AIGC - 青稞社区

两万字长文！从第一性原理理解Diffusion & Flow Matching （SDE、ODE的大一统视角）

作者：尚书尧中科院自动化所(知乎ID：妖妖) https://zhuanlan.zhihu.com/p/2070555284918080338 2026 年，我相信几乎没有CVer不知道 Diffusion。不管是做 AIGC 生成，还是做具身智能里的 policy learning，Diffus

Decoupled DMD & DMDR: 在扩散模型步数蒸馏的实践及 Z-Image-Turbo 应用

扩散模型（Diffusion Models）在视觉生成领域取得了举世瞩目的成就，但其昂贵的迭代采样过程——通常需要几十甚至上百步推理——极大限制了实时应用部署。近期，关于扩散模型蒸馏（DMD）的两篇重量级论文引发了学术界与工业界的广泛关注。它们不仅刷新了 4 步成像的质量极限，更从根本上重新定义

SANA-Series：探索图像视频扩散模型的高效设计与加速

随着 GenAI 视觉模型（如 Sora 2、Google Nano Banana）的爆炸式发展，其惊人的效果背后是庞大的计算资源消耗。图像和视频模型的推理 FLOPs 甚至远超 LLM，导致部署成本高昂，难以普及。 SANA系列模型作为高效生成式基础模型的前沿探索，通过引入线性注意力（Linear

UniLat3D：几何–外观统一VAE的单阶段 3D 生成框架

高保真三维资产生成在多个行业中至关重要。尽管近期的三维预训练模型在生成逼真内容方面表现出强大能力，但大多数模型基于diffusionmodels，并采用“两阶段”流程：先生成几何结构，再合成外观。这种解耦式设计常导致几何与纹理的不对齐，以及较高的计算成本。论文：UniLat3D:Geometry-

OpenMoE 2: Sparse Diffusion Language Models

11月4日（周二）晚8点，青稞Talk 第85期，NUS AI Researcher倪瑾杰，将直播分享《OpenMoE 2: Sparse Diffusion Language Models》，聊一聊为什么 Diffusion MoE 可能是下一代大模型架构方向。分享嘉宾倪瑾杰，NUS AI R

Clothed Human Body Fitting: A Journey to ETCH

8月16日（周六）上午10点，青稞Talk 第72期，西湖大学修宇亮实验室访问学生李博谦，将直播分享 ICCV 2025 Highlight Paper 成果《ETCH: 通过等变紧度向量将人体拟合推广到穿衣人体的方法》。论文：ETCH: Generalizing Body Fitting to

生成模型中的极简概念擦除

6月16日20:00，青稞Talk 第55期，新加坡国立大学博士生张扬，将直播分享《生成模型中的极简概念擦除》。分享嘉宾张扬，慕尼黑工业大学计算机专业硕士，新加坡国立大学人工智能专业博士。曾于牛津大学进行学术访问，并在微软亚洲研究院及美国运通新加坡数据中心实习。研究成果发表在ICML、NeurI

EraseAnything: 在 Flux 等先进文生图架构的概念擦除方法

5月26日晚8点，青稞Talk 第51期，青稞社区联合创始人高岱恒, 将分享ICLR 2025最新成果《EraseAnything:在 Flux 等先进文生图架构的概念擦除方法》主题提纲： EraseAnything:在 Flux 等先进文生图架构的概念擦除方法 1、什么是 AIGC 的概念擦除

Motion Dreamer：面向自动驾驶与物理世界对齐的视频生成模型

1月14日19:00，青稞Talk 第37期，香港科技大学（广州）博士生许添硕，将直播分享《Motion Dreamer：面向自动驾驶与物理世界对齐的视频生成模型》。主讲嘉宾许添硕，香港科技大学（广州）博士生，导师为陈颖聪教授，研究兴趣是自动驾驶、视频生成。主题提纲 Motion Dreame

Follow Family：可控视频生成方法探索与应用

主讲嘉宾马跃，香港科技大学计算机博士生，清华大学电子信息硕士，主要研究领域是视频生成、图片生成等，曾在百度，腾讯 AI Lab，腾讯混元作为算法研究实习，在NeurIPS，Siggraph，AAAI，CVPR，TMM等发表多篇高水平文章，曾经获得北京市优秀毕业生等荣誉称号。主题提纲 Follow

Tuning-Free Enhence：通过噪声初始化和采样轨迹优化增强预训练扩散模型

12月28日11点，青稞Talk 第35期，香港科技大学广州博士生周子凯，将直播分享《Tuning-Free Enhence：通过噪声初始化和采样轨迹优化增强预训练扩散模型》。主讲嘉宾周子凯，香港科技大学广州博士生。研究方向为扩散模型与模型压缩，发表IJCAI，NIPS等多篇论文。主题提纲 T

K-Sort Arena：视觉生成模型的高效人类偏好竞技场

12月24日20点，青稞Talk 第34期，中国科学院自动化研究所博士生、新加坡国立大学访问博士生李志凯，将直播分享《K-Sort Arena：视觉生成模型的高效人类偏好竞技场》。主讲嘉宾李志凯，中国科学院自动化研究所博士生，新加坡国立大学访问博士生。研究方向为高效深度学习和模型压缩，以第一作者

Rectified Flow：矫正流生成式模型的概念及应用实践

12月14日11点，青稞Talk 第31期，深度求索(DeepSeek)研究员、UT Austin博士刘星超，将直播分享《Rectified Flow：矫正流生成式模型的概念及应用实践》。主讲嘉宾刘星超，深度求索(DeepSeek)研究员，UT Austin博士，师从刘强教授。研究兴趣是生成式模

实时渲染 3DGS 中的反走样及逆渲染应用

5月21日晚7点，青稞社区组织【青稞Talk】第六期，邀请到华南理工大学几何感知与智能实验室博士梁智灏参与，分享《实时渲染 3DGS 中的反走样及逆渲染应用》。分享嘉宾梁智灏，华南理工大学几何感知与智能实验室博士，导师为贾奎教授；代表作三维语义分析方向（分割，检测）：SSTNet、VISTA；

SceneTex：高质量三维室内场景纹理图生成

4月10日晚7点，青稞社区组织【青稞Talk】第一期，并邀请到 SceneTex 一作、慕尼黑工业大学视觉计算实验室陈振宇博士参与，分享《SceneTex:高质量三维室内场景纹理图生成》。参与嘉宾陈振宇，慕尼黑工业大学视觉计算实验室博士；师从3D视觉著名教授Matthias Niessner，主