AREX：用于 Flow Matching 少步采样的仿射残差指数积分器
AREX 是一种面向预训练 Flow Matching 模型的免训练采样器，旨在提升少步采样场景下的生成保真度。该方法将动力学分解为由目标前二阶矩决定的仿射分量与神经网络残差项，并通过显式矩阵值传播器解析求解仿射部分。在图像与文生图任务中，AREX 无需重新训练底层模型即可持续改善少步采样的样本质量。
#图像生成
#图像生成
今日 0 条arXiv stat.MLAI 评分3434 arXiv stat.MLAI 评分3636 迭代一致性模型：稳定性、误差界与噪声调度
一项新研究针对多步一致性模型（CMs）提出非渐近误差界，将初始化误差的收缩与逼近误差的累积解耦。理论证明早期大噪声负责驱动收缩，后期小噪声则控制残差偏置，并给出了强对数凹与半对数凹目标的显式常数。该成果为多步 CMs 采样器设计提供了收敛性理论保障与实践路径。
arXiv stat.MLAI 评分3636 ENCORE：基于复制交换的扩散模型生成精确非平衡控制方法
研究人员提出用于扩散模型生成的首个精确并行控制方法 ENCORE，可在推理阶段无需重新训练即可将预训练生成模型引导至目标分布。该方法通过让每个副本保存生成轨迹，将向上移动简化为截断操作，从而无需模拟难解的时间反演，并在理论上保证了目标不变性与稳定性。实验表明，ENCORE 在合成目标、生物分子玻尔兹曼采样及图像生成中兼具准确率与多样性，且适用于蒸馏采样器。
arXiv cs.AIAI 评分3737 遍历文生图扩散模型中的满意度-多样性前沿
无需训练的文生图推理方法 SatisDive 提出通过设定奖励底线和多样性截断，在优先提升低分候选图像奖励的同时保持高分图像的多样性。在 Pick-a-Pic 上匹配 DreamSim 时，SatisDive 在 FLUX.1-dev 和 SANA-1.6B 下将最差候选奖励比 FK steering 最高提升 0.43 和 0.70，其满意度-多样性曲线全面 Pareto 占优。
arXiv cs.AIAI 评分3535 CALM：分析文生图生成中全局不安全表征的局限
研究人员提出无需训练的文生图安全防护机制 CALM，通过局部反事实校正替代传统的全局不安全信号移除。针对全局表征消除在覆盖度与选择性上的失衡难题，CALM 仅对违规 token 表征进行最小化编辑并抑制不安全残差。实验表明，CALM 在显著提升不安全内容抑制效果的同时，有效保留了良性提示词的生成效用。
arXiv cs.AIAI 评分3636 MintFlow：受约束流匹配的最小轨迹干预
MintFlow 是一种面向受约束流匹配的无训练采样框架，通过对预训练流轨迹实施最小干预来满足测量与物理定律等目标约束。该方法利用伴随公式推导出状态微扰的闭式解，避免了昂贵的迭代优化，并可自适应选择干预时间以平衡扰动幅度。在生成视觉与物理系统建模任务中，MintFlow 在满足约束的同时显著减少了对预训练分布的偏离。
arXiv cs.LGAI 评分3434 用于流映射蒸馏的几何感知时间重参数化
研究提出用于流映射蒸馏的几何感知时间重参数化方法，在保持几何路径不变的前提下为大法向加速度轨迹区域分配更多学生时间。该方法设计的共享时钟仅需在蒸馏前估算一次，无需重新训练教师模型，亦不增加额外参数或推理网络评估。在 CIFAR-10 和 CelebA-64 上的实验表明，该方案在同等推理预算下提升了一步与两步图像生成质量。
arXiv cs.LGAI 评分3434 针对扩散草稿树的排序感知投机采样 RASS
研究人员提出针对扩散草稿树的排序感知投机采样（RASS），通过对候选草稿排序并结合残差校正确保精确采样，以加速扩散生成。该方法在 FFHQ、CIFAR-10 及基于 COCO2014 提示词的 Stable Diffusion 3.5 上完成验证。在相同计算预算下，RASS 全面优于 D-GRS，在 CIFAR-10 上的采样效率增益约达 20%。
arXiv cs.LGAI 评分3535 基于方差缩减序贯蒙特卡洛的特异性感知扩散引导
研究团队提出基于方差缩减序贯蒙特卡洛（SMC）的特异性感知扩散引导方法，解决预训练扩散模型在抑制负参考分布时破坏正分布重叠区的问题。该方法将特异性引导形式化为目标设计问题，通过极小化方差的 SMC 采样与雅可比向量积优化提升稳定性。在类别对比、文生图及肽-MHC结合物任务中，该方法显著减少了模式偏移与权重崩溃，代码已开源。
arXiv cs.LGAI 评分3838 EvoGen-Harness：学习在何处以及如何演化图像生成外围框架
研究团队提出 EvoGen-Harness 框架与 Trace 方法，无需修改参数即可协同演化冻结 T2I 模型周边的多职责外围系统。在 GenEval2、T2I-CompBench++ 和 WISE 基准上，该框架较最强基线分别提升 +0.2633、+0.0720 与 +0.0752，归因召回率达 87.9-91.4%，性能回归率仅 1.9%。
arXiv cs.LGAI 评分3333 面向高效生成模型对齐的流形约束初始噪声优化
研究团队提出免梯度初始噪声对齐方法 ZeNOVA，以解决黑盒奖励场景下生成模型对齐不稳定与效率低的问题。该方法结合退火软值引导、流形约束超球面朗之万动力学与 Metropolis-Hastings 跳跃机制优化初始噪声。图像与视频生成模型实验表明，ZeNOVA 超越所有受测零阶基线，在黑盒奖励对齐中表现出更高的稳定性与奖励收益。
arXiv cs.LGAI 评分3636 零假设才是难点：生成模型记忆效应的精确检验
新研究针对生成模型记忆审计因缺乏零分布导致误判的问题，提出了面向整模型与单图像记忆的精确检验方法。经匹配对照校准后，该方法在 5% 错误发现率下将 MemBench 认证的 61 张图像确认至 36 张，校准极大值法可确认 46 张。研究推荐利用交叉欧拉示性数图谱（IECP）小尺度质量统计量检测复制图像，并检验不同模型间的复制重合。
arXiv cs.LGAI 评分3838 蒸馏扩散分数差异以实现高效训练数据归因
研究提出扩散模型训练数据归因方法 TID 及蒸馏版本 TIDE，无需重训即可根据局部分数差异高效溯源样本。TID 适用于 DDPM、EDM 与 flow matching，采用 Kronecker 分解曲率免去逐样本梯度存储。在 CIFAR-10、ArtBench-10 与 MS-COCO 评测中，TID 达到 SOTA，TIDE 将查询成本降低 4 到 5 个数量级并实现毫秒级归因。
arXiv stat.MLAI 评分3535 面向 CFG 扩散模型激活量化的联合分支空间变换编码
研究人员针对带 CFG 的扩散模型激活量化提出分支空间变换编码，通过离线 2x2 正交矩阵旋转匹配的分支以利用跨激活相关性。该方法进一步推导出结合引导方向与跨分支二阶矩的 GCBT 变换，具备逐层闭式解且无需梯度优化或角度搜索。应用于现有扩散模型 PTQ 方法时，在不改变宿主量化管线的前提下显著提升了生成保真度。
arXiv stat.MLAI 评分3232 基于先验少步传输映射的源空间 MCMC 后验采样
针对隐式先验与测试时引导任务，研究人员提出一种结合少步先验传输与后验稳定性保证的源空间广义贝叶斯推断框架。该方法使用单步或少步改进 MeanFlow（iMF）映射表示先验并在高斯源空间进行 MCMC 采样，结合并行回火与分裂哈密顿蒙特卡洛提升效率，并给出了 Wasserstein 误差界。
arXiv cs.AIAI 评分4343 UniEvo-VL：面向多模态模型自我提升的在线自蒸馏训练方案
UniEvo-VL 是一种多模态模型在线自蒸馏训练框架，让单一模型同时充当学生与基于自我纠错反馈的教师，在无需外部更大模型的情况下实现自我提升。基于开源模型 Qwen-image-2512 的实验显示，该方法将其 GenEval 得分从 0.747 提升至 0.808，GenEval2 Soft-TIFA 从 32.97 提升至 35.53。
arXiv stat.MLAI 评分3535 BAM（Bayesian Anything Model）：面向生成式计算成像的基础模型
研究者推出轻量级生成式计算成像基础模型 BAM（Bayesian Anything Model），参数量仅 36M，支持少步、物理感知的后验采样。该模型将 RAM 主干升级为条件流图，仪器物理特性可在推理时动态指定，无需似然近似与引导权重调节。在 FFHQ、LSUN 及 Kohler 等基准上，BAM 仅需 3 步采样即可在质量上超越专用模型与主流零样本方法。
arXiv cs.LGAI 评分3535 生成去噪器雅可比矩阵的谱特性分析
新研究提出通过分析去噪器雅可比矩阵的谱来刻画扩散模型与 flow-matching 等生成去噪模型的差异，发现更优的生成性能与更大的雅可比特征值相关。基于该发现，研究团队设计了一种在扰动输入上训练去噪器的正则化方案以调控雅可比谱。在 ImageNet 上的实验表明，强化数据相关主特征方向响应并抑制噪声方向可有效提升生成质量。
arXiv cs.LGAI 评分3434 基于逆向知识蒸馏的数据遗忘
研究人员提出逆向蒸馏遗忘框架 IDU，能同时将多步流匹配和扩散模型蒸馏为一步学生生成器，并抑制指定训练子集的输出。该方法仅需预训练教师模型与遗忘集数据，无需访问保留样本、额外特征提取器或分类器。在 MNIST 和 CIFAR-10 上的实验表明，IDU 能大幅降低遗忘类别的生成频率，同时保持保留类别的生成质量。
AWS Machine Learning BlogAI 评分4444 在 SageMaker AI 上使用 vLLM-Omni 生成图像与视频（第 2 部分）
AWS 推出基于 vLLM-Omni 深度学习容器在 SageMaker AI 上实现图像与视频生成的工作流方案。该方案通过实时端点运行 FLUX.2-klein-4B 生成图像，再将其输入异步端点由 Wan2.1-VACE-1.3B 生成 MP4 视频并保存至 Amazon S3。
arXiv stat.MLAI 评分3030 Ornstein-Uhlenbeck 扩散虽难超越，但超线性漂移可实现更低传输成本
研究人员在基于分数的图像生成中测试了超线性朗之万扩散，发现其在经验 Wasserstein 距离上几乎在整个测试网格中都优于 Ornstein-Uhlenbeck 基线。该模型通过 Fokker-Planck 方程数值计算条件分数，且在不同扩散时界下的波动更小，表明 Ornstein-Uhlenbeck 难以被超越的结论并不具备普适性。
Google AI BlogAI 评分4545 Google DeepMind 用 AI 逐帧重现 70 年爱情故事
Google DeepMind 与电影人合作推出纪录短片《Love, Rendered》，利用 AI 逐帧重现了一对相伴 70 余年夫妇未被影像记录的相遇场景，以应对认知衰退。团队通过生成式模型修复青年时期的黑白照片，并借助动作捕捉模型将两人当下的微动作与神态映射至年轻面貌。普通用户亦可在 Gemini 应用中上传并修复老照片。
OpenAI News精选AI 评分6161 OpenAI 推出 ChatGPT Images 2.5
OpenAI 推出 ChatGPT Images 2.5，支持将用户的想法、草图和参考照片转化为更个性化、更精细的图像，以更好地体现用户创意。
Google AI Blog精选AI 评分7171 Google 推出图像创作与编辑工具 Google Pics 并整合至 Workspace
Google 宣布推出基于 Nano Banana 模型的图像创作与编辑工具 Google Pics，并在未来数周面向 Google AI Pro 与 Ultra 订阅用户及多数 Workspace 商业客户开放。
推荐理由：Google 将图像生成与局部精准编辑直接嵌入办公组件，展示了多模态模型深度融入现有协同工作流的具体形态。
Google DeepMind精选AI 评分7878 Google DeepMind 推出 Nano Banana 2 Lite 图像模型与 Gemini Omni Flash 视频模型
Google DeepMind 推出图像生成模型 Nano Banana 2 Lite 与视频生成编辑模型 Gemini Omni Flash，现已在 Google AI Studio 和 Gemini API 上线。
推荐理由：两款模型分别针对低延迟图像生成与对话式视频编辑，开发者可通过串联工作流实现快速出图并转为视频。