Dancing Diffusion：为图像生成与编辑学习连续程序

Dancing Diffusion 将扩散模型的去噪轨迹按时间步分段，每段分配独立的连续条件块，把单一指令条件转化为可寻址的潜在程序，由编译器将文本特征映射为该程序、固定预训练生成器分段执行。在 SANA 上，复用已执行前缀比同强度从噪声重生成保留更多场景内容，学习到的条件比原生提示词切换保留更多背景，生成质量也优于原生 SANA。后续分支会削弱编辑效果，对单个操作的语义控制仍有限。