5张人脸见证：GAN引导扩散PSNR提升4.40dB
GAN快但不够稳，扩散稳但太磨叽，这俩能不能别打架、搭个伙？本文给出了一个简单又实用的答案：把冻结的WGAN-GP中间特征当“导师”，用交叉注意力喂给扩散U-Net，在CelebA人脸去噪上直接涨了4.40dB。方法不复杂，但对混合范式感兴趣的读者值得一读。
标签：图像生成
共 101 篇
西交&中大MICCAI 2026：死后组织“生前还原”，专家盲选23.81%胜出
法医病理误判的潜在风险，被一次脑洞大开的「图像翻译」给盯上了。本论文首次把薛定谔桥搬进死后自溶恢复，不搞像素级配对，直接学分布映射，还建了首个真实数据集AutoPath。更狠的是，它证明FID这类老牌指标在诊断场景里可能「帮倒忙」——专家盲评和滑片级诊断一致性，才是硬通货。
明尼苏达大学CM-RED：4步MRI重建，效果亮眼1000步扩散模型
扩散模型做MRI重建效果好，但动辄几百上千步的迭代采样让临床落地遥遥无期。明尼苏达大学这篇CM-RED，把一致性模型塞进RED优化框架，4步出图，PSNR/SSIM全面超越1000步的DPS和100步的DDS，计算量直降25—250倍。生成式MRI重建的“速度焦虑”，这次是真的被治好了。
告别每步都算谱分解！Meta让Muon在15B DiT上跑出性价比
训练扩散Transformer最烧钱的不是模型，而是优化器？Meta这篇新作把Muon优化器从1.3B一路验证到15B，生成质量稳定赢过AdamW最高19.1%，又用「周期性行式」设计把优化器通信量砍掉66.7%。质量不掉、速度反超，训练成本敏感的同学值得细读。
哈佛最新研究：扩散模型分数函数被"拆穿"，小波展开无需训练直接去噪
这篇论文把扩散模型里最"玄学"的分数网络，用小波基展开成了完全可解析的形式——不用梯度训练，闭式岭回归直接算出最优去噪器。更妙的是，三种相关性结构把"数据里哪些统计量最重要"变成了可量化的诊断工具。理解扩散模型内部机制，这篇值得一读。
阿里千问&上交大新作：4K图像编辑只要61秒，纹理细节一个不丢
4K分辨率下改图，既要改得准、还要改得快、更要纹理细节不丢失，这可能吗？阿里千问与上海交大给出的答案是：61秒，一个细节都不少。
李飞飞参与，斯坦福&Google新作：让VLM当裁判，图像压缩更懂人眼
这篇论文把“谁来判断压缩图像好不好”这个老问题翻出了新花样。斯坦福和谷歌团队发现，Gemini 2.5-Flash这类通用视觉语言模型，竟然能零样本复现人眼的相似度判断，干脆把它请来当裁判，用偏好优化把扩散自编码器训得更懂人眼。结果在多个基准和上万次用户评测里直接干到第一梯队。想看看VLM怎么当评委、这条路能省多少人工标注成本？这篇值得一读。
模拟存内计算秒变“猪队友”？北大港大出手：只调一个引导参数，扩散模型FID狂降75%！
模拟存内计算（CIM）部署扩散模型是低功耗生成的重要路径，但芯片非理想性会让引导信号悄悄“失真”。这篇北大港大合作的工作把失效通道定位到无分类器引导残差上，并给出免重训练、只改一个标量参数的优雅修复方案，在3个扩散模型上大幅恢复生成质量，值得所有关注AI芯片落地和扩散模型的读者一读。
浙大首发NGS-Marker：3DGS防“拆件盗用”新解法，局部水印解码准确率99%！
3DGS资产正在被“拆零件拼装”式盗用，而现有的渲染级水印在这种局部侵权下几乎集体失灵。浙大这篇NGS-Marker直接对高斯原语下手，任意抠一块都能验明正身，局部侵权场景下解码准确率冲到99%以上，是3D资产版权保护里少见的真痛点工作。
南大最新单图重拍SOTA：换机位拉焦距调色温一次搞定
一张照片拍完就定型了？南京大学最新研究告诉你：换视角、拉焦距、调色温、改曝光，一张图就能“重拍”出各种效果，还跟真重新拍过一样。首个统一框架ReX-Shot，直接把单图三要素控制一次搞定。
图像生成｜统一协议揭秘：SAG局部称王，FLUX.2上替代法全输CFG
CFG的八种免训练替代方法，真的比原版CFG更香吗？这篇论文在统一协议下，用组合对齐基准在SD3.5 Medium和FLUX.2 klein上实测，结论相当扎心：没有一个方法能全面胜出，CFG依然是性价比之王。想知道哪些方法在哪些指标上偷偷涨了点？这篇评测给你答案。
ECR 2026新研究：扩散模型给CBCT做"翻译"，FDK重建输入让合成CT质量飙升20dB
放疗中反复CT辐射剂量高，低剂量CBCT图像质量又不够用？这篇ECR 2026论文用条件扩散模型做CBCT到CT合成，还专门较真了“输入图像怎么表示”这件事——结果发现，看似更粗糙的FDK重建反而能让扩散模型发挥更大潜力，PSNR相对提升超过20dB，思路很值得借鉴。
