经验平均值中的生成作用，以及前馈层执行欧拉更新来实现的。实证表明，当Transformer模型遇到与特定语义主题相关的提示时，它们可以近似能量模型采样器。
-
法律 AI 初创公司 Harvey 融资 5.5 亿美元，估值 155 亿美元 · 跟踪 4 个来源
专注于法律的人工智能初创公司 Harvey 已获得 5.5 亿美元融资，公司估值为 155 亿美元。这标志着其估值在短短九个月内几乎翻倍，实现了显著增长。此轮融资由 Diffusion 和 Lightspeed Venture Partners 共同领投，使 Harvey 的总融资额超过 15.5 亿美元。
-
法律AI公司Harvey融资5.5亿美元，估值达155亿美元，推出专有模型
法律AI平台Harvey已获得5.5亿美元新融资，估值升至155亿美元。这笔由Diffusion和Lightspeed Venture Partners领投的最新投资，使其估值在九个月内几乎翻倍。Harvey还将推出其专有模型Harvey Tenet，该模型基于Kimi K3基础并使用Fireworks进行训练，标志着其正转向开放权重架构，并鼓励客户采用定制化AI模型。
-
新的DECAF方法确保跨合成数据生成器的公平性
研究人员开发了一种名为DECAF的方法，以确保合成数据中的公平性，该方法适用于各种数据生成技术，包括GAN和扩散模型。该方法在Adult和COMPAS数据集上进行了测试，证明了其可移植性和有效性，即使在使用差分隐私的变体时也是如此。研究发现，应用DECAF对数据保真度和下游分类器性能的影响最小，同时显著提高了公平性。
-
新的扩散模型通过信号时序逻辑增强了多智能体规划能力
研究人员开发了一种新颖的基于扩散的多智能体规划方法，解决了现有方法的局限性。当前的基于优化的方法在处理大量智能体时面临可扩展性问题，而基于学习的方法则缺乏对新目标的泛化能力。这种新的扩散模型将信号时序逻辑（STL）的可微近似集成到去噪过程中，使其能够处理异构规范并提高规划多样性。该方法旨在实现基于学习方法的可扩展性，同时提供复杂现实世界多智能体系统（如无人机群和自动驾驶汽车）所需的泛化能力。
-
新研究推动用于AI训练的外科手术视频生成
两篇最新的arXiv论文探讨了外科手术视频生成领域的进展，该领域对于在术中感知和机器人手术中训练AI模型至关重要。第一篇论文对2024-2026年的文献进行了调查，将方法分为无条件生成、条件生成和世界模型生成，并强调了向模拟因果动力学而非仅仅视觉逼真度的转变。第二篇论文介绍了一个新颖的框架，该框架将关节运动学转换为与图像对齐的控制模式，使用分层路由系统选择性地激活相关控制，以实现更精确高效的视频生成，并包含一个新的评估基准。
-
Etched 以 210 亿美元估值完成 7 亿美元融资，一个月内估值翻倍
AI 硬件初创公司 Etched 已获得 7 亿美元融资，估值为 210 亿美元，较数月前 103 亿美元的估值大幅增长。该公司估值快速增长归因于其创新的 AI 推理硬件，该硬件采用定制设计的组件，可实现更快、更高效的 AI 模型处理。Etched 的技术旨在加速 AI 推理的提示理解和输出生成阶段，为包括 Jane Street 在内的知名投资者提供更高的速度和更低的成本。
-
新的AI模型提升视频生成质量和效率 · 跟踪4个来源
研究人员开发了新的方法来提高AI生成视频的质量和效率。Stream4D通过使用显式建模场景动态的4D重建奖励来解决自回归扩散模型中的几何漂移问题，从而实现更好的运动保持和更高的人类偏好度。FrescoDiffusion通过结合平铺去噪和预计算的潜在先验来维持全局一致性和精细细节，解决了生成4K等超高分辨率视频的挑战。此外，Spectral Progressive Diffusion提供了一个用于高效图像和视频生成的框架，通过在扩散模型…
-
Equilibrium Forcing 实现了无需噪声条件即可进行自适应视频生成
研究人员推出了一种新颖的自适应视频生成框架 Equilibrium Forcing (EqF)，该框架无需噪声条件即可运行。该方法将去噪场的学习与采样过程解耦，从而实现了更灵活和数据依赖的推理。与传统的噪声条件方法相比，EqF 在具有挑战性的基准测试中展示了改进的视频质量和一致性。
-
新研究通过增强的控制力和质量推进视频到音频生成
两篇新研究论文介绍了视频到音频（V2A）生成的先进方法。ControlFoley 专注于通过更有效地整合视觉和文本信息以及解耦音频的时间和音色方面来增强可控性。HarmoniDPO 通过使用双视频表示和偏好优化（类似于人类反馈强化学习）来解决同步和质量问题，使生成的音频与人类感知保持一致。
-
新研究探讨图像分割模型中的不确定性
一篇新的arXiv论文探讨了图像分割中的不确定性量化（UQ），这是安全敏感应用的关键领域。研究调查了偶然不确定性（数据相关）和认知不确定性（模型相关）之间的相互作用，并指出它们之间存在显著的纠缠，这会降低可解释性。该研究提出了一种量化这种纠缠的度量方法，并发现集成模型在纠缠度较低时通常表现更好，而softmax模型的结果则因数据集和校准任务而异。
-
DinoLizer模型以20%的更高准确率识别生成性修复伪影
研究人员开发了DinoLizer，一种用于识别生成性修复中被操纵区域的新方法。这种基于DINOv2的本地化器通过关注语义改变的区域，比现有方法实现了20%更高的交并比（Intersection over Union）分数。DinoLizer使用LORA在Transformer块上进行训练，并证明了其对JPEG压缩的鲁棒性，其代码已公开提供。