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

Extend3D：城镇规模3D场景生成

👍 26

无需训练的单图像到城镇规模3D场景生成方法，通过扩展潜在空间和重叠块式流实现高保真度。

Seungwoo Yoon, Jinmo Kim, Jaesik Park 2026-04-01
3D生成 图像生成 场景重建 扩散模型 训练-free方法
✅ 已总结
详情 →

RawGen：学习相机原始图像生成

👍 21

首个基于扩散模型的文本到raw图像生成框架，支持任意目标相机

Dongyoung Kim, Junyong Lee, Abhijith Punnappurath, Mahmoud Afifi, Sangmin... 2026-04-01
ISP处理 低层视觉 图像生成 扩散模型 计算机视觉
✅ 已总结
详情 →

Dynin-Omni：全模态统一大扩散语言模型

👍 19

首个基于掩码扩散的8B全模态统一模型，在单一架构中实现文本、图像、语音、视频的任意理解与生成

Jaeik Kim, Woojin Kim, Jihwan Hong, Yejoon Lee, Sieun Hyeon, Mintaek Lim,... 2026-04-01
全模态统一 多模态大模型 扩散模型 掩码扩散 文本-图像-语音联合建模
✅ 已总结
详情 →

HandX：可扩展的双手机动与交互生成

👍 12

大规模双手机动数据集与生成框架，支持精细手指协同与接触交互

Zimu Zhang, Yucheng Zhang, Xiyan Xu, Ziyin Wang, Sirui Xu, Kai Zhou, Bing... 2026-03-31
LLM标注 人体动画 动作捕捉 双手机动生成 扩散模型
✅ 已总结
详情 →

Know3D：利用视觉语言模型知识引导3D生成

👍 20

通过提取VLM扩散模型中间层特征注入3D生成，实现背面语义可控

Wenyue Chen, Wenjue Chen, Peng Li, Qinghe Wang, Xu Jia, Heliang Zheng,... 2026-03-30
3D生成 单视图重建 多模态大模型 扩散模型 语义控制
✅ 已总结
详情 →

PixelSmile：迈向精细面部表情编辑

👍 118

通过连续情感标注和对称对比学习实现精细可控的面部表情编辑

Jiabin Hua, Hengyuan Xu, Aojie Li, Wei Cheng, Gang Yu, Xingjun Ma, Yu-Gang Jiang 2026-03-27
图像编辑 对比学习 扩散模型 身份保持 面部表情编辑
✅ 已总结
详情 →

Calibri：通过参数高效校准增强 Diffusion Transformer

👍 69

仅调约102个缩放参数，用进化策略校准 DiT 各模块权重，即可显著提升生成质量并加速推理

Danil Tokhchukov, Aysel Mirzoeva, Andrey Kuznetsov, Konstantin Sobolev 2026-03-27
参数高效微调 图像生成 扩散模型 无梯度优化 模型对齐
✅ 已总结
详情 →