标签： 图像生成

Hugging Face Papers 收录的一篇论文提出 Pristine Models，试图在文生图模型预训练阶段就把安全与不安全知识拆到独立参数分支，推理时可直接切断不安全分支，从而兼顾生成质量与安全控制。

一篇发表于 alphaXiv 的论文提出 PlayGround 框架，把平面设计中的布局规划从“一次性预设”改为“看渲染画布逐步决策”，试图解决固定计划与实际版面不匹配的问题。目前公开信息显示，这仍是论文阶段的研究成果。

Hugging Face Papers 收录的论文提出 APEX 方法，通过分层潜在空间和通道组异步去噪，在 64 倍和 128 倍压缩比下实现更优的图像重建与生成平衡，挑战了“高压缩必然牺牲生成质量”的固有认知。

Hugging Face Papers 收录的论文 GreenWAM 提出一个面向机器人的“世界基础模型”，试图用同一套模型同时承担预测动作后果的世界模型角色和选择动作的策略角色，并跨 20 种机器人本体迁移。

2026 年 10 月 13 日，Hugging Face Papers 收录的论文提出 FlashVSR+，用混合注意力架构和奖励产出分布匹配蒸馏方法，在单张 24GB RTX 4090 上实现 4K 视频超分，并声称推理速度和显存占用均明显改善。

alphaXiv 上的一篇新论文提出 PixelMoE，把大语言模型常用的稀疏混合专家（MoE）结构直接迁移到像素空间扩散模型，在相同激活参数量下取得更低 FID，说明像素空间也能靠稀疏扩容提升生成质量。

arXiv 上一篇新论文提出 ConicFlow，把流匹配模型在推理时满足硬约束的采样问题，转化成最优控制问题，试图在生成质量和约束满足之间取得更好平衡。目前公开信息仅为论文摘要，尚无已核验的完整实验或产品化落地。

一篇 2026 年 10 月 14 日上传到 arXiv 的论文提出免训练方法，通过回拉几何寻找条件嵌入空间中对输出最敏感的方向，引导扩散模型在不同随机种子下产生更不同的图像，同时尽量保持与提示词的一致性和画质。

Hugging Face Papers 收录的一篇论文提出 AReA，一种免训练的注意力机制，让 Diffusion Transformers 在超出训练分辨率生成图像时减少结构扭曲与细节退化，同时提升速度与效率。摘要称其在目标分辨率和不同模型上优于现有免训练基线，但尚未核验全文实验。