标签： 图像生成

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。

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。