文件夹: omni/2026

2026年7月16日

• nano-banana
• gemini-3-1-flash-lite-image
• gemini-omni-flash
• any-to-any
• video-generation
• conversational-editing
• interactions-api
• synthid
• closed-source
• tpu

2026年7月16日

• streaming-video-editing
• causal-dit
• dmd-distillation
• mask-cache
• wan2-1
• teacher-forcing
• real-time
• token-pruning
• eccv-2026

2026年7月16日

• agentic-image-gen
• tool-use
• self-refinement
• test-time-compute
• rl
• meta-ai
• watermark
• image-editing
• multi-reference
• text-to-video
• closed-source

2026年7月16日

• nvidia
• audex
• nemotron-cascade-2
• audio-llm
• moe
• mamba-transformer
• x-codec2
• af-whisper
• tts
• text-to-audio
• speech-to-speech
• unified-audio-text
• cascade-rl
• cfg

2026年7月16日

• pixworld
• 3d-scene-generation
• 3d-reconstruction
• pixel-space-diffusion
• 3d-gaussian-splatting
• two-stream-dit
• flow-matching
• geometry-perception-loss
• novel-view-synthesis
• worldscore
• feed-forward-3d
• vggt

2026年7月16日

• qwen
• rlhf
• grpo
• flow-grpo
• reward-model
• on-policy-distillation
• reward-hacking
• image-editing
• cfg
• pointwise-reward
• post-training
• diffusion-rl

2026年7月16日

• qwen
• text-to-music
• song-generation
• cover-song
• music-tokenizer
• bestrq
• melody-cot
• diffusion-transformer
• spec-vae
• dpo
• gspo
• vocal-synthesis

2026年7月16日

• t2i
• image-editing
• unified-multimodal
• interactive-editing
• grounding
• bbox
• layer-separation
• infographic
• text-rendering
• photographic-realism
• multilingual
• closed-source

2026年7月16日

• spectrareward
• reward-model
• t2i-rl
• mllm-as-reward
• self-reward
• unified-multimodal
• bagel
• prompt-likelihood
• training-free
• group-relative-rl
• awm
• geneval

2026年7月16日

• vidu
• shengshu
• real-time
• interactive-video
• avatar
• voice-control
• autoregressive-diffusion
• diffusion-forcing
• dmd
• turbodiffusion
• turboserve
• streaming

2026年7月16日

• sensenova-vision
• bagel
• unified-multimodal-model
• computer-vision
• detection
• segmentation
• depth-estimation
• camera-pose
• instruction-response
• rectified-flow
• dahua-lin
• ziwei-liu

2026年7月16日

• wan-streamer
• real-time
• full-duplex
• audio-visual
• streaming-video-generation
• digital-human
• block-causal-attention
• flow-matching
• ulysses
• context-parallel
• kv-cache
• low-latency

2026年6月25日

• text-to-image
• dit
• single-stream
• latent-diffusion
• flow-matching
• dpo
• distillation
• dmd
• text-rendering
• open-weights
• chinese

2026年6月25日

• flux
• rectified-flow
• mmdit
• step-distillation
• image-editing
• multi-reference
• apache-2.0
• consumer-gpu
• Refs

2026年6月25日

• native-image-gen
• autoregressive
• thinking-mode
• agentic
• image-editing
• text-rendering
• 4k
• c2pa
• watermark
• closed-source

2026年6月25日

• t2i
• open-weight
• dit
• single-stream
• flow-matching
• qwen3-vl
• json-prompt
• text-rendering
• bounding-box

2026年6月25日

• unified
• mllm
• mmdit
• flow-matching
• image-editing
• text-rendering
• cot
• internvl

2026年6月25日

• video-generation
• omni
• multimodal
• native-audio
• multi-shot
• character-reference
• closed-source
• kuaishou
• kling

2026年6月25日

• t2i
• diffusion-transformer
• flow-matching
• dit
• style-reference
• moodboard
• open-weights
• distillation
• rl
• dpo
• krea

2026年6月25日

• video-generation
• text-to-video
• image-to-video
• video-editing
• hdr
• reasoning-video
• closed-source
• dream-machine

2026年6月25日

• t2i
• midjourney
• closed-source
• aesthetic-preference
• hd
• fast-inference

2026年6月25日

• autoregressive
• any-to-image
• unified-generation
• next-token
• visual-tokenizer
• disentangled-causal-attention
• image-editing
• text-to-video
• neurips-2025

2026年6月25日

• qwen
• mmdit
• qwen3-vl
• vae
• rectified-flow
• image-editing
• text-rendering
• rlhf
• grpo
• dmd-distillation
• unified-generation

2026年6月25日

• t2i
• benchmark
• evaluation
• judge-model
• mllm-judge
• creator-centric
• qwen

2026年6月25日

• few-step-distillation
• dmd
• flow-matching
• t2i
• image-editing
• distillation-recipe
• qwen-image

2026年6月25日

• vae
• high-compression
• latent-diffusion
• tokenizer
• text-rendering
• semantic-alignment
• dit
• image-generation

2026年6月25日

• omni
• audio
• audio-visual
• speech
• asr
• tts
• moe
• thinker-talker
• streaming
• agent
• multilingual

2026年6月25日

• t2i
• closed-source
• design
• vector-graphics
• svg
• raster
• text-rendering
• aesthetics
• api
• no-tech-report

2026年6月25日

• t2i
• layout
• image-editing
• 4k
• diffusion
• llm-planner
• qwen
• agentic
• closed-source

2026年6月25日

• 3d-generation
• image-to-3d
• pbr
• vecset
• rectified-flow
• dit
• moe
• vae
• articulation
• scene-generation
• simulation-ready
• bytedance

2026年6月25日

• video
• audio-video
• multimodal
• t2v
• i2v
• r2v
• editing
• binaural-audio
• closed-source

2026年6月25日

• t2i
• image-editing
• unified-multimodal
• deep-thinking
• visual-reasoning
• online-search
• web-search
• in-context-reasoning
• world-knowledge
• information-visualization
• multi-image-reference
• 4k
• closed-source
• elo
• magicbench

2026年6月25日

• unified
• image-editing
• multi-image-composition
• hoi
• sequence-modeling
• mmdit
• qwen-image
• flow-matching
• distillation
• dmd
• consistency-model
• few-step