深度分析
演化式代幣層級提示優化提升擴散模型文字到影像品質
文字到影像的擴散模型雖生成力強，卻對提示語句極為敏感。研究者利用基因演算法直接演化 CLIP 代幣向量，並以美學預測與 CLIPScore 結合的適應度函數進行優化。實驗在 36 個 Parti Prompt 上較基線方法提升最高 23.93%，證明此方法在提示自動化上具潛力。
擴散模型
深度分析
單一噪聲向量提升生成式機器人策略：黃金票證技術解析
研究指出，固定特定初始噪聲向量（黃金票證）可提升預訓練生成式機器人策略的任務表現。作者透過蒙特卡洛政策評估搜尋最佳噪聲，無需重新訓練模型，並在多項基準測試中顯著提升成功率，最高達 58%。此方法亦在多任務設定中形成自然的帕累托前緣，兼顧速度與成功率等目標。
深度分析
CAIAMAR：多代理人與擴散模型結合的情境感知影像匿名化框架
街景影像常含情境依賴的個人可識別資訊，研究提出 CAIAMAR 框架，透過多代理人推理與擴散式去識別，同時使用 PDCA 循環與 IoU 去重，兼顧隱私與影像品質。實驗在 CUHK03‑NP 上將人員再辨識風險降低 73%，在 CityScapes 上取得 KID 0.001、FID 9.1，明顯優於現有匿名化方案。
Screen‑Cache‑Match
Screen‑Cache‑Match：免訓練因果一致參考框架提升長序列人體動畫品質
研究聚焦於長序列人體動畫的時間一致性與畫質穩定性。提出 Screen‑Cache‑Match 參考記憶與 Trajectory‑Aware Autoregressive Generation 兩大機制，將歷史生成結果作為因果指導，提升身份一致性與細節保留。實驗顯示在多種擴散基線上均可提升時間連貫與視覺穩定。
金屬有機框架
EGMOF：結合擴散模型與Transformer的高效金屬有機框架生成技術
材料逆向設計因化學空間龐大與標記資料稀缺而困難。EGMOF 以一維擴散模型將目標屬性映射至化學描述子，再由 Transformer 生成 MOF 結構。實驗顯示在僅 1,000 筆訓練樣本下，模型有效率超過 95%，命中率 84%，顯著優於既有方法。
深度分析
OmniPrism：概念解耦與擴散模型結合的多概念影像生成技術
隨著創意影像生成需求增加，現有方法多受單一概念限制或易被多概念干擾。OmniPrism 透過自然語言引導與多模態特徵，使用對比正交訓練解耦內容、風格與構圖概念，並將其注入擴散模型。實驗證實其在概念分離與圖像品質上優於傳統方案，顯示出對創意生成的顯著提升。
深度分析
Modular Diffusers：可組合式擴散模型管線的高彈性建構方式
Modular Diffusers 於 2026 年推出，可組合式建構擴散管線。它將傳統單一管線拆解為文字編碼、影像編碼、去噪與解碼等區塊，支援自訂區塊與視覺化工具 Mellon，讓開發者自由增減功能。此技術已在即時影片與互動世界模型上示範，預計將加速 AI 影像生成的創新與生態系統發展。