给定一个自然衣服图像，SLDDM-TPG 可以精准解耦复杂图案与衣物非刚性形变，生成一张平整、清晰、无缺陷的高保真工业级纺织品设计图，可直接用于时装设计图生产 （详情可点击上面的Arxiv标志查看论文，点击上面的Github标志访问项目代码）。

给定一段音频和一张参考人脸图像，**GemTalk** 就能生成唇形对齐、且携带精准音频情绪的说话人视频。它首创了几何先验引导的隐式特征调制模块，在不损失视觉高频细节的前提下，实现了精准、连续的情感强度控制，且不对视频质量和唇音同步造成损失。

HuggingR4 是一个全新的模型自动化发掘框架，它能根据用户模糊的自然语言需求，从 HuggingFace 网站数以百万计的仓库中通过多步逻辑推理检索筛选出最适合解决对应任务的模型工具，极大地延伸了 LLM Agent 的能力边界（详情可点击上面的 Arxiv 标志查看论文）。

一篇关于扩散模型量化（Diffusion Model Quantization）方向的全面综述，系统化梳理了从 U-Net 到 DiT 架构的底层量化困境，并从视觉伪影与去噪轨迹偏移双重视角开创性地剖析了量化误差，构建了该领域首个统一基准与开源平台（详情可点击上面的Arxiv标志查看论文，点击上面的Github标志访问项目主页）。

给定一张源图像与一句编辑指令，EditMod 直接从编码后的源图像状态出发，把编辑建模为"源到目标"的残差变化，无需反演、无需测试时优化、也无需用户提供 mask，即可实现免训练（training-free）的高保真文本引导图像编辑（详情可点击上面的 Arxiv 标志查看论文）。

给定一个用户请求与海量的候选模型仓库，MCPO 首次将智能体（Agent）的模型选择过程形式化为强化学习问题，训练一个紧凑的策略直接从结果反馈中学习，无需依赖昂贵的大模型推理即可在候选模型中挑选出最匹配的模型。