标签： 图像生成

Hugging Face Papers 于 2026 年 10 月 20 日收录论文 RLSplat，提出一种资源随高斯预算线性下降的前馈 3D Gaussian Splatting 框架，把“少要高斯就少算”从口号变成推理链路设计。

arXiv 新论文提出 PLE 基准，用 85 个长周期、多格式的物理工程任务检验 AI Agent 能否交付可被执业工程师签署的真实设计成果。目前公开信息显示，最强配置平均分仅 50.6%，与自主完成工程交付仍有明显差距。

Hugging Face Papers 于 2026 年 10 月 20 日收录的论文提出 Policy-Mask，用一套受“通道预算”约束的策略，同时决定从冻结扩散模型的哪一层、哪个时间步、哪些通道抽取特征做判别任务，并在相同预算下优于手工固定抽取方案。

一个名为 GIST 的自适应图像分词器，在控制压缩后像素误差之外，新增了一个独立的“语义保真”目标，让开发者能决定一张图压缩后保住多少含义，而不只是像素细节。据作者论文摘要，它在 ImageNet-100 上的重建质量优于此前的 KARL 方案。

Hugging Face Papers 收录的论文 SpecKCast 提出一种免训练扩散加速方法，在频域用卡尔曼滤波预测模型输出，并按不确定性决定是否真的跑 Transformer，在多个图像和视频生成模型上最高实现 6 倍加速且额外显存不超过 0.05 GiB。

Hugging Face Papers 上的一篇论文提出 Swift，用冻结的早期弱去噪器为强模型外推训练目标，不增加推理开销，在 ImageNet-256 上约用一半训练算力达到基线最佳 FID。

alphaXiv 收录的一篇论文提出 Agima 训练框架：用一个同时负责语言推理与图像生成的全能模型，先“想象”动作后果再决定执行；在 Sokoban 等任务中，这种训练方式优于只看动作历史、不做想象的规划器。

Hugging Face Papers 收录的论文 ACEdit 提出一种新的训练方案，针对多轮图像编辑中编辑质量逐步下降的问题，通过让模型在自己的输出上训练，并用教师模型提供监督信号，在论文摘要所述的实验中明显减少长序列编辑的退化。