AppearancePointers：DiT多模态区域控制新范式
本文介绍AppearancePointers，一种用于扩散变换器（DiT）的多模态区域控制方法。通过生成紧凑的指针令牌，该方法在单次去噪步骤中实现文本、图像和空间掩码的精确对齐。实验显示其在CLIP-I、DINO-I和MIoU指标上优于MS-Diffusion和InsertAnything等基线。需注意，区域数量过多时性能会下降。
图像生成
Mage-Flow：4B参数原生分辨率图像生成与编辑的高效基础模型
本文介绍Mage-Flow，一个紧凑型4B参数生成堆栈。通过轻量级Mage-VAE、原生分辨率MMDiT骨干网络及系统级优化，实现了高效的高分辨率文本到图像生成及指令式图像编辑。在GenEval上达到0.88，1024²分辨率下生成耗时0.59s，显存约17.68GB。需注意模型规模限制及Turbo变体的蒸馏依赖。
免训练让Flow Matching加速10倍：MrFlow做对了什么？
MrFlow采用低分辨率生成、像素空间超分和高分辨率微调的分阶段采样，在无需训练的情况下加速Flow Matching。本期核对Qwen-Image与FLUX结果、组合蒸馏收益，以及VAE、超分开销和低频偏差风险。