搜索 — HF Daily Papers

全部强化学习扩散模型大语言模型基准测试视频生成 LLM智能体世界模型视觉语言模型 GRPO 多模态大模型知识蒸馏基准评测具身智能流匹配机器人操作多智能体系统智能体 LLM Agent 可解释性图像生成代码生成多模态学习检索增强生成注意力机制 RLVR 后训练视频理解机器人学习长上下文多模态数学推理图像编辑 VLA 数据合成多模态大语言模型推理加速高效推理评测基准自监督学习工具调用对比学习扩散语言模型视觉-语言-动作模型参数高效微调 Transformer 工具使用 LoRA 持续学习 LLM评估自蒸馏多模态推理 RAG 模仿学习综述 LLM推理信息检索信用分配在线策略蒸馏模型压缩合成数据

找到 582 条结果

Tri-Prompting：统一控制场景、主体和运动的视频扩散模型

👍 7

统一视频扩散框架，实现场景、多视角主体和运动的解耦控制

Zhenghong Zhou, Xiaohang Zhan, Zhiqin Chen, Soo Ye Kim, Nanxuan Zhao,... 2026-03-17

ControlNet 多视角一致性扩散模型视频生成运动控制

基于区域分组直接偏好优化的字形准确视觉文本渲染

👍 5

提出区域级偏好优化方法提升多语言复杂字形渲染精度

Xincheng Shuai, Ziye Li, Henghui Ding, Dacheng Tao 2026-03-17

多语言扩散模型文本渲染直接偏好优化视觉文本

FlashMotion：基于轨迹引导的少步可控视频生成

👍 5

通过混合扩散和对抗训练实现少步轨迹可控视频生成，质量与精度双提升

Quanhao Li, Zhen Xing, Rui Wang, Haidong Cao, Qi Dai, Daoguo Dong, Zuxuan Wu 2026-03-17

对抗训练扩散模型知识蒸馏视频生成轨迹控制

谱匹配：潜在扩散中优越扩散性的统一视角

👍 5

提出谱匹配假设，通过ESM和DSM统一提升潜在扩散生成质量

Mang Ning, Mingxiao Li, Le Zhang, Lanmiao Liu, Matthew B. Blaschko, Albert... 2026-03-17

VAE 图像生成扩散模型潜在扩散谱分析

CHEERS: 解耦Patch细节与语义表征实现统一多模态理解与生成

👍 38

通过解耦高频细节与语义特征，在单一模型中实现视觉理解与图像生成的统一优化

Yichen Zhang, Da Peng, Zonghao Guo, Zijian Zhang, Xuesong Yang, Tong Sun,... 2026-03-16

Flow Matching 多模态模型扩散模型统一生成与理解视觉Tokenizer

从稀疏到稠密：通过增强条件空间实现流模型的多视角GRPO

👍 14

通过增强条件空间构建多视角奖励映射，提升流模型GRPO对齐效果

Jiazi Bu, Pengyang Ling, Yujie Zhou, Yibin Wang, Yuhang Zang, Tianyi Wei,... 2026-03-16

GRPO 人类偏好对齐强化学习扩散模型文生图

DreamVideo-Omni：基于潜在身份强化学习的全方位运动控制多主体视频定制

👍 32

统一框架实现多主体身份保持与全方位运动控制，通过潜在空间强化学习优化身份保真度

Yujie Wei, Xinyu Liu, Shiwei Zhang, Hangjie Yuan, Jinbo Xing, Zhekai Chen,... 2026-03-13

多主体定制强化学习扩散模型视频生成运动控制

DVD：基于生成先验的确定性视频深度估计

👍 28

确定性地将预训练视频扩散模型转化为单次前向传播的深度回归器

Hongfei Zhang, Harold Haodong Chen, Chenfei Liao, Jing He, Zixin Zhang,... 2026-03-13

3D视觉扩散模型生成先验确定性回归视频深度估计

WeEdit：面向文本中心图像编辑的数据集、基准与字形引导框架

👍 25

用字形引导SFT+多目标RL解决图像内文字编辑难题，330K数据+15语言基准

Hui Zhang, Juntao Liu, Zongkai Liu, Liqiang Niu, Fandong Meng, Zuxuan Wu,... 2026-03-13

图像编辑多语言强化学习扩散模型数据集构建

一个模型，多种预算：面向扩散变换器的弹性潜在接口

👍 18

提出ELIT机制，通过可变长度潜在接口实现扩散变换器的弹性计算分配和多预算推理

Moayed Haji-Ali, Willi Menapace, Ivan Skorokhodov, Dogyun Park, Anil Kag,... 2026-03-13

图像生成扩散模型自适应计算视频生成计算效率

EndoCoT：在扩散模型中实现内生链式思维推理的规模化扩展

👍 12

通过迭代潜隐状态精炼实现扩散模型的内生链式思维推理

Xuanlang Dai, Yujie Zhou, Long Xing, Jiazi Bu, Xilin Wei, Yuhong Liu,... 2026-03-13

DiT 多模态大语言模型扩散模型视觉推理链式思维推理

基于加权 h-变换采样的粗引导视觉生成

👍 5

用 Doob h-变换把粗引导信号注入扩散采样，无需训练和前向算子。

Yanghao Wang, Ziqi Jiang, Zhen Wang, Long Chen 2026-03-13

Doob h-变换免训练图像修复扩散模型粗引导生成

WaDi：面向单步图像生成的权重方向感知蒸馏框架

👍 3

通过低秩旋转建模权重方向变化，将多步扩散蒸馏为高质量单步生成器，参数效率提升10倍。

Lei Wang, Yang Cheng, Senmao Li, Ge Wu, Yaxing Wang, Jian Yang 2026-03-13

单步生成参数高效微调图像合成扩散模型模型蒸馏

ID-LoRA：基于上下文LoRA的身份驱动音视频个性化生成

👍 25

首个通过In-Context LoRA联合生成个性化音频和视频的方法

Aviad Dahan, Moran Yanuka, Noa Kraicer, Lior Wolf, Raja Giryes 2026-03-12

LoRA 个性化扩散模型语音克隆说话人身份

即时计算：面向扩散Transformer的免训练空间加速框架

👍 7

通过空间稀疏化和动态token激活实现DiT免训练7倍加速

Wenhao Sun, Ji Li, Zhaoqiang Liu 2026-03-12

Transformer 免训练优化图像生成扩散模型推理加速

UniCom：通过压缩连续语义表示实现统一多模态建模

👍 4

腾讯混元提出压缩通道维度的连续语义表示，打通统一多模态理解与生成。

Yaqi Zhao, Wang Lin, Zijian Zhang, Miles Yang, Jingyuan Chen, Wentao Zhang,... 2026-03-12

Transfusion 图像生成图像编辑扩散模型统一多模态模型

V2M-Zero：零配对时间对齐的视频到音乐生成

👍 3

零配对视频生音乐，事件曲线解耦时间与语义。

Yan-Bo Lin, Jonah Casebeer, Long Mai, Aniruddha Mahapatra, Gedas Bertasius,... 2026-03-12

AIGC 扩散模型时间对齐视频到音乐生成跨模态生成

几何引导的强化学习实现多视角一致的3D场景编辑

👍 144

基于强化学习的单次推理3D场景编辑框架

Jiyuan Wang, Chunyu Lin, Lei Sun, Zhi Cao, Yuyang Yin, Lang Nie, Zhenlong... 2026-03-11

3D场景编辑 3D高斯溅射多视角一致性强化学习扩散模型

Omni-Diffusion：基于掩码离散扩散的统一多模态理解与生成

👍 50

首个基于掩码离散扩散的any-to-any多模态模型，统一文本/语音/图像处理

Lijiang Li, Zuwei Long, Yunhang Shen, Heting Gao, Haoyu Cao, Xing Sun,... 2026-03-11

any-to-any 多模态扩散模型离散扩散统一模型

CARE-Edit：条件感知专家路由的上下文图像编辑

👍 38

用动态路由将编辑任务分发给异构专家，解决多条件图像编辑中的信号冲突问题

Yucheng Wang, Zedong Wang, Yuetong Wu, Yue Ma, Dan Xu 2026-03-10

DiT Mixture-of-Experts 图像编辑扩散模型条件控制