标签： 图像生成

论文 Glance Forcing 提出一种轻量蒸馏框架，把双向扩散模型转成少步因果生成模型，仅用一条 Probability Flow ODE 轨迹就超过了论文中称为 fully-trained 的基线。它的关键是：不再用海量离线轨迹，而是把去噪过程拆成慢、快两个专家分别训练。

Intern Lumina U2 是首个在完全离散空间内表示多码本视觉 token 的扩散语言模型，基于统一 4D 表示 AToken，在单一骨干网络中同时处理图像、视频和 3D 输入，并在理解、生成和编辑任务上取得领先结果。

Artificial Analysis 于 2026 年 10 月 15 日发布 NVIDIA Vera Rubin NVL72 的首批 AA-AgentPerf 评测结果，其在智能体编程场景下的每兆瓦吞吐量最高达到上代 GB300 NVL72 的约 5.7 倍。该结果仅适用于原文日期和特定评测条件。

Hugging Face Papers 收录的论文提出 BigCell，首次在原生千兆像素（gigapixel）分辨率下生成连贯的病理全切片图像（WSI），并用合成样本把切片级小样本分类性能最高提升 18%。

alphaXiv 上的一篇新论文提出 RePR，用生成模型的预测增益来训练图像分词器，在同等训练算力下让扩散生成质量超过直接做像素空间生成，ImageNet 条件生成 FID-50K 降到 2.18。

alphaXiv 上的一篇论文提出 Ask4NV，让模型在训练时同时做“新视角生成”和“3D 空间问答”，用语义理解监督帮助生成更连贯的新视角图像，在 DL3DV 和 ScanNet++ 基准上 PSNR 优于仅生成的基线。

一篇 2026 年 10 月 13 日发布的论文提出 SMD 框架，仅用回归式 on-policy 速度蒸馏，就能在 4 步采样下生成图像、视频和 3D 内容，并声称在多个基准上超过多步教师模型。若结论经复现验证，少步扩散推理的成本门槛可能进一步降低。