Pristine Models：预训练阶段分离安全与不安全概念
该论文提出 Pristine Models，一种文本到图像生成架构，通过在预训练阶段将安全与不安全概念知识分离到独立参数化的注意力分支中，从而在推理时可直接移除不安全分支。在 ImageNet 和 CC12M 上的实验表明，该方法在减少不安全内容生成的同时，比仅用安全数据训练或事后概念移除方法保留了更高的图像质量和文本对齐度。
图像生成
技术方向 · 文生图模型迭代、图像编辑能力与创作工具生态 · 共 45 条
只展示置信度达到公开门槛且每篇排名前三的主题标签，降低泛化误贴。
10月14日周三 · 4 条
正文结构化主题已通过公开置信门槛
正文结构化主题已通过公开置信门槛
AtomicChat 发布 Qwen-Image-2.1-Turbo GGUF 量化版
AtomicChat 在 Hugging Face 发布了 Qwen-Image-2.1-Turbo 的 GGUF 量化版本，基于 Qwen 官方 BF16 权重并使用自建重要性矩阵，面向 stable-diffusion.cpp 本地推理。该版本采用 Atomic Dynamic 逐张量混合精度策略，官方评测显示 AD-Q4 K 比普通 Q4 K 更接近
正文结构化主题已通过公开置信门槛
AtomicChat 发布去审查版 Qwen-Image 文本编码器 GGUF
AtomicChat 在 Hugging Face 发布了 Qwen-Image-2.1-Turbo-Uncensored-GGUF，对 Qwen-Image 的文本编码器 Qwen3-VL-8B-Instruct 进行 abliteration，将拒绝方向从权重中投影去除，使其作为聊天模型时英文拒绝率从 88.9% 降至 1.2%、俄文从 38% 降至 0
正文结构化主题已通过公开置信门槛
Sakura 发布 Qwen-Image-2.1-Turbo 去审查 GGUF 量化版
Hugging Face 用户 webmp3 发布了 Sakura-Qwen-Image-2.1-Turbo-Uncensored-GGUF，这是对 Qwen/Qwen-Image-2.1-Turbo（8 步蒸馏、7B DiT）的社区量化版本，并搭配了 abliterated（去审查）文本编码器。该仓库提供多种 GGUF 量化权重，支持 stable-dif
10月11日周日 · 1 条
正文结构化主题已通过公开置信门槛
Krea 2 Turbo 2步蒸馏 LoRA 发布：8步降至2步，去噪提速4倍
开发者 lvladikov 在 Hugging Face 发布 Krea2-Turbo-Distill-2step-LoRA，将 Krea 2 Turbo 文生图模型从 8 步蒸馏到 2 步，去噪速度提升 4 倍（1024×1024 下 76.4 秒降至 19.3 秒），细节保真度达教师模型的 0.97–1.09 倍。该 LoRA 基于 4 步项目记录的 1
10月9日周五 · 1 条
正文结构化主题已通过公开置信门槛
Diffu-LoRA：面向个性化扩散模型的新型低秩适配
张江人工智能实验室的研究者提出 Diffu-LoRA，一种面向个性化扩散模型的参数高效微调方法。该方法在 Transformer 块的线性层中插入带门控的低秩适配组件，通过双层优化在独立数据划分上更新低秩因子与门控参数，并用渐进剪枝按预设秩预算移除低门控组件，从而在各层间非均匀分配适配容量。在 Stable Diffusion 上基于 DreamBooth
10月7日周三 · 1 条
正文结构化主题已通过公开置信门槛
超越线性表示假设：文本到图像模型中的非线性激活引导
该研究挑战了机械可解释性中常用的线性表示假设（LRH），指出文本到图像扩散模型中的视觉概念（如天气、昆虫变态）在激活空间中并非沿直线遍历，而是呈现非线性曲线轨迹。作者提出 KANSteer，利用 Kolmogorov-Arnold 网络（KAN）将概念遍历建模为一条穿过中间状态的一维曲线，使引导方向随概念变化而调整，同时保持可解释性。实验表明，在多个概念和扩
10月6日周二 · 1 条
正文结构化主题已通过公开置信门槛
CALM：文本到图像生成中全局不安全性的局限分析
该论文对文本到图像生成中「全局不安全信号」假设进行了受控几何分析，发现紧凑的不安全子空间无法覆盖异构的不安全语义，而扩大聚合范围又会扭曲安全邻近的良性提示，形成覆盖度与选择性的权衡。为此作者提出免训练的 CALM（反事实自适应局部调制）方法，利用匹配的不安全-良性锚点，将每个提示路由到活跃的不安全类别，仅对违规 token 表示做最小编辑并抑制正向对齐的不安
10月1日周四 · 1 条
正文结构化主题已通过公开置信门槛
Viggle 发布 Qwen-Image-2.1 少步蒸馏 LoRA v0.2.1
Viggle 在 Hugging Face 上发布了 Qwen-Image-2.1-viggle-turbo v0.2.1，这是基于 Qwen/Qwen-Image-2.1 的少步蒸馏 LoRA 适配器，采用分布匹配蒸馏（DMD）训练。它支持文生图和指令驱动编辑，仅需 6 次 transformer 前向（而非基座的 40 步）且无需无分类器引导，端到端约快
9月26日周六 · 1 条
正文结构化主题已通过公开置信门槛
CARE：面向扩散模型的条件感知表示正则化
该论文提出 CARE（Condition-Aware Representation Regularization），一种轻量级即插即用的正则化框架，根据条件相似度动态调整扩散模型的特征分布，无需显式对齐损失或外部监督。在 ImageNet 类到图任务上，CARE 在 40 万训练步内将 FID 降低 19.08%，实现 3.5 倍加速；在文到图任务上，20
9月23日周三 · 2 条
正文结构化主题已通过公开置信门槛
Moonworks Lunara：建模艺术智能的文本到图像模型
Moonworks 提出 Moonworks Lunara 文本到图像模型，将「艺术智能」定义为先建立语义、艺术与构图约束、再在约束内实现视觉世界的两阶段计算，并采用新型 Diffusion Mixture Transformer 架构与 CAT 训练算法。团队用 GPT-5.6 Sol 作为评估器，在 1000 条提示、8000 张生成图像上对比包括 FL
正文结构化主题已通过公开置信门槛
LEDFlow：熵引导生成顺序的均匀离散流采样器
该论文提出 LEDFlow，一种无需训练的采样器，通过熵引导的吸收策略为均匀离散流引入生成顺序。研究发现均匀离散流中 9.4% 的生成单元在中间步骤正确但最终输出错误，LEDFlow 将这一比例降至 2.6%。在 Nikoli 数独上达到 0.845 的求解准确率，在文本到图像生成和多模态理解任务上也优于原生采样器，且推理成本相当。
9月22日周二 · 1 条
正文结构化主题已通过公开置信门槛
WorkRally首发接入腾讯混元Hy Image3.5 preview，两周免费开放
腾讯混元于9月22日发布Hy Image3.5 preview生图模型，腾讯视频专业影视智能平台WorkRally首发接入，并在两周内向创作者免费开放，覆盖剧集分镜、影视物料、角色与场景设定等场景。该模型盲测显示较Hy Image3.0提升约30%，支持文生图与图生图、最多5张参考图、最高2K输出，腾讯云API 2K定价0.15元/张。出海AI创作工具OnS
9月16日周三 · 1 条
正文结构化主题已通过公开置信门槛
Krea2-Turbo 4步蒸馏LoRA发布：速度提升1.6倍
开发者 lvladikov 在 Hugging Face 发布 Krea2-Turbo-Distill-4step-LoRA，这是一个基于 krea/Krea-2-Turbo 的蒸馏 LoRA 适配器，将文生图模型的最低可用步数从 8 步降至 4 步，端到端速度约提升 1.6 倍。该 LoRA 在单张 RTX 3090 上训练 21 天，使用 78,000
9月11日周五 · 1 条
正文结构化主题已通过公开置信门槛
AcFlow：通过学习条件激活流控制文生图扩散Transformer
论文提出 AcFlow，一种在推理阶段控制文本到图像扩散 Transformer（DiT）的方法。它通过一个学习到的、以概念描述为条件的速度场，对中间层图像 token 激活进行传输，同时保持基础 DiT 冻结。该方法支持连续调节风格强度并抑制不需要的概念，在风格-内容权衡上优于基线，且无需针对每个概念单独拟合即可泛化到未见概念。
9月9日周三 · 1 条
正文结构化主题已通过公开置信门槛
跨模态扩散模型对抗攻击与防御综述
这篇综述首次统一回顾了扩散模型在图像、视频和3D三种视觉模态下的对抗攻击与防御研究。文章提出了一种以任务为中心的全面分类法，按模态、攻击/防御和生成任务组织文献，并深入分析了评估设置，包括数据集、指标和基准。最后，作者指出了若干开放挑战并提出了具体的未来研究方向。
9月7日周一 · 1 条
正文结构化主题已通过公开置信门槛
RA-GRPO：基于反思的偏好优化用于视觉生成
本文提出了一种名为 RA-GRPO 的强化学习偏好对齐框架，用于扩散生成模型。该方法通过引入 Diffusion Reflection 机制，利用逆向扩散过程修正中间采样轨迹，并借助 Counterfactual Path Synthesis 将修正后的轨迹蒸馏到策略中，以提升文本到图像和文本到视频生成的语义保真度和视觉真实感。实验表明，RA-GRPO 在缓
9月5日周六 · 1 条
正文结构化主题已通过公开置信门槛
FLUX.2-klein-4B LiteRT 版：手机端本地文生图与编辑
Hugging Face 社区发布了 FLUX.2-klein-4B 模型的 LiteRT 量化版本，由 Black Forest Labs 的 FLUX.2 klein 4B 转换而来，采用 int8 量化并针对端侧设备优化。该版本可在 Pixel 8a 的 Mali GPU 上完全本地运行文生图和图像编辑任务，生成质量与 fp32 管线相当（PSNR 3
8月31日周一 · 1 条
正文结构化主题已通过公开置信门槛
FocusGen：利用模拟人物代理焦点小组扩展视觉设计探索
FocusGen 是一个交互式系统，通过模拟人物代理的“虚拟焦点小组”为视觉设计探索引入外部视角。与以往将代理作为批评者汇聚于单一作品的方法不同，FocusGen 将人物角色作为并行生成器，每个代理独立驱动迭代生成循环，将设计简报转化为多种受众条件方向。评估表明，迭代细化循环优于零样本生成，人物角色条件化比通用助手基线产生更高的视觉多样性，且开放式偏好访谈比
8月25日周二 · 1 条
正文结构化主题已通过公开置信门槛
CircleStone Labs 发布动漫文生图模型 Anima
CircleStone Labs 与 Comfy Org 合作发布了 Anima，一个 20 亿参数、专注于动漫风格的非写实文生图模型。该模型基于 NVIDIA Cosmos-Predict2-2B 微调，提供 Base、Aesthetic 和 Turbo 三个版本，支持 ComfyUI 原生使用。Anima 在动漫图像上训练，也可生成其他非写实内容，但不适