Diffusion Controller 如何统一并简化 AI 图像生成
Google Research 提出 Diffusion Controller，将扩散模型去噪过程重构为连续控制问题，用于更稳定地引导图像生成。其轻量附加网络在匹配人类偏好上超过行业标准，完全解锁的微调版本相对基线模型达到 90% 胜率。实验使用 Stable Diffusion v1.4 骨干，覆盖 SFT、RWL 和 PPO，并以 HPS-v2 衡量效果。
#图像生成
#图像生成
今日 1 条Google ResearchAI 评分4646
Apple MLAI 评分3838 Dynamically Scaled Activation Steering：动态缩放的激活引导框架
Dynamically Scaled Activation Steering（DSAS）通过按层和输入自适应调节引导强度，在检测到不良行为时才强干预。DSAS 可结合现有引导方法，改善毒性缓解与效用保留的 Pareto front，并已应用到文本到图像扩散模型；代码将发布在 Github。
World Labs精选AI 评分7272 World Labs 推出用于空间智能的世界模型 Atlas
World Labs 推出下一代世界模型 Atlas，它从零预训练，可原生处理文本、图像、视频和 3D，并采用多模态自回归扩散 Transformer 架构。Atlas 支持相机控制生成、空间重建、时空模拟和图像生成，可从 1 到 6 张输入图像生成最高 1 分钟、1440p 视频，也能输出点云或 3D Gaussian splats。
推荐理由：原文展示了空间上下文、相机控制和3D输出，便于判断世界模型在创作与机器人仿真中的用法。
MiniMaxAI · Hugging Face 新模型AI 评分4646 MiniMax VTP-Base-f16d64 视觉 tokenizer 模型发布
MiniMax 发布 VTP 视觉 tokenizer 预训练框架，联合图文对比、自监督和重建损失，面向理解、重建与生成统一优化。VTP-L-f16d64 达到 78.2 zero-shot accuracy、85.7 linear probing、0.36 rFID，生成 FID-50K 为 2.81。