仅128个token达到ImageNet生成SOTA性能！MAETok:有效的扩散模型的关键是什么？
ETok在仅使用128个token的情况下，于256×256和512×512分辨率的ImageNet
扩散模型
图像生成推理大模型，港中文北大等联手破解画质提升难题
来自港中文、北大和上海AI Lab的研究团队将思维链（CoT）与生成模型结合，显著提高了自回归图像生成的质量，并提出了潜力评估奖励模型（PARM）及其增强版本（PARM++），进一步优化了图像生成质量。
《Understanding Deep Learning》
《Understanding Deep Learning》是一本关于深度学习的专业书籍，涵盖理论基础、性能评估等多个主题，并附有大量练习题。
AAAI 2025 免训练低成本！上海交大提出用于高效扩散模型的令牌剪枝方法
上海交通大学提出SiTo方法，通过基于相似性的令牌剪枝技术，无需训练且硬件友好地加速扩散模型。显著提升了生成质量并减少了内存和计算成本。
开源AI零样本照片转舞蹈视频项目，可玩性极高，远超之前所有同类开源项目。
这是一款开源的零样本人像视频动画项目X-Dyna，它能够通过驱动面部表情和身体动作将单张人像图片动画化，并且还能让背景动起来。该技术由扩散模型、动态适配器模块、局部控制模块等组成，能够生成流畅的肢体动作和自然的环境效果。
Adobe、加大推出音乐模型DITTO-2，可精准控制强度、旋律等
全球多媒体巨头Adobe联合加州大学发布创新音乐模型DITTO-2，大幅提升生成效率和控制能力。通过模型蒸馏和推理时间优化技术实现高效精准音乐生成。
英伟达发布“世界大模型”，12G显存亲测可用
英伟达发布Cosmos模型，基于200万小时视频训练，包含扩散模型、自回归模型等四大功能模块。Cosmos在几何准确性上表现优异，适用于自动驾驶和机器人研究等场景。