#扩散模型

操作策略终于能实时闭环了！πR²让大模型每40ms重新规划动作，比基线快4倍，成功率提升30%，特别适合动态环境。

研究者用扩散模型从少量监测站重建全城空气污染图，比传统确定性方法生成的模式更真实，还能跨时间迁移，值得关注。

这篇论文发现了现有扩散蒸馏方法在CFG下的一个隐蔽问题，并给出了一个简单的修正方案。做扩散模型蒸馏或视频生成的同学可以看看。

这篇论文告诉你，艺术家也能像玩材料一样玩扩散模型内部。他们在ComfyUI做了交互工具，能直接操纵Stable Diffusion的层，看到具体变化。不是理论说教，是真能动手调的。

这篇论文发了KroQuant，用Kronecker结构做激活变换，W4A4量化又快又准，比SVDQuant和LoRaQ结果好，还省参数。

这篇论文解决了视频编辑时模型丢失先验的问题，用三种新技巧让编辑更精准，效果比以前的TTT方法好得多。

这篇论文用具体数字告诉你，统计上合理的轨迹未必结构可行，扩散模型加符号约束能解决。看中型图场景下0.156的无效概率怎么被硬过滤砍掉。

这论文提出PDDIM算法，用DDIM采样器解线性逆问题，有理论保证，代码改动小，效果还最好。

这个框架用扩散模型做公里级天气预测，垂直风误差不到3%，比传统方法快很多，做精细化气象预报的朋友可以看看。

这篇论文用扩散模型来对齐强化学习中的不同环境动态，不用额外复杂设计就能搞定域适应，比现有方法好。

想了解怎么让扩散大模型跑得快？这篇综述把加速方法分了三个维度，还给了评测框架，搞推理优化的值得看。

想用更少的点表示信号？这篇用复数奇点，32个点顶1024个网格，重建更准还能恢复物理参数，值得看看。

这篇论文教你怎么用更少的反馈数据训练扩散模型，关键是把去噪步和样本按重要性加权，实验涨了6倍效率。

这篇论文找到了CFG在高引导下翻车的数学原因，还给了个零成本修复，CIFAR-10和SD1.5上点FID全胜，做采样的人值得看看。

这篇论文指出了线性注意力在图去噪上的根本局限，并提出 GCA 来补上短板。在 DiGress 上效果持平标准 Transformer 还省了结构特征计算，挺实用的。

这篇论文把VLM做图像编辑时定位不准的老问题挖到底了——原来不是模型不行，是提取信号的方式错了。他们用了个'代理分析'的巧招，把隐藏的定位信号给揪了出来，搞编辑管线的值得一看。

这篇论文提出了 TILDE，通过分布对齐让概念遗忘模型既能精准擦除目标，又不会牺牲常规生成质量。

SynLaD同时搞定分子设计和合成路线，比以往只顾一头的模型更实用。

搞语义分割的可以试试这个，它只增强模型犯难的区域，在几个自动驾驶数据集上提点挺明显，尤其是稀有类别。

这篇论文提出MADreMIA方法，用链式再生替代影子模型，显著提升对生成模型隐私泄露的检测灵敏度。

想搞懂扩散模型、得分匹配背后的数学原理？这篇论文从变分角度讲清楚了SDE和ELBO，适合想深入理论的朋友。

这篇论文严格证明了为什么有些生成模型不用最优传输也能行，给出了统计极限的硬理论，做生成模型理论的人必看。

他们提出μFlow，只用真实照片训练就能识别各种AI生成的假脸，在完全没见过的生成器上效果碾压现有方法。

LeVo 2 发布了一个能生成完整歌曲的模型，通过分层建模和美学引导训练，歌唱质量和可控性都比开源方案强，已经逼近商业系统水平。

这篇论文发现了再流蒸馏的隐藏问题——轨迹匹配可能不够，还提出了一个简单有效的边际对齐正则化，不用额外网络就能提升少步生成质量，值得做扩散加速的人看看。

这篇论文推出了OncoSynth，能用合成数据准确估计肿瘤治疗效果，比现有方法误差降低一半以上，适合做医疗AI的朋友了解。

PCDiff新框架搞定3D点云弱缺陷检测，生成异常样本更逼真，重建更准，减少误报。

想从单张图生成高质量3D模型？FLUX3D用扩散对齐稀疏表示解决了细节丢失问题，效果比现有方法好一截，值得搞3D生成的看看。

这篇论文告诉你：扩散模型采样快慢不挑超参数，只需O(k/ε)步就能出高质量样本，环境维度再高也不怕。

这篇论文改进了扩散模型的抗污染能力，用f-散度加权去噪在CIFAR-10上30%污染时FID从93降到77，比常用鲁棒损失好用。

这篇论文提出Fed-CausalDiff，让联邦学习不仅能拟合历史数据，还能做因果干预模拟。它在四个数据集上比常规方法更准，而且通信开销可控，适合分布式医疗或金融场景。