扩散模型

LightningDiT----重建与生成：在潜在扩散模型中驯服优化困境论文标题Reconstruction vs. Generation: Taming Optimization Dilemma in Latent Diffusion Models

NWM----导航世界模型论文标题Navigation World Models作者Amir Bar, Gaoyue Zhou, Danny Tran, Trevor Darrell, Yann LeCun

科研小刘带你玩学术

学术干货｜DDT：解耦扩散Transformer实现高效高质量图像生成扩散模型（Diffusion Models）作为当前生成式AI领域最具影响力的技术范式之一，自2020年提出以来便以惊人的速度发展演进。与传统的生成对抗网络（GAN）和自回归模型（AR）相比，扩散模型在生成质量、多样性和训练稳定性方面展现出显著优势，已成为图像生成、视频合成、3D建模等任务的主流选择。然而，扩散模型也面临着严峻的计算效率挑战。以经典的DDPM（Denoising Diffusion Probabilistic Models）为例，模型需要在推理阶段执行多达数百甚至上千步的去噪迭代，每次迭

机器学习之心

扩散模型数据增强 + Transformer-LSTM 回归预测：小样本场景下的工业级解决方案摘要：在小样本回归任务中，数据稀缺往往是制约模型性能的核心瓶颈。本文将扩散模型（Diffusion Model）作为数据生成引擎与 Transformer-LSTM 深度回归网络深度融合，构建了一套端到端的小样本增强预测框架。实验结果表明，经扩散模型数据增强后，Transformer-LSTM 回归模型在测试集上取得了 MAE = 1.0122、RMSE = 1.2945、R² = 0.9007 的优异性能，充分验证了该技术路线在工业小样本场景中的实用价值。

UniVidX——基于扩散先验的统一多模态视频生成框架UniVidX: A Unified Multimodal Framework for Versatile Video Generation via Diffusion Priors

DiffusionOPD——扩散模型中在线策略蒸馏的统一视角DiffusionOPD: A Unified Perspective of On-Policy Distillation in Diffusion Models

JointDiT:使用扩散变换器增强RGB-深度联合建模JointDiT: Enhancing RGB-Depth Joint Modelingwith Diffusion Transformers

VideoReward: 人类反馈优化视频生成文献深度阅读分析VideoReward: 人类反馈优化视频生成文献深度阅读分析近年来，视频生成技术经历了革命性的发展，其中流匹配（Flow Matching）技术的崛起标志着这一领域进入了新的阶段。与传统的扩散模型通过逐步去噪生成数据不同，流匹配通过学习时间相关的速度场，建立从噪声分布到目标数据分布的直接映射。这种方法不仅简化了训练过程，还在生成质量和效率方面取得了显著进步。

CineMaster: 3D感知电影级视频生成框架文献深度阅读分析CineMaster: 3D感知电影级视频生成框架文献深度阅读分析近年来，文本到视频（Text-to-Video, T2V）生成技术经历了前所未有的快速发展。从早期的基于循环神经网络（RNN）和生成对抗网络（GAN）的方法，到扩散模型（Diffusion Models）和流匹配（Flow Matching）技术的崛起，视频生成质量得到了质的飞跃。特别是2024年以来，以Sora、可灵（Kling）、Pika等为代表的商业系统展示了令人惊叹的生成能力，能够根据文本描述生成长达数分钟、具有连贯叙事的高质量视

未知方程无解

我用RTX4090显卡训练了一个AI绘画模型AI绘画的实现依赖于生成式模型对图像分布的建模能力。其中，扩散模型（Diffusion Models）通过逐步去噪生成高质量图像，其UNet结构需大量卷积运算；变分自编码器（VAE）负责潜在空间压缩与重建；条件生成对抗网络（cGAN）则通过判别器提升细节真实性。这些模型共同特点是参数量大、计算密集。

豆包Seedream 4.0多图融合实力派：田园犬+三花猫多场景创作，AI绘画新时代来了！🌟 Hello，我是摘星！ 🌈 在彩虹般绚烂的技术栈中，我是那个永不停歇的色彩收集者。 🦋 每一个优化都是我培育的花朵，每一个特性都是我放飞的蝴蝶。 🔬 每一次代码审查都是我的显微镜观察，每一次重构都是我的化学实验。 🎵 在编程的交响乐中，我既是指挥家也是演奏者。让我们一起，在技术的音乐厅里，奏响属于程序员的华美乐章。

毕竟是shy哥

TSDD-UB：UB:一种基于纹理简化的去噪扩散模型, 用于超声 B 扫信号下的无监督缺陷检测去噪扩散模型；无损检测；纹理简化网络；超声B超信号；无监督缺陷检测。超声 B 扫信号在管道缺陷检测中应用广泛。在超声波检测中,B 扫描信号是由一系列沿特定方向排列的A 扫描信号组成的二维表示,它能全面呈现管道横截面,准确反映缺陷的位置和形状。传统的B 扫描信号缺陷检测依赖人工目视检查,存在效率低且高度依赖专家经验的问题[7]。早期，提出基于 FasterRCNN、YOLO的方法，用于相控阵超声检测(UT)中的缺陷定位与识别，后面引入了数据驱动的核学习方法，效果良好。然而,由于超声 B扫查数据采集过

GaussianAnything—— 交互式点云潜在扩散的3D生成Interactive Point Cloud Latent Diffusion for 3D Generation

DiffusionGS: 将3D高斯溅射嵌入扩散模型的单阶段图像到三维生成Baking Gaussian Splatting into Diffusion Denoiser for Fast and Scalable Single-stage Image-to-3D Generation

CogVideoX——Transformer从文本到视频的扩散模型论文标题：CogVideoX: Text-to-Video Diffusion Models with An Expert Transformer

LeMiCa——基于扩散模型的高效视频生成的词典序最小化路径缓存论文标题：LeMiCa: Lexicographic Minimax Path Caching for Efficient Diffusion-Based Video Generation

Latte——视频生成的潜在扩散变换器论文标题：Latte: Latent Diffusion Transformer for Video Generation

LeMiCa——基于扩散的高效视频生成的词典序最小最大路径缓存论文标题：LeMiCa: Lexicographic Minimax Path Caching for Efficient Diffusion-Based Video Generation

机器学习之心

扩散模型 + Transformer 回归预测：用生成式AI增强小样本回归本文介绍一种将扩散模型（Diffusion Model）用于数据增强，再结合 Transformer 进行回归预测的完整技术方案。代码基于 MATLAB 实现，展示了从数据生成到模型训练、评估的全流程。

摇落露为霜

论文笔记DiT：Scalable Diffusion Models with Transformers（含transformer的可扩展扩散模型）Abstract：论文的核心思想非常直接：用一个标准的 Transformer 架构替换掉扩散模型中常用的 U-Net 主干网络，并证明这种新架构（称为 DiT, Diffusion Transformer）具有出色的可扩展性（Scalability）。