STREAM：病理图像生成的黎曼流匹配框架

Won June Cho 等人提出 STREAM，一个把黎曼流匹配引入数字病理图像生成的框架，论文已被 NeurIPS 2026 接收为 Spotlight。该工作针对现有病理生成模型依赖预训练视觉基础模型（VFM）作为条件信号、导致 62–75% 输出多样性来自条件而非隐空间的问题，改为直接以病理 VFM 的 patch token 作为单位超球面上的隐空间。 STREAM 分两阶段：一是桥式随机扰动，在单位超球面上建立逐 token 的可整流性，用于训练 Diffusion Transformer；二是新的解码器训练设计，其噪声协方差在逐 token 切向投影速度场雅可比左奇异基下呈各向异性，把较大的鲁棒性预算分配给低响应方向、较小的分配给高响应方向。作者称代码和生成图像公开画廊已提供。

AI 根据报道生成 · 42 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。