扩散模型在视频生成中的应用
Lil'Log3690 字 (约 15 分钟)
85
文章深入解析了扩散模型在视频生成中的应用，探讨了其核心机制、架构设计和最新进展。
入选理由：视频生成比图像生成更复杂，需要更强的时间一致性
精选文章#扩散模型#视频生成中文
概念
Diffusion Models
别名：扩散模型
一类基于随机微分方程（SDE）的生成模型，通过逐步去噪从噪声分布生成数据。
已跟踪 3 条高相关材料
TraeAI 观察
最近变化
2026-05-26 · 提出三种可解析求解的wavelet-based score模型：独立基线、带通（band-tide）、局部耦合模型
为什么值得关注
Diffusion Models 被反复提及时，通常意味着它正在影响产品路线、开发者工作流或 AI 产业判断。这个页面把分散材料合并成一个可持续更新的观察入口。
扩散模型AI生成Diffusion ModelsVideo Generation可解释AI
如果只读 3 篇
1
Diffusion Models for Video Generation
Lil'Log · 8.5 分
文章深入解析了扩散模型在视频生成中的应用，探讨了其核心机制、架构设计和最新进展。
2
Where the Score Lives: What Wavelets Reveal About Diffusion Models
Microsoft Research · 7.8 分
波函数（wavelet）参数化可解释地建模扩散模型的得分函数（score），揭示局部交互对去噪性能影响最强，且在高分辨率下波函数优势显著；该框架非为超越训练模型，而是作为理论探针理解泛化机制。
3
Continuous Latent Diffusion Language Model paper: https://t.co/qgUyX7D1Mr
AK(@_akhaliq) · 7.2 分
Continuous Latent Diffusion Language Model（CLDLM）通过连续潜在空间建模，实现了更高效的语言生成与推理，相比传统离散扩散模型在生成质量与速度上均有显著提升，尤其适用于高分辨率文本生成任务。
相关材料
已收录 3 条与 Diffusion Models 相关的内容，按评分排序。
分数所在之处：小波揭示扩散模型的内在机制
Microsoft Research9623 字 (约 39 分钟)
78
小波参数化可解释建模扩散模型得分函数，揭示局部交互对去噪性能影响最强，高分辨率下小波优势显著；该框架是理论探针，非为超越训练模型。
入选理由：提出三种可解析求解的wavelet-based score模型：独立基线、带通（band-tide）、局部耦合模型
精选视频#扩散模型#小波分析#生成模型#可解释AI英文
连续潜在扩散语言模型
AK(@_akhaliq)50 字 (约 1 分钟)
72
连续潜在扩散语言模型（CLDLM）通过连续潜空间建模，显著提升生成速度与质量，适用于高分辨率文本生成。
入选理由：CLDLM 使用连续潜在变量，使语言生成过程更平滑，减少离散化误差。
精选推文#扩散模型#语言建模#连续潜空间#AI生成#自然语言处理英文