Diffusion Models
PulseAugur coverage of Diffusion Models — every cluster mentioning Diffusion Models across labs, papers, and developer communities, ranked by signal.
- instance of Variational Autoencoders 90%
- instance of Diffusion Transformer 90%
- instance of Denoising Diffusion Implicit Models 90%
- instance of Generative Models 70%
- instance of Normalizing Flows 70%
- instance of IArxiv 70%
- competes with autoregressive model 70%
- used by Flow Models 70%
- instance of Score Matching 70%
- used by Score Matching 60%
- affiliated with autoregressive model 50%
- 2026-06-05 research_milestone A new paper explores predicting human preference for text-to-image generations before creation. 来源
25 天有情绪数据
-
新框架Allo{SR}$^2$增强一步图像超分辨率
研究人员推出Allo{SR}$^2$，一个旨在通过解决现有方法中常见的分布偏移和轨迹偏差来改进一步图像超分辨率（Real-SR）的新框架。该框架利用信噪比引导轨迹初始化（SNR-Guided Trajectory Initialization）将低分辨率表示与生成流对齐，并采用流锚定轨迹一致性（Flow-Anchored Trajectory Consistency）来稳定推理路径。此外，还使用同形轨迹匹配（Allomorphic T…
-
生成式AI框架增强多模态神经影像分析
研究人员开发了一种新颖的多模态生成框架，用于分析结构和功能磁共振成像（MRI）数据。该框架系统地评估了各种编码策略、潜在多模态融合技术和生成模型选择。与其他的生成式变体相比，所提出的多模态图VAE（gMMVAE）架构在生成保真度、重建质量、效率和潜在空间可辨别性等指标上表现出优越性能。
-
新的生成式精炼网络推动视觉合成基准发展
研究人员推出了一种新颖的视觉合成范式——生成式精炼网络（GRN），旨在克服扩散模型在计算上的低效率以及自回归模型的局限性。GRN利用分层二元量化（HBQ）实现近乎无损的离散标记化，并引入全局精炼机制进行渐进式图像校正，类似于人类艺术家。一种熵引导的采样策略允许在不牺牲视觉质量的情况下进行面向复杂度的生成。GRN在ImageNet的图像重建和类别条件生成方面设定了新的基准，并在文本到图像和文本到视频合成方面展现出潜力。
-
扩散模型提升低质量监控图像人脸识别能力
研究人员开发了FASR++，这是一种新的扩散模型，旨在提高低质量监控图像的人脸识别准确性。该模型聚合来自多个低分辨率图像的特征以生成超分辨率输出，从而最大限度地减少身份失真。FASR++在标准的用于验证和图像质量指标的人脸识别数据集上取得了最先进的结果，而无需显式的软属性或梯度函数。
-
新研究详细介绍了生成式AI模型的性能优化
一篇新研究论文详细介绍了对生成式AI模型（包括LLM和扩散模型）的性能进行优化和比较的系统性研究。该研究解决了部署挑战，如高内存需求、延迟、计算需求和硬件成本，尤其是在异构平台上。它引入了一种新颖的混合精度训练后量化评估方法，并在现代HPC系统和先进加速器上评估了性能。
-
新框架支持具有布局控制的高分辨率艺术作品外绘
研究人员开发了一种新颖的两阶段扩散框架，用于高分辨率艺术作品外绘，该框架解决了全局规划、空间控制和推理延迟方面的局限性。所提出的方法首先使用布局适配器生成低分辨率全局蓝图，然后指导高分辨率局部块的并行合成。与现有方法相比，这种方法在视觉保真度、语义一致性方面有所提高，并显著减少了生成时间，同时还实现了显式的布局控制。
-
新的截断跳跃采样（Truncated Jump Sampling）在无需重新训练的情况下加速了 AI 图像生成
研究人员引入了一种名为截断跳跃采样（Truncated Jump Sampling, TJS）的新颖方法，用于加速扩散模型和流匹配模型中的生成过程。该技术基于“端点可解码性”和“x-prediction”的概念，通过在更早的时间点停止 ODE 过程并解码干净样本来实现更快的采样。TJS 无需额外的训练或架构更改，在 SDXL 和 SD3.5M 等各种模型上显著减少了神经函数评估（NFEs），同时保持了接近匹配的质量。
-
新框架优化 AI 生成场景，实现鲁棒电网调度
研究人员开发了一种新的面向决策的生成框架，用于在配电鲁棒优化 (DRO) 中为电力系统调度创建相关场景。该方法根据生成场景对下游运营成本的影响进行优化，而不是仅仅关注拟合历史数据。该框架可适应各种生成模型，如 VAE、GAN 和扩散模型，并包含一个可微分的场景选择器以提高计算效率。案例研究表明，与传统的面向准确性的技术相比，该方法可将运营成本降低 0.80%-2.02%。
-
新的AI方法提升压缩视频质量和评估 · 跟踪5个来源
研究人员推出了一种新颖的基于扩散的方法DiffCVE，用于提升严重压缩视频的感知质量。该方法整合了残差和运动矢量等编码先验来指导扩散去噪过程，并使用一种压缩退化语义提示机制来考虑压缩的严重程度。此外，还将一个编码先验引导的加权融合模块集成到VAE解码器中以改进特征集成。另外，还提出了一种用于压缩视频盲质量提升的新方法，该方法提取细粒度的多尺度退化表示，并采用顺序推理策略根据压缩级别自适应地调整处理，显著提高了性能并减少了推理时间。
-
新研究探讨扩散分类器的偏见和改进方法
两篇新研究论文探讨了扩散分类器中的决策过程和偏见。第一篇论文介绍了MiPO，一种使用少数派偏好奖励来微调扩散模型以提高在代表性不足数据区域的分类准确性的方法。第二篇论文提出了ASOB-Bench，一个偏见评估框架，用于分析扩散分类器中的属性绑定、大小顺序偏见和背景依赖性，揭示了与传统视觉-语言模型相比的独特偏见特征。
-
Diffusion模型增强了开放世界应用的3D可供性学习
研究人员开发了DAG，一个利用文本到图像扩散模型来改进3D可供性学习的新框架。该方法从生成模型中提取可供性知识，以增强在开放世界场景中的预测能力，解决了先前方法在泛化方面存在的局限性。实验表明，DAG在具有挑战性的一次性设置中表现优于现有的最先进技术，并且其代码已公开提供。
-
EMPURPLE 方法提升扩散模型蒸馏质量
研究人员推出了一种名为 EMPURPLE 的新型无训练方法，旨在提高蒸馏扩散模型的质量。这些蒸馏模型虽然速度更快，但通常在 FID 等性能指标上有所下降。EMPURPLE 通过回收原始扩散模型的中间潜在变量来解决此问题，有助于缓解蒸馏过程中出现的分布不匹配问题。该方法在 DMD2、Hyper-SD、FlashSD 和 SDXL-Lightning 等各种蒸馏方法上，展示了从 7% 到 20% 的显著 FID 改进。
-
扩散模型在笔迹轨迹恢复方面取得突破
研究人员开发了一个新颖的框架，使用扩散模型进行笔迹轨迹恢复，这是该任务的首次尝试。该方法将轨迹恢复视为一个图像条件生成过程，采用去噪扩散模型生成与观察到的墨迹痕迹相符的笔迹轨迹。在CASIA-OLHWDB数据集上的评估表明，与PEN-Net和Cross-VAE等现有方法相比，即使是复杂字符，在时间相似性和形状保真度方面也取得了显著的改进。该模型还显示出泛化到未见类别和书写系统的能力，成功地从一个针对汉字训练的模型中恢复了拉丁字母的笔画顺序。
-
新的MACS方法增强了扩散模型在逆成像问题中的应用
研究人员开发了一种名为MACS（Measurement-Aware Consistency Sampling，面向测量的相干性采样）的新方法，以提高扩散模型在解决逆成像问题中的效率和准确性。该方法修改了相干性采样，引入了一个测量相干性机制，该机制利用退化算子来调节采样器的随机性。这确保了对观测数据的保真度，同时保持了基于相干性的生成的计算速度。在Fashion-MNIST和LSUN Bedroom等数据集上的实验表明，与现有方法相比，…
-
新工具Memisis简化了健康数据集的合成数据生成
研究人员开发了Memisis，一种旨在简化表格健康合成数据集的创建和评估的新型工具。该系统集成了各种合成库、大型语言模型和先进的评估指标，以确保隐私、效用和公平性。Memisis提供手动配置和交互式代理模式，允许用户用自然语言指定数据生成目标。该工具使用精神分裂症数据集进行了演示，评估了包括GAN、VAE、扩散模型和归一化流在内的六种不同的合成器。
-
新的扩散模型框架增强了分子图的分布外检测
研究人员开发了一个新的概率框架，用于检测复杂3D图数据（特别是分子结构）中的分布外（OOD）输入。该方法利用扩散模型以无监督方式学习训练数据的分布。该框架为3D坐标和离散特征引入了一个统一的连续扩散过程，能够计算每样本对数似然度，以此作为典型性的度量。该方法已在蛋白质-配体复合物上得到验证，成功将保留的蛋白质家族识别为OOD，并与独立结合亲和力模型的预测误差相关联。
-
新算法通过黑盒噪声优化对齐扩散模型和流模型
研究人员开发了一种新的基于信任域的搜索算法（TRS），用于在推理时将扩散模型和流模型与特定奖励对齐。该方法将生成模型和奖励模型视为黑盒，仅专注于优化源噪声。TRS在探索和利用之间取得了平衡，所需的超参数调整极少，并且在文本到图像生成、分子设计和蛋白质设计等各种生成任务中表现出通用性。评估表明，与基础模型和其他噪声优化技术相比，TRS显著改善了输出样本。
-
Naïve PAINE 改进文本到图像生成质量
研究人员开发了 Naïve PAINE，一种用于提高扩散模型文本到图像生成质量的新颖方法。该方法利用偏好基准根据初始噪声和提示预测图像的数值质量，然后选择最有希望的噪声输入进行生成。Naïve PAINE 被设计为轻量级，并能无缝集成到现有的扩散模型管道中，在提示语料库基准测试中表现出卓越的性能。
-
新方法ELBO-T2IAlign校准扩散模型中的文本-图像对齐
研究人员推出了一种名为ELBO-T2IAlign的新颖方法，旨在提高扩散模型中的像素级文本-图像对齐。该技术解决了扩散模型中出现的对齐不准确问题，尤其是在处理小型、被遮挡或罕见物体类别时，这通常是由于训练数据中的偏差造成的。ELBO-T2IAlign是一种无需训练且通用的方法，它利用证据下界（ELBO）来校准这种对齐，而无需额外的标注或模型重新训练。该方法在各种下游任务中都显示出了有效性，包括零样本指代图像分割、文本引导图像编辑和组合图像生成。
-
新框架可视化扩散模型中的注意力动态
研究人员开发了一个新的可视化分析框架，以更好地理解扩散模型的内部工作机制，特别是语义结构在文本到图像生成过程中如何出现和演变。该框架将量化测量与跨生成步骤的 token 级交叉注意力图的交互式可视化相结合。使用 Stable Diffusion 类模型的基准进行的案例研究揭示了重复出现的模式，并通过链接时间和空间注意力视图促进了人机协作。