用最新 AI 模型重做一年前帖子：即梦一天拍上千张婚纱照
Cellin Lab 翻出一年前发的帖子，认为值得用目前最新的模型再做一遍。作者以“Cell 细胞：AI 原生程序员的 Vibe Wedding”为主题，婚礼前一天用即梦花一下午拍了上千张婚纱照🤵👰。
#图像生成
Cellin Lab (@cellinlab)AI 评分1313 arXiv cs.AIAI 评分4141 TamedFlow：面向教师辅助扩散采样的轨迹感知蒸馏方法
TamedFlow 是一种面向扩散 Transformer（DiT）加速的轨迹感知蒸馏方法，解决压缩学生模型与自适应推理结合时的“Combination Gap”质量问题。
arXiv cs.AIAI 评分5151 DAR 方法重构 Diffusion Transformer 跨层信息路由，ImageNet 256×256 上 SiT-XL/2 FID 提升 2.11
论文提出 Diffusion-Adaptive Routing（DAR），一种可学习的、时间步自适应的非增量残差替换，用于改进 Diffusion Transformer 的跨层信息路由。
arXiv cs.AIAI 评分3535 PALATE：用全期望定律提升深度生成模型评估效率的新框架
PALATE 是一个针对 FLD（Feature Likelihood Divergence）计算效率瓶颈而提出的深度生成模型评估框架，基于对可访问数据随机变量全期望定律的特殊应用。它与 MMD 基线指标和 DINOv2 特征提取器结合后，表现达到或超过 SOTA 方法，同时计算效率更高、可扩展至大规模数据集，尤其在检测样本记忆化和评估泛化能力上实用。源代码作为补充材料提供。
arXiv cs.AIAI 评分4545 Joints, Camera, Action!：面向任意骨骼的 3D 运动与视频协同生成模型
arXiv 一篇论文提出一个模型，可为任意骨骼同时生成视频和 3D 运动，并通过相机将运动对齐到 3D 场景。该模型将支持任意骨架的运动模型与预训练视频模型通过少量 cross-attention 层连接，并用生成式视频编辑器与人形、机器人视频构建了近 200K 训练对。评测显示其文本驱动骨骼动画比视频优先管线更忠实，还能实现视频转骨骼运动、骨骼运动转视频及关键帧控制。
arXiv cs.AIAI 评分4242 WorldSR：利用世界知识检索实现 grounded 图像超分辨率
WorldSR 是一个图像超分辨率框架，通过显式、实体对齐的视觉世界知识增强生成先验超分辨率方法。它将输入自动分解为语义实体，从大规模外部图像语料中检索对齐参考图，并借助记忆机制复用检索结果和多步筛选流程提升效率与可靠性。实验显示其在真实世界 SR 基准上持续提升结构保真度与视觉质量，超过现有生成式超分辨率方法。
arXiv cs.AIAI 评分4040 MoDDiT：Diffusion Transformer 中的简单 token 路由方法
论文提出 MoDDiT，对 Diffusion Transformer（DiT）做简单架构改动，让 token 学习通过 MLP 和自注意力块路由，实现跨 token、图像和去噪时间步的动态算力分配。
arXiv cs.AIAI 评分3434 CityPaint：从 2D 扩散模型免费借鉴能力，生成城市级 3D 纹理
CityPaint 是一种利用 2D 扩散模型生成全局一致城市级 3D 纹理的框架，无需依赖城市级 3D 训练数据。该方法结合几何先验与 2D 扩散模型的生成能力，采用 top-K 相机烘焙策略进行迭代纹理投影，并提出解耦优化机制分别处理地形与建筑纹理的投影瑕疵。实验显示其在视觉质量和跨视角一致性上均优于强基线，论文已被 ACM Multimedia 2026 接收。
arXiv cs.AIAI 评分3535 HealBench：评估文生图心理慰藉度的细粒度基准
HealBench 是一个用于评估文生图与图像编辑中心理慰藉度的细粒度基准，包含从 10 万候选中筛选的 30,000 对高质量图文，覆盖 19 个大类和 92 个子类，并配有 1,095 个实例的 HealBench-Eval 评测集。
arXiv cs.AIAI 评分3535 AnomalyAgent：基于视觉语言模型的智能体集成视觉异常检测框架
研究者提出 AnomalyAgent，一种用于视觉异常检测的后训练融合框架。该框架对齐异构检测器的分数与异常图，将融合建模为有限动作选择问题，并引入受约束的视觉语言模型（VLM）检查高冲突样本以选择有效的分数动作和图动作。在 MVTec AD 和 VisA 上，AnomalyAgent 取得对比融合方法中最佳的图像 AUROC 与像素 AP，并在多个额外异常基准上展现稳健的跨域迁移能力。
arXiv cs.AIAI 评分4141 Dancing Diffusion：用连续程序实现图像生成与编辑
Dancing Diffusion 为扩散模型的每段时间步分配独立的连续条件块，把条件控制变成潜在程序，由编译器将文本特征映射为程序、固定的预训练生成器逐段执行。在 SANA 上的实验显示，复用已执行前缀比从噪声重生成保留更多场景，学习到的条件比原生提示词切换保留更多背景，且生成质量优于原生 SANA。该方法将单指令轨迹转为可寻址操作程序，但对单个操作的语义控制仍然有限。
Startup FortuneAI 评分6161 Krea 3 Ultra 图像编辑速度与价格对比 GPT Image 2.5 的实力与短板
Krea 于 10 月 15 日发布 Krea 3，其 Ultra 版在 Alibaba 的 CPI-Bench 图像编辑基准上排第二，仅次于 GPT Image 2.5。
Hugging Face Daily PapersAI 评分3535 Real In, Real Out：只用真实数据做场景文本编辑的 TextRIRO 方法
场景文本编辑（STE）研究提出 TextRIRO，不依赖合成配对数据，而是通过对真实图像进行 Crop、Shuffle、Mask 等破坏操作构建自配对监督，基于条件扩散架构训练。