术语slug: diffusion-model

扩散模型

Diffusion Model

通过逐步处理随机噪声生成图像的生成式建模方法,为 Midjourney 等主流文生图工具的基础

收录情报动态

共 47 篇 · 第 1/5 页
IT之家 · 智能时代T2·基座大模型
71 分
Claude Fable 5.2 用 70 万笔触代码作画

Anthropic 发布 Claude Fable 5.2 与 Claude Mythos 5.2,其中 Fable 5.2 展示了一种不依赖图像生成模型的作画路径:由模型编写 1000 至 2000 行 Python 代码驱动模拟绘画引擎,逐笔控制笔刷纹理、颜料湿度与画布质感。官方员工演示中,模型以约 70 万次模拟笔触完成一幅停车场购物车作品,全程无外部图像模型、无预渲染底图。

Rohan Paul (@rohanpaul_ai)T2·基座大模型
78 分
MBZUAI 开源 PAN 2 世界模型 支持仿真推理

MBZUAI 基础模型研究所发布开源基础世界模型 PAN 2,面向物理智能的仿真推理,让智能体在行动前先推演后果。它采用概念与感知双路推理:LLM 负责规划动作顺序与相机运动并转写为文本,29B 扩散模型从零训练将文本渲染为视觉画面。消融显示移除 LLM 后多步任务仅 8.7% 步骤正确且无完整计划,双路协同则达 75.1% 步骤正确、34.0% 计划完整完成。

Hacker News AIT2·开源与评测
78 分
Video Rebirth 将 31B 视频音频扩散模型压缩至 14B 并支持 INT8

Video Rebirth 发布 HyperFlow H3 Flash,将 MiniMax-H3 的 31B 视频+音频联合扩散模型压缩至 13.7B,支持 4/6/8 步少步采样且无需 CFG,并开源权重、ComfyUI 节点与 GGUF 部署方案。5.2 秒片段在单张 RTX 5090 上约 92 秒生成,4×B200 上仅 8.7 秒,配合 SOL-H3 可在 4 卡 Blackwell 上实现实时推理。

IT之家 · 智能时代T2·基座大模型
86 分
RFdiffusion3 发布:原子级蛋白质设计获《科学》验证

华盛顿大学与英伟达等团队在《科学》发表 RFdiffusion3,该系统能基于 AlphaFold3 架构对单个氨基酸的原子坐标进行建模,实现从结构预测到功能设计的跨越。实验证实,其设计的酶在真实化学反应中具备预期活性,且生成速度较前代提升约十倍,标志着 AI 驱动的生物分子工程进入高精度实用阶段。

Apple Machine Learning ResearchT1·基座大模型
78 分
宾大与 UIUC 提出 NTM:用归一化流实现四步精确似然图像生成

宾夕法尼亚大学与伊利诺伊大学厄巴纳-香槟分校联合推出 Normalizing Trajectory Models (NTM),通过引入条件归一化流解决扩散模型在少步采样中丢失精确似然的问题。该架构结合浅层可逆块与深层并行预测器,支持从零训练或从预训练流匹配模型初始化,并在文生图基准测试中以仅 4 步采样达到或超越强基线性能,同时保留轨迹的精确似然以支持自蒸馏。