扩散模型

风巽·剑染春水

【World Models综述】理解世界还是预测未来？（ACM CS-2025）探索世界模型从阅读一篇综述开始！论文：Understanding World or Predicting Future? A Comprehensive Survey of World Models 论文与代码汇总：https://github.com/tsinghua-fib-lab/World-Model

【动态重建】SparseCam4D：基于稀疏相机实现时空一致的4D重建技术SparseCam4D: Spatio-Temporally Consistent 4D Reconstruction from Sparse Cameras 项目主页: 浙大CAD；InSpatio Research

【三维重建】Neural Gabor Splatting：基于神经Gabor的增强型3DGS（高频表面重建）Neural Gabor Splatting: Enhanced Gaussian Splatting with Neural Gabor for High-frequency Surface Reconstruction 来源: 东京大学

VAE与扩散模型的reconstruction–generation dilemma论文: https://arxiv.org/abs/2603.05630代码: https://github.com/tongdaxu/Making-rFID-Predictive-of-Diffusion-gFID.git

阿钱真强道

07 ComfyUI + SVD 系列（五）GAN、VAE、扩散模型到底有什么区别？一篇文章讲清楚 AI 绘图模型的前世今生这两年，AI 绘图已经强到什么程度了？你输入一句话：几秒钟之后，一张像模像样、甚至细节惊人的图片就出来了。

阿钱真强道

08 ComfyUI + SVD 系列（六）从 SDXL 到 SDV：为什么说视频生成本质上是“带时间维度的图片生成”？如果你已经用过 SDXL 生成图片，又开始接触 SDV 这类视频模型，那么你大概率会冒出这样一个想法：

这张生成的图像能检测吗

（论文速读）ControlNet-XS: 从反馈控制系统视角重新思考图像生成的控制机制论文题目：ControlNet-XS: Rethinking the Control of Text-to-Image Diffusion Models as Feedback-Control Systems（重新思考文本到图像扩散模型作为反馈控制系统的控制）

这张生成的图像能检测吗

（论文速读）RUL- diff：基于生成扩散模型的剩余使用寿命预测深度学习框架论文题目：Generative-Diffusion-Model-Based Deep-Learning Framework for Remaining Useful Life Prediction（基于生成扩散模型的剩余使用寿命预测深度学习框架）

风巽·剑染春水

【扩散模型原理】（三）Score-Based Perspective: From EBMs to NCSN《扩散模型原理：从起源到发展》：第三章基于分数的视角：从 EBMs 到 NCSN专著：The Principles of Diffusion Models

机器学习之心

扩散模型（Diffusion Model）数据生成+BP神经网络回归预测，Matlab完整代码该代码实现了一个基于扩散模型进行数据增强，并结合BP神经网络进行回归预测的完整流程。在回归预测任务中，若原始训练样本量较少，模型容易出现过拟合、泛化能力差的问题。扩散模型作为近年来的生成模型，可通过学习数据分布生成高质量新样本，从而扩充训练集，提升下游回归模型的稳定性与预测精度。

扩散模型之（二十）Stable Diffusion的运作原理Stable Diffusion作为 Latent Diffusion的继承与发展，它的发布是这一发展历程中的一个重要里程碑，因为它将高性能模型带给了大众（性能体现在图像质量、速度以及相对较低的资源/内存需求等方面）。本文对Stable Diffusion的工作原理与发展过程技术演进进行对比。

【世界模型】video2world：从不一致视角重建世界标题：World Reconstruction From Inconsistent Views 来源：德国慕尼黑工业大学链接：https://lukashoel.github.io/video_to_world

这张生成的图像能检测吗

（论文速读）InterDyn: 视频扩散模型的可控交互动力学论文题目：InterDyn: Controllable Interactive Dynamics with Video Diffusion Models（视频扩散模型的可控交互动力学）

《PowerPaint》论文详解原文地址：https://arxiv.org/pdf/2312.03594代码地址：https://github.com/open-mmlab/PowerPaint

ISDM: 基于生成扩散模型的散射介质成像重建技术报告散射介质成像是一项具有重大科学意义和广泛应用前景的技术挑战。当光波通过散射介质（如雾、生物组织、磨砂玻璃等）时，会发生多重散射现象，导致原始图像信息被严重破坏，形成随机散斑图样。本研究探讨了一种基于生成扩散模型的散射介质成像重建方法（ISDM），通过训练深度神经网络学习图像的分数函数，利用反向扩散采样过程从散斑图像中恢复原始目标图像。该方法采用方差爆炸随机微分方程（VESDE）建模前向扩散过程，使用NCSN++网络架构估计分数函数，结合预测-校正采样策略和数据一致性约束实现高质量图像重建。实验结果表明，与

【贝叶斯公式】从先验到后验的概率推演📚 专为机器学习与统计学学习者打造的专业教程🎯 目标：严谨、透彻地解析贝叶斯定理的核心原理、数学推导与现实应用

强化学习与机器人控制仿真

Kimodo 入门教程（一）英伟达开源人形机器人动捕数据集训练运动学动作扩散模型目录系列文章目录前言亮点一、安装1.1 配置 Hugging Face 令牌1.2 Kimodo 安装选项 1：包安装

【世界模型】WorldWarp：异步视频扩散的3D重建标题：《WorldWarp: Propagating 3D Geometry with Asynchronous Video Diffusion》项目：https://hyokong.github.io/worldwarp-page/ 来源：新加坡国立大学；香港理工大学

【点云分割】SNAP:面向任意点云的任意分割标题：《SNAP: Towards Segmenting Anything in Any Point Cloud》项目：https://neu-vi.github.io/SNAP/ 来源：东北大学；The Mathworks

【世界模型】AI世界模型的两次物理大考（测评）如果你让当今最先进的AI视频模型生成一段“冰块落入温水”的视频，你很可能会得到一个画质惊艳、光线完美、动态流畅的短片。它几乎能以假乱真。