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

提出WAIM范式与DAWN模型,让世界预测与轨迹生成在隐空间中递归互炼。

非对称参数化流速度（数据全维、噪声低秩），实现像素空间 DiT 训练及潜空间→像素微调

L2P 丢弃 VAE、冻结 LDM 中间层，仅用 8 卡把潜在扩散先验高效迁移到像素空间。

DRoRAE融合ViT所有层级特征，大幅提升视觉分词器重建与生成质量

首个真实户外单视图重光照基准+物理引导自适应框架

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

把图像特征直接反投影回三维体素空间，让生成与输入像素严格一一对应，从根本上解决 image-to-3D 的保真度瓶颈。

首个面向电影级多镜头叙事与S2V生成的大规模数据集,配套视觉逻辑驱动的双轨评估基准与反复制粘贴新指标

提出 MV-Split 残差，把均值与中心化信号分开增益，稳住千层 DiT 训练。

级联运动/外观专家+BiMamba-Transformer，3D中间表示刷新音乐驱动舞蹈视频SOTA

用归一化流精确建模扩散反向条件，实现4步生成且保留似然

用智能体闭环+多模态记忆+分层自改进，把分钟级长视频一致性提升30%、叙事连贯性提升20%。

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

首次把DMD蒸馏从离散时间锚点迁移到连续时间域，无需GAN或奖励模型即可在4步文生图中取得SOTA。

提出解耦生成管线Sparkle，合成14万段高质量视频背景替换数据并发布最大评测基准。

把奖励信号拆解到 rollout 与像素级，对 DMD 蒸馏做时空局部化加权。

首次把测试时 scaling 引入流式视频生成，三机制协同提升长视频时空一致性。

VLM规划+扩散生成，两阶段生成可交互的物理3D资产

让步数蒸馏扩散模型持续学习新概念而保持少步推理能力