Tag · 2 篇
窗口注意力
分布 生成模型与扩散1底层视觉与图像复原1
01 02
StreamDiT：实时流式文本到视频生成
StreamDiT: Real-Time Streaming Text-to-Video Generation
把流匹配训练与移动缓冲区结合，使 DiT 能逐块流式生成视频；配套的分段多步蒸馏把 NFE 压到缓冲区块数，为视觉研究者提供了把任意扩散/流模型转成实时流式生成器的可复用范式。
不再缺失：缺失红外条件下的字典引导跨模态图像融合
Missing No More: Dictionary-Guided Cross-Modal Image Fusion under Missing Infrared
把跨模态融合从像素空间生成搬到共享卷积字典的系数域，用「编码-迁移-融合-重建」闭环替代不可控的像素级生成；对做多模态融合、缺失模态补全的研究者，这套字典-系数表示提供了一个可解释、可复用且能接下游检测的替代范式。