阿里联合港科大新作UNIGP：一张图同时搞定生成和感知
这篇论文最有意思的地方，不是“能做很多任务”，而是它真把生成和感知这对老冤家塞进了同一个扩散框架里，还尽量不把原本的生成先验搞丢。DUGP 这招“只复制图像分支”的思路很克制，实验也说明它不是花架子。
标签：图像生成
共 101 篇
NeurIPS 2026新作：扩散模型换个散度，30%污染下FID直降15点
扩散模型最怕的不是算力，而是数据里混进来的“脏样本”。这篇论文很实在：不改大结构，只把去噪损失换成散度诱导的加权形式，就把鲁棒性做出来了。
NVIDIA新作：长视频重光照终于不闪了
长视频重光照最烦的不是“能不能变亮”，而是“每一块都别自己演戏”。这篇 NVIDIA 新作把问题改写成跨块连续翻译，再加暖启动提示，思路很工程，也很实用。
PRA把像素自回归拉到新SOTA：135M反超1.9B
像素空间自回归一直有个尴尬：输入和输出都在“高维泥潭”里打滚，越滚越脏。PRA的思路很实在，直接把难题拆成“先降维、再并行近似 rollout”，还顺手把生成和理解一起往前推了一步。
哈工大深圳新框架：病理图像合成对齐度更高
病理图像合成最烦的不是“生成”，而是“生成得像且结构还对”。CHIS偏偏把这两个最难缠的问题拆开处理，还做成了训练自由插件，省掉了不少标注和微调成本。
阿里Home3D 1.0：一张图生成可编辑3D家具
Home3D 1.0 不是单纯“把图变成 3D”，而是把家具商品化这件事拆成几道硬菜：几何、纹理、材质、部件，各管一摊。最有意思的是，它把“可编辑”放到了和“像不像”同等重要的位置，这才像真正面向设计和电商的方案。
暴露偏差也能自救？清华华为新方法把Flow Matching拉回正轨
训练看起来很“正经”，推理却偷偷跑偏，这就是 Flow Matching 里最烦人的暴露偏差。DEFAR 的思路很妙：不把偏差当噪声硬压，而是把它当反馈信号，让模型自己学会纠偏。
共享VAE也不怕：UIUC新方法靠去噪器频谱指纹破案
这篇论文最有意思的地方，不是“又做了一个归因器”，而是直接把目光从生成结果挪到了去噪器本身。8个扩散模型里，哪怕是共享VAE、共享骨干的近亲，SDS 也能把它们分开，实用性很强。
仅用前向推理，SDS把8个扩散模型分清了
这篇论文不盯生成结果，专门盯去噪器“怎么去噪”。结果很狠：只靠前向推理，就能把八个扩散模型的“出身”分得明明白白，连共享同一类自编码器的近亲版本也不太好糊弄。
Yale新作MRI2Rep：3D肝脏报告自动生成，F1冲到29.4%
这篇论文把“写报告”这件事拆成了两步：先把医生的自由文本洗成结构化标签，再让模型按规矩自动生成。别看它是医学场景，思路其实很通用，尤其适合那些“数据不多、标签还乱”的硬核任务。
CVPR 2026新作DexAC：57维灵巧手动作，别再一锅端压缩了
57维灵巧手动作不是“大一点的控制”这么简单，传统把动作一把压成向量的做法，在这里开始露怯了。本文把动作拆成结构化 token，再配上局部+全局注入和语义分支，思路很清楚，效果也确实能打。
15张TEM图也能训出SOTA扩散模型？imec新作把合成图做真了
这篇工作把“数据不够”这件事，硬生生掰成了“先切块、再渐进长大、最后整图开画”的扩散生成流程。更有意思的是，它不只会造图，还顺手把中间特征拿去做分割，属于一套模型干两份活。😀
