跳到正文
只看模型架构#Diffusion
10月8日周四
  1. arXiv · 在线与高效推理77

    突破群体规模限制：基于 Chain-of-Dancers 的参数高效群舞生成

    基于摘要分析。该研究针对音乐驱动群舞生成中群体规模固定、舞者身份跨帧混杂及空间协调难以兼顾的问题，提出 ChainDance，将多人联合生成改写为 Chain-of-Dancers，即按舞者逐个建模条件分布。作者称，单一模型可在无需重训的情况下适配不同舞者数量，并在结构上保持各舞者身份。 机制上，ChainDance 以冻结的单舞者扩散模型为骨干，引入两个轻量模块：Role-Aware Text Encoder（RATE）提供舞者级语义条件；Group-Aware Motion Encoder（GAME）通过距离加权图卷积网络聚合此前已生成舞者的信息。推理阶段另采用无需训练的噪声优化过程，以增强全局空间一致性。相较摘要所述的端到端联合 Transformer，关键变化是将群体依赖转为逐舞者条件生成，并复用单舞者骨干；具体条件分布、损失及噪声优化目标尚未验证。 作者报告，在 AIOZ-GDance 上，相较既有方法，ChainDance 达到作者所称的 SOTA 动作质量与群体协调性，参数量少 3–4 倍、训练时间少 3–6 倍。摘要未提供指标数值、具体对照、数据划分、训练与测试群体规模、计时硬件及可训练参数口径，因此这些结果暂不能用于跨协议比较。实验协议、消融及统计信息尚未验证；还需核对身份保持的评估方式、生成顺序是否影响结果，以及逐舞者生成和噪声优化对推理耗时的影响。 平台推测（待验证）：其可变数量实体条件建模机制可能启发 EEG 可变通道建模，但这是迁移假设，而非已证实的 BCI 效果。可复用思路是条件分解与图聚合；需将舞者角色和空间距离改造为电极位置、通道属性及适合 EEG 的依赖关系，并重新设计训练目标。EEG 通道不等同于独立舞者，低信噪比、容积传导、跨被试差异与小数据可能使顺序误差累积。可在固定被试划分下比较联合通道建模与逐通道条件重建，测试未见通道数量、随机生成顺序和噪声扰动下的重建误差及下游解码表现。已有相关 EEG 工作尚未检索确认。

    阅读价值：值得核对其按舞者条件分解、冻结扩散骨干与轻量群体编码的组合能否真正支持无需重训的可变群体规模，尤其需验证规模外推、生成顺序敏感性及推理成本。

10月4日周日
  1. arXiv · 泛化与分布偏移80

    EDISCO：用于欧氏组合优化的等变离散扩散

    基于摘要分析。EDISCO 面向 Traveling Salesman Problem（TSP）和 Capacitated Vehicle Routing Problem（CVRP）等欧氏组合优化问题，将二维欧氏群 E(2) 的旋转、反射和平移对称性直接引入离散扩散模型，目标是在节点索引表示的解上构建精确 E(2) 不变的生成分布，而非仅依靠数据增强或正则化近似实现对称性。 机制上，模型将 E(2) 等变的边评分网络与离散边变量上的分类连续时间马尔可夫链结合，并通过精确后验采样进行多步推理。需区分网络的“等变性”与最终解分布的“不变性”：坐标经过几何变换后，节点索引解的生成分布应保持不变。摘要提出的局部几何归纳偏置是：相对几何与组合上下文相同的边邻域，不因绝对位置或方向不同而获得不一致的表示。作者声称这是首个具有上述精确不变性的 ECOP 离散扩散模型，该优先性尚未独立核验。 作者报告，在合成 TSP 的 100–10000 个节点及 CVRP 的 50–2000 名客户任务上，EDISCO 超过此前学习式求解器，并仅使用所比较方法训练实例数量的 33–50%。作者还报告，仅用均匀分布合成数据训练时，模型在空间分布偏移和 CVRP 约束紧度偏移下优于竞争学习式基线。摘要未提供具体目标值、最优性差距、推理耗时、基线名单或数据划分，因此这些结果不能直接解释为特定幅度的性能提升。实验协议、消融及统计信息尚未验证，尤其需核对对称性保证的条件、推理预算与样本效率比较口径。摘要提供了代码仓库，但实现与复现条件尚未核验。 平台推测（待验证）：其几何一致性机制可为带电极坐标的 EEG 图建模提供设计参考，但原问题依赖二维节点几何和离散组合解，不能直接迁移为 EEG 解码方法。假设可复用等变边表示，仍需改造信号特征、任务输出及监督方式；头皮坐标与神经功能并不必然具有完整 E(2) 对称性，强制旋转或反射不变可能抹去有用侧化信息，低信噪比、通道缺失和小样本也可能削弱收益。可先在固定跨被试划分下比较等变与非等变电极图编码器，检验坐标系刚体变换一致性是否同时改善解码表现。已有 EEG 相关工作尚未检索确认。

    阅读价值：值得核对 EDISCO 如何通过等变边评分与离散扩散实现解分布的精确几何不变性，以及这种结构约束是否解释作者报告的训练样本效率和分布偏移鲁棒性。

10月3日周六
  1. arXiv · 多模态与生成机制74

    EagleDepth：基于像素扩散解码器的高效细粒度深度估计

    基于摘要分析。EagleDepth 针对高分辨率单目深度估计中几何细节受潜在空间建模与 VAE 重建影响、潜在编码解码开销较大的问题，将潜在扩散的几何先验与像素空间深度生成结合，直接在目标分辨率输出深度图。 核心机制是保留具有深度感知能力的潜在表示作为条件引导，而不再通过原始 VAE 解码器重建最终深度。训练分两阶段：先使用成对 RGB–depth 监督微调预训练潜在扩散模型，再将预训练像素扩散解码器 PiD 适配为基于所学特征预测深度。像素组件训练从 1024 分辨率开始，随后覆盖最高至 4K 的多种分辨率；摘要未明确 1024 对应的具体图像尺寸。推理时，潜在分支处理缩小后的低分辨率 RGB 图像，像素分支生成目标分辨率深度，使潜在骨干无需在输出分辨率运行。 作者报告，在五个常用深度估计数据集及高分辨率 Synth4K 上达到最先进的深度估计性能，并具有更快推理速度及更好的细结构、物体边界保留能力。摘要未给出其余数据集名称、具体指标、数值、基线、数据划分、推理硬件或计时口径，因此这些结论尚不能独立核对；实验协议、消融及统计信息尚未验证。复现还需确认预训练模型版本、条件特征接口、损失、扩散采样设置与多分辨率训练安排。 平台推测（待验证）：其可迁移的机制是将低分辨率先验提取与高分辨率输出解耦，但原方法依赖成对 RGB–depth 监督及图像扩散预训练，不能直接视为 EEG/BCI 方法。若用于 EEG 重建或去噪，需改造为时间与通道结构适配的条件表示和解码器；低信噪比、跨被试及通道布局变化、小数据训练可能使输出细节偏离真实信号。一个可检验的小实验是在固定 EEG 划分与配对监督下，对比低分辨率条件引导的直接解码和潜在重建路径，同时核对信号保真度与推理耗时。相关 EEG 工作尚未检索确认。

    阅读价值：值得核对其以低分辨率潜在几何特征引导高分辨率像素扩散、绕过原始 VAE 解码器的设计，是否能在统一评估协议下兼顾细节保留与推理效率。

  2. arXiv · 多模态与生成机制78

    ALoDLM：自适应循环扩散语言模型

    基于摘要分析。该研究针对扩散语言模型（DLMs）并行生成速度快、但生成质量落后于规模相近自回归（AR）模型的问题，提出 ALoDLM，以 token 自适应潜在递归替代统一计算深度。作者将质量差距归因于计算量与预测难度不匹配：部分未知 token 容易预测，另一些则需要更多计算，而既有 DLMs 在每个去噪步骤中对未知位置采用统一深度。 在每个去噪步骤，ALoDLM 迭代细化潜在表示，并按 token 难度分配计算。已可确定的 token 作为离散上下文反馈，尚未确定的 token 则保留潜在状态，继续通过递归计算细化。为联合学习 token 预测与计算分配，作者将逐 token 的计算调度建模为潜变量，并推导条件负证据下界（NELBO）。具体难度判定、提交规则、递归终止条件及损失实现尚未验证。 作者报告，在 1.7B 与 8B 参数规模、涵盖十一项基准的评估中，ALoDLM 在两种规模下的平均基准分数均超过所有受评估 DLMs 及对应 AR 基线；在优化推理引擎下保留快速并行解码，并在受评估模型中取得较好的质量—效率权衡。摘要未提供基准名称、具体分数、数据划分、推理预算或速度测量条件，不能据此量化提升或外推到其他任务。实验协议、消融及统计信息尚未验证。 平台推测（待验证）：假设 EEG 掩码建模中不同时间片或通道的重建难度存在稳定差异，按位置分配递归计算可能减少对容易位置的重复计算。原方法依赖部分可观测的离散 token 序列与迭代去噪；迁移时可考虑复用潜在递归与计算调度，但需改造连续信号预测目标、位置表示及离散提交机制。低信噪比可能使噪声被误判为高难度，被试和通道差异也可能破坏调度泛化，小数据条件下联合学习调度存在不稳定风险。可在固定 EEG 数据划分、相同骨干与总计算预算下，对比统一递归和自适应递归的掩码重建误差及下游解码表现，检验额外计算是否真正改善有效信号恢复。已有相关 EEG 工作尚未检索确认。

    阅读价值：值得关注其以 token 级潜在递归联合学习预测与计算分配的机制，以及作者报告的质量—效率权衡；具体收益仍需结合基准协议、计算预算与消融核对。