发现自然图像语义信息集中在方向分量，提出超球面流匹配 SFM。

CAT:用一致性正则化解决多尺度 GAN 跨尺度轨迹错位

用少量细节凝聚查询同时改善表示自编码器的重建与生成质量

证明原生DiT加x-prediction在DINOv2表征空间即可达图像生成SOTA

构建首个开源 100MP T2I 数据集，探索原生超高分辨率图像生成训练方案

把少步图像生成全程搬进球面隐空间，省去反复的像素-隐空间切换。

潜码投到定半径超球面并改用 slerp 路径,ImageNet FID 大幅提升且无需改动扩散架构

Qwen 团队发布 f16/f32 VAE，GSC 与 DINOv2 对齐同时破重建与可扩散性。

统一框架下的高质量图像生成与精确图像编辑模型，支持长文本渲染、多语言排版和高分辨率照片级生成

用 Pretzel 架构把冻结 VLM 与自回归流在统一因果掩码下交织，实现真正统一的多模态生成。

提出先验对齐自编码器PAE，显式塑造扩散友好流形，三项正则协同提升生成质量与收敛。

UNO：在统一多模态模型中用理解任务反向监督生成表征

梯度空间均衡多奖励，单模型同时提升扩散RL所有质量维度

京东提出统一多模态模型 JoyAI-Image，以空间智能为枢轴打通理解、生成与编辑。

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。

将Fréchet距离直接作为生成器训练损失,只需解耦估计与梯度规模。

CoReDi：让语义投影与扩散模型联合训练，稳定共演化提升生成质量。

基于离散扩散LLM的统一多模态模型，语义VQ+MoE主干+扩散解码器三件套打通图文

把图像生成器指令微调成统一视觉模型，所有任务都重映射为 RGB 生成。

两步跳跃轨迹+梯度折扣+相似度加权，让 FLUX 等流匹配模型能稳定训练任意早期步。