Diffusion Models
PulseAugur coverage of Diffusion Models — every cluster mentioning Diffusion Models across labs, papers, and developer communities, ranked by signal.
- instance of IArxiv 90%
- used by Diffusion Transformer 90%
- instance of SD3.5 90%
- used by SD3.5 90%
- instance of Celeba 90%
- used by classifier-free guidance (CFG) 80%
- uses Diffusion Transformer 70%
- instance of Diffusion Transformer 70%
- instance of Generative Models 70%
- instance of autoregressive model 70%
- used by Classifier Free Guidance 70%
- instance of Influence Flower 70%
- 2026-06-05 research_milestone A new paper explores predicting human preference for text-to-image generations before creation. 来源
21 天有情绪数据
-
DIFFCZSL框架通过扩散模型增强组合零样本学习
研究人员开发了DIFFCZSL，一个新颖的框架，通过将扩散模型与CLIP集成来增强组合零样本学习（CZSL）。该方法利用中间扩散表示提供辅助监督，从而提高对概念及其组合之间结构化关系的理解。实验表明，DIFFCZSL在CZSL基准测试中始终优于现有的基于CLIP的方法，突显了生成式扩散先验与判别式视觉语言模型相结合的好处。
-
新框架桥接图模型改进了生成式AI设计
研究人员引入了桥接图模型（BGMs）作为分析和改进连续时间生成模型的新框架。BGMs将端点耦合、桥接律和马尔可夫投影等设计选择解耦，为模型开发提供了更结构化的方法。一个关键概念是“马尔可夫化间隙”，它衡量了桥接到解码器的压缩中不可约的损失，并可以在训练前预测模型性能，已在CIFAR-10和Fashion-MNIST数据集上得到证明。
-
新型 OptiModNet 模型以高效率实现了最先进的视盘分割效果
研究人员开发了 OptiModNet，这是一种新颖的混合深度学习架构，旨在实现视盘和视杯的高效准确分割。该模型结合了 U-Net 和 Transformer 的元素，并融入了分组查询和通道注意力机制，以改善局部和全局特征表示。OptiModNet 还利用了聚合金字塔损失来增强梯度流动和结构一致性。在 REFUGE2 数据集上进行评估，该模型取得了最先进的性能，比现有方法提高了 2.5% 以上，同时保持了 3.73 GFLOPs 和 1…
-
扩散模型适配高维聚类数据
研究人员开发了一个理论框架，使扩散模型能够更好地处理高维、聚类数据。他们的工作将去噪过程解释为动力学贝叶斯分类器，表明该模型可以适应多模态数据的几何形状。研究结果表明，KL误差界线性依赖于簇的最大内在维度，这比环境维度界限有所改进。
-
New Sobolev Regularized Score Difference Estimator for Diffusion Models
研究人员开发了一种估计扩散模型中分数差值的新方法，这对于迁移学习和训练后调整等任务至关重要。这种Sobolev正则化分数差值估计器具有统计一致性和可扩展性，在现有方法中表现更优，尤其是在高维和小样本场景下。该方法实现了 $O(n^{- rac{s-1}{d+2s-2}})$ 的收敛速率，并在心电图信号生成等应用中展示了实际效果。
-
AI图像生成解释：扩散模型逐步去除噪声
扩散模型通过逐步去除静态图像中的噪声来生成图像。当这个过程反向运行时，AI就可以从随机噪声中创建图像，这个过程大约需要90秒才能完成。
-
将物理学理论应用于扩散模型以分析信息传播
研究人员将有效场论（一种高能物理学工具）的原理应用于卷积架构的评分匹配扩散模型。该方法将去噪过程视为与布朗运动类似。研究表明，这些模型中点之间的互信息增长方式符合有效场论的预测，并在一个玩具示例和MNIST数据集上得到了验证。
-
扩散模型通过强化学习和数字孪生增强无人机决策能力
一篇新研究论文探讨了将扩散模型（DMs）与强化学习（RL）和数字孪生（DT）技术相结合，以增强无人机（UAVs）的能力。该论文利用扩散模型学习概率分布和生成真实数据的能力，解决了无人机决策和建模中的挑战，从而提高了强化学习训练和数字孪生仿真的准确性和效率。仿真结果表明，扩散模型在通过深度强化学习进行的无人机集群协调任务中，在生成邻近速度估计方面非常有效。
-
AI扩散模型应用于粒子物理学以发现参数
研究人员开发了一种新颖的方法，使用扩散模型（一种生成式AI）来搜索味模型中与实验约束相符的参数。该方法应用于$S_4^\prime$模味模型，其中训练了一个神经网络，根据自由参数预测夸克质量、CKM矩阵和Jarlskog不变量。该研究确定了新的现象学上有趣的参数区域，并证实了$S_4^\prime$模型中的自发CP破坏，证明了扩散模型在物理学中解决逆问题的能力。
-
新的TCVBM框架通过模拟时间相关性来增强视频生成
研究人员推出了一种名为时间相关视频桥接匹配（TCVBM）的新型框架，旨在改进视频生成和处理任务。TCVBM 扩展了现有的桥接匹配模型，以处理时间相关数据序列，这是当前扩散模型难以胜任的能力。通过显式建模序列间依赖关系和时间相关性，TCVBM 在帧插值、图像到视频生成和视频超分辨率方面，与传统方法相比表现出卓越的性能。
-
新框架使用MLLM提高文本到视频生成的准确性
研究人员开发了一个新的文本到视频生成框架，该框架使用多模态大语言模型（MLLM）来纠正生成过程中的语义错误。这种方法将MLLM反馈直接集成到扩散采样循环中，从而允许对生成内容进行持续的自我反思和优化。该框架包括语义评估和修改模块，有助于在不改变底层模型参数的情况下提高语义对齐度、视觉保真度和时间一致性。
-
Unsloth 通过新 UI 简化本地 AI 模型训练
Unsloth 是一个在 GitHub 上获得关注的项目，它发布了一个本地用户界面，简化了大型语言模型和扩散模型的训练与部署。该工具允许用户在消费级 GPU 上微调和运行各种开源模型，包括 Qwen3.8、Kimi K3 和 Gemma 4。通过抽象复杂的命令行操作，Unsloth 使高级 AI 开发对个人用户以及重视数据隐私或成本节省的用户更加易于访问。
-
新攻击与防御利用未学习扩散模型中的残余概念
研究人员在扩散模型的令牌嵌入空间中发现了一个持久的线性子空间，即使在尝试遗忘后仍保留有害概念。这一发现促使开发了SubAttack，一种利用该子空间并通过组合可解释文本元素的新型越狱方法。为应对此，研究人员还提出了SubDefense，一种轻量级防御机制，通过投影出残余概念来增强鲁棒性并保持生成质量。
-
MLLM 通过语义校正和视觉规划增强文本到视频生成
两篇新的研究论文探讨了通过整合多模态大语言模型（MLLM）和扩散模型来增强文本到视频生成。第一篇论文介绍了一个框架，该框架将 MLLM 反馈直接注入扩散采样循环中进行中间生成语义校正，在不改变模型参数的情况下提高对齐度和保真度。第二篇论文系统地研究了 MLLM 和扩散 Transformer（DiT）的融合，发现自回归生成且显式以 DiT 为条件的离散语义视觉标记比提示精炼更有效。这种称为 BiVidGen 的方法展示了改进的语义对齐…
-
RGBX-Next：扩散模型推动逼真生成式渲染
研究人员推出 RGBX-Next，一个专为正向和逆向渲染设计的新型生成式框架。该系统利用扩散 Transformer 模型，通过以传统渲染的 G-Buffer 为条件来实现逼真的图像和视频生成。该框架可以从现有视觉数据中估计 G-Buffer，并从这些 Buffer 中渲染新内容，在生成式渲染和内在分解任务中均展现出高质量。
-
用于时间序列预测的扩散模型可以通过提前停止来改进
研究人员发现，在时间序列预测中普遍使用的扩散模型存在一个缺陷：在低噪声水平下持续优化实际上会降低预测质量。该研究提出了一个新的全局停止标准，用于识别扩散过程中的最佳终止点，从而加快推理速度并提高准确性。此外，还引入了一个伯努利时间步采样器，用于在覆盖整个扩散过程的同时将训练集中在高噪声区域，实验表明在多个数据集上表现优越。
-
新框架使用扩散模型进行离线强化学习
研究人员开发了一个新的离线强化学习框架，该框架使用扩散模型来估计最优动作值函数 Q*。该方法通过将算子估计与值函数学习解耦，解决了未知奖励函数和转移核的挑战。该方法首先使用条件扩散模型来近似最优贝尔曼算子，然后将这些估计器插入贝尔曼方程，通过最小化经验贝尔曼残差来推导深度 Q* 估计器。理论分析显示了学习贝尔曼算子和 Q* 估计器的尖锐的非渐近收敛率，大量实验证明了其有效性。
-
新研究探讨扩散图像模型的缩放定律和训练策略
研究人员发表了多篇探讨扩散模型在图像生成方面进展的论文。其中一项研究“Abra: Scaling Diffusion Image Training”详细介绍了文本到图像扩散模型的缩放定律的系统分析，发现它们比语言模型需要更多的数据才能实现最佳训练，并且对过度训练具有鲁棒性。另一篇论文研究了像素空间扩散模型，提出了一种潜在到像素的策略，该策略可以加速收敛并提高推理速度。此外，关于“TINA+”的研究探讨了未学习扩散模型中的残余视觉知识，…
-
MegaParts 使用令牌高效自回归建模将3D对象生成扩展到300个部件
研究人员开发了MegaParts，一个新颖的3D对象生成框架，显著扩展了部件感知建模。通过采用令牌高效的矢量量化部件令牌和具有长上下文训练的结构化自回归序列建模，MegaParts可以处理多达300个部件的对象。与现有的自回归和扩散模型相比，这种方法实现了更高的网格质量，为大规模3D生成任务提供了一个引人注目的替代方案。
-
最新研究推动人工智能和自动驾驶的3D场景生成
两篇最新的arXiv论文探讨了3D场景生成领域的进展，该领域对于自动驾驶和虚拟现实等应用至关重要。第一篇论文是一篇综述，将当前方法分为程序化生成、基于神经3D的生成、基于图像的生成和基于视频的生成，并强调了挑战和未来方向。第二篇论文介绍了OMEGA，一个使用优化引导扩散来增强场景生成的可控性和真实感的框架，特别是在创建安全关键型驾驶场景方面。