Dancing Diffusion：把扩散轨迹变成可寻址程序
热点事件持续更新
Dancing Diffusion：把扩散轨迹变成可寻址程序
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Cui Enhe 等作者提出 Dancing Diffusion，将扩散模型去噪轨迹按时间步分段，每段配一个连续条件块，把单一指令条件变成可寻址的潜在程序；编译器把文本特征映射成该程序，再由固定的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。作者同时指出，后续分支会削弱编辑效果，对单个操作的语义控制仍有限。
AI 根据报道生成 · 2 小时前更新
最新进展10月21日 12:00
Dancing Diffusion：为图像生成与编辑学习连续程序报道时间线
沿着报道，了解事件的不同侧面。
10月21日
- arXiv · cs.GRDancing 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。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。