标签： 全部 强化学习 扩散模型 大语言模型 基准测试 视频生成 视觉语言模型 世界模型 GRPO 多模态大模型 知识蒸馏 LLM智能体 多智能体系统 智能体 多模态学习 流匹配 具身智能 图像生成 基准评测 代码生成 LLM Agent 检索增强生成 注意力机制 机器人操作 多模态大语言模型 视频理解 可解释性 数学推理 图像编辑 多模态 机器人学习 RLVR 自监督学习 长上下文 后训练 Transformer 工具使用 对比学习 数据合成 视觉-语言-动作模型 推理加速 工具调用 LoRA 多模态推理 RAG 计算机视觉 LLM评估 信息检索 视觉推理 评测基准 高效推理 参数高效微调 扩散语言模型 自蒸馏 综述 Flow Matching 3D重建 模型压缩 自回归生成 持续学习 自回归模型
找到 498 条结果
相关性 | 日期

扩散模型作为通用分割学习器

👍 4

把预训练扩散模型改造为统一的语义/开放词汇/跨域分割框架

Haoxiao Wang, Antao Xiang, Haiyang Sun, Peilin Sun, Changhao Pan, Yifu Chen,... 2026-05-07
CLIP Stable Diffusion 图像分割 开放词汇 扩散模型
✅ 已总结
详情 →

基于预测式潜空间的视频生成

👍 25

提出预测式视频VAE，丢弃未来帧使潜空间捕获运动先验，提升34.42 FVD并加速收敛52%

Yian Zhao, Feng Wang, Qiushan Guo, Chang Liu, Xiangyang Ji, Jian Zhang, Jie Chen 2026-05-06
变分自编码器 扩散模型 潜空间设计 视频生成 预测学习
✅ 已总结
详情 →

ComboStoc：面向扩散生成模型的组合随机性

👍 13

把扩散时间步张量化，全采样组合空间，加速训练并解锁分级控制推理。

Rui Xu, Jiepeng Wang, Hao Pan, Yang Liu, Xin Tong, Shiqing Xin, Changhe Tu,... 2026-05-05
3D形状生成 分级控制 图像生成 扩散模型 时间步调度
✅ 已总结
详情 →

扩散模型何时才能学会生成多物体？

👍 9

用受控MOSAIC数据集揭示扩散模型多物体失败的根源：场景复杂度与组合泛化

Yujin Jeong, Arnas Uselis, Iro Laina, Seong Joon Oh, Anna Rohrbach 2026-05-04
多物体生成 扩散模型 数据诊断 组合泛化 计数与空间关系
✅ 已总结
详情 →

ViPO：规模化视觉偏好优化

👍 3

提出 Poly-DPO 算法并构建百万级视觉偏好数据集，解决偏好优化难以规模化的问题

Ming Li, Jie Wu, Justin Cui, Xiaojie Li, Rui Wang, Chen Chen 2026-05-01
偏好优化 扩散模型 数据集构建 文生图 文生视频
✅ 已总结
详情 →

探查图像编辑模型中的视觉规划能力

👍 2

把视觉规划重构为单步图像编辑任务EAR，配合AMAZE基准系统评估前沿模型的推理能力。

Zhimu Zhou, Yanpeng Zhao, Qiuyu Liao, Bo Zhao, Xiaojian Ma 2026-04-30
图像编辑 基准测试 扩散模型 空间推理 视觉规划
✅ 已总结
详情 →