Vincent教你学 AI
小红书(rednote): https://www.xiaohongshu.com/user/profile/67af6461000000000e01ef10
Bilibili https://space.bilibili.com/494163254
微信群: greekdance, ethsha(两个都可以)
twitter: https://x.com/vtaohu
main page: https://taohu.me
email: [email protected]
当视频生成 也能“打包压缩”： NeurIPS 25 的 FramePack 怎么做到的？
聊聊Google的 Dream4
NeurIPS 25 重磅：Edit-Flow，让扩散模型学会“增删改查”！
苹果放大招！ATOKEN要让图像、视频、3D“说同一种语言”
ICCV25炸场🔥！ 多模态信号也能统一？ DiT教你视频生成术！
CVPR25: DiT太强了！ 连判别任务都 开始“生成式”解决？
苹果树上结出的‘香蕉’大模型
Veo3 = 零样本学习者 + 推理王者
原来扩散模型和VAE还有这种关系！
NeurIPS 25 Oral 论文揭秘：如何用激活蒸馏轻松嫁接 Mamba
DINOv3 怎么用?
paper阅读的范式要改变了
DIT-Air网络结构简析
2025年9月了，AR和Diffusion，到底谁更胜一筹？
Diffusion的第一次掷骰子， 有多重要？
为什么大家都不信 FID了？
Discrete Latent Code
Meanflow解读和shortcut模型的关系
Flux采样代码解读
Flux训练代码讲解
ICML25: 谈谈MDM中的 token 顺序 misalignment
Diffusion才是未来,为什么我建议你放弃GAN?
MeanFlow代码讲解
Stable Diffusion博士后亲述：科研新手最容易掉入的“心态陷阱”！
我用什么工具画图
科研写作指南： 来自Stable Diffusion组 Postdoc的一线经验
Transition Matching: 下一代Flow matching?
REPA又一延伸: CLS token 也一起生成
暴论: paper现如今是写给审稿人看的，不是写给读者看的
为什么我推荐你用webdataset?