Linum 提出无 VAE 的 Pyramid-JiT 像素空间文生图架构
Linum 提出 decoder-only 像素空间文生图架构 Pyramid-JiT（P-JiT），通过在 DiT 主干上依次预测 128×128、256×256 和 512×512 图像来替代 VAE 与编码器。
#图像生成
#图像生成
今日 0 条Hacker News：AI 热帖AI 评分5050
Google ResearchAI 评分4747 Diffusion Controller 如何统一并简化 AI 图像生成
Google Research 提出 Diffusion Controller 框架，将扩散模型去噪过程重构为连续控制问题，用轻量附加网络在不改动基座模型的情况下引导图像生成。其完全解锁版本相对基线模型取得 90% 胜率；实验基于 Stable Diffusion v1.4，采用 HPS-v2 评估，并覆盖 SFT、RWL、PPO 三种微调方式。
Google ResearchAI 评分4141 Google Research 如何解释扩散模型创造力的来源
Google Research 在 ICLR 2026 论文中指出，扩散模型的创造力并非随机偶然，而是神经网络训练中 score smoothing 使去噪过程在训练点之间插值，生成新样本。研究通过一维示例和 AdamW、weight decay 实验说明，显式或隐式正则化都会让 score function 变平滑，并有助于数据流形恢复。