扩散模型
ICML 2025 Spotlight 用傅里叶分解探讨图像对抗扰动，代码已开源
本文提出了一种基于傅里叶分解的扩散模型对抗净化方法，通过保留低频信息来有效去除图像中的对抗扰动，同时保持图像的语义内容和结构信息。
生图别只盯着 GPT-4o，这个国产 AI 一次给你 20 张，除了量大管饱还有惊喜｜附指南
通过深度学习模型和多模态生成技术，豆包 AI 可以理解和实现模糊的指令需求，实现大量并行生成高质量图片。该服务已应用于创意设计、故事生成等多个领域。
DiffMoE：动态Token选择助力扩散模型性能飞跃，快手&清华团队打造视觉生成新标杆！
本文介绍清华大学与快手可灵团队合作的DiffMoE研究，通过动态token选择和全局token池设计提升扩散模型效率。论文在ImageNet分类图像生成任务中仅用4.58亿参数即超越6.75亿参数的Dense-DiT-XL模型。
AI无限生成《我的世界》，玩家动动键盘鼠标自主控制！国产交互式世界模型来了
用AI无限扩展《我的世界》，用户通过鼠标键盘即可自由探索、创作高质量虚拟内容，支持8大Minecraft场景生成。Matrix-Game模型在视觉质量、控制能力等方面超越现有开源基线。
开源全能图像模型媲美GPT-4o！理解生成编辑同时搞定，解决扩散模型误差累计问题
ModelScope团队提出Nexus-Gen统一模型，融合MLMs和扩散模型能力，实现图像生成、理解与编辑。其技术细节包括预填充自回归策略和统一的数据格式定义。模型已在多个任务上取得GPT-4o级效果，并开源了训练数据、工程框架及论文。
2分钟玩转HeyGen最新模型：一张照片+一句话，秒出AI分身！超逼真！
HeyGen发布的Avatar IV模型能通过一张照片、一段脚本和声音生成逼真数字人，支持多角度图像输入，不仅能说还能唱。新引擎根据语音节奏自动生成表情和动作，应用场景广泛。
CVPR 2025 满分论文｜收敛速度提升21倍！VA-VAE：重建 vs. 生成，解决 LDM 的优化困境
256 生成上实现了最佳 (SOTA) 性能，FID得分为1.35，同时在短短64个epoch内就达
CVPR 2025 如何稳定且高效地生成个性化的多人图像？ID-Patch带来新解法
本文提出ID-Patch方案，用于解决多人图像生成中的身份特征泄露问题。通过ID Patch将身份特征转化为小尺寸RGB图像块，精确指定每个人的位置，并与文本提示共同输入增强人物面部真实性。实验结果显示其在身份还原和位置匹配上表现优秀，且生成效率快。