图像生成
-
拆解 FreeStyle:从社区 LoRA 到双参考可控生成
作者:Jinghong Lan、Wei Cheng等 解读:AI生成未来 FreeStyle 的价值不在于把“风格迁移”又做了一遍,而在于把双参考生成里最难被量化的泄漏问题拆成了数据、注意力和位置编码
-
AI 画图终于不再瞎蒙!GenEvolve把开放图像生成变成可训练自进化智能体!
作者:Sixiang Chen等 解读:AI生成未来 很多图像生成任务,表面上只是让模型画一张图;真正做起来才会发现,难点往往发生在生成之前。 举个例子:用户想要某个真实地标,就不能只画出一个“差不多
-
一步直接封神!单步扩散媲美250步教师模型!中科大&字节发布图像生成“分层蒸馏术”
作者:Hanbo Cheng等 解读:AI生成未来 亮点直击 系统性分析与统一视角:对轨迹蒸馏(TD)进行了系统性分析,揭示了其本质是一种有损压缩过程。这一视角解释了为何TD方法虽然能有效保留全局结构



