diffusion — AI Digest

11 мая Pixal3D: попиксельная генерация 3D из изображений принята на SIGGRAPH 2026 Tencent ARC Lab research
10 июл Vidu S1: интерактивная генерация видео в реальном времени со скоростью 42 FPS на потребительских GPU Shengshu Technology / Tsinghua University research
15 авг Alaya-EVOKE: от линейно масштабируемого обучения к бесконечному миру research
5 мая UniVidX: единый диффузионный бэкбон для генерации RGB, карт внутренних признаков и RGBA-видео research
11 мая Mean Mode Screaming: исправление патологии обучения открывает путь к 1000-слойным Diffusion Transformer research
11 мая Flow-OPD: on-policy дистилляция даёт +29 пунктов по GenEval на Stable Diffusion 3.5 research
12 мая Qwen-Image-2.0: унифицированная генерация и редактирование изображений в разрешении 2K, первое место на AI Arena Alibaba research
14 мая Asymmetric Flow Models: SOTA FID 1,57 на ImageNet через ранг-асимметричную параметризацию скоростей Stanford University research
24 июн Krea публикует открытые веса Krea 2 Raw и Turbo: 12B DiT-модель генерации изображений за 2 секунды Krea image
4 июл Сбер открывает исходный код GFusion — первой российской диффузионной языковой модели Sber models-llm
6 июл MrFlow: ускорение flow-matching моделей text-to-image в 10–25 раз без дообучения Beihang University research
12 июл Vidu S1: модель интерактивной генерации видео в реальном времени ShengShu Technology research
26 авг Раскрытие потенциала редактирования изображений через масштабирование концептов и плотный супервизинг research
26 авг On-policy само-дистилляция в диффузионных моделях ByteDance Seed research
21 июн Moebius: лёгкая модель инпейнтинга на 0,2 млрд параметров сравнялась с FLUX на 11,9 млрд Huazhong University of Science and Technology research
28 июл Self Gradient Forcing: нативная экстраполяция длинного видео research
6 сен LLaDA-Image: сильный генератор изображений с полностью открытым тренировочным рецептом inclusionAI (Ant Group) research
9 сен Uno: lossless-ускорение LLM через диффузионно-аугментированную авторегрессию MBZUAI research
10 сен Tencent открывает AuK — speech foundation model на 1.5B параметров для генерации и редактирования Tencent Hunyuan audio
16 мая Orthrus: 7,8-кратное ускорение инференса для Qwen3 за счёт совместного использования KV-кеша AR и диффузии research
16 мая Causal Forcing++: 2-шаговая дистилляция для генерации интерактивного видео в реальном времени Tsinghua University research
16 мая SANA-WM: мировое моделирование 720p длительностью в минуту на одном GPU NVIDIA research
10 июн Flow-DPPO: принципиальное RL-выравнивание для моделей генерации изображений и видео на основе flow matching Tencent Hunyuan research
16 июл Boogu-Image-0.1: сильный open source диффузионный трансформер на 10B для генерации и редактирования изображений по тексту Boogu Project research
28 июл Mage-Flow: эффективная базовая модель нативного разрешения для генерации и редактирования изображений Microsoft Research research
7 авг JoyAI-Video-Edit: редактирование видео в реальном времени без ограничений на основе авторегрессионной диффузии JD (Jingdong) research
14 мая AnyFlow: видеодиффузия с произвольным числом шагов через on-policy дистилляцию flow map MIT / NVIDIA research
24 авг ForgeWM: Progressive Causal Training для Few-Step Action-Conditioned Video World Models research
26 авг Block3D: эффективная генерация text-to-3D через блочную диффузию research
9 мая Cola DLM: непрерывная латентная диффузионная языковая модель с конкурентным масштабированием research
10 июн SCAIL-2: сквозная анимация персонажей через инконтекстное кондиционирование Tsinghua University research
18 июн Diffusion-Proof: формальное доказательство теорем с помощью диффузионных языковых моделей research
18 июн DreamReasoner-8B: блоковый размерный curriculum для диффузионных reasoning-моделей research
28 июн Tencent Hunyuan публикует в открытый доступ UniRL: унифицированное RL-дообучение для LLM и диффузионных моделей Tencent / Hunyuan research
23 июл Mage-Flow: эффективная базовая модель нативного разрешения для генерации и редактирования изображений Microsoft research
4 авг Свойства масштабирования текстового кондиционирования в визуальной генерации ByteDance Seed research
1 сен DreamX-Creator: нативная совместная генерация аудио и видео в разрешении 2K AMAP-ML (Alibaba) research
1 сен GenFirst: обучение «генерация вперёд» делает сквозные латентные генеративные модели стабильными ByteDance Seed research