扩散模型相关技术文章与安全漏洞汇总 - XTCer

技术文章 3

一个3D模型，两张脸：JanusMesh如何用交叉空间去噪打造零样本三维视觉错觉

## 引言：当三维物体学会了"变脸" 你有没有看过那种经典的心理学图片——一张人脸的侧影，换个角度看就变成了一个花瓶？或者那张著名的"鸭兔图"，盯着看一会儿是鸭子，再看一会儿又变成了兔子？这类视觉错觉（visual illusion）长期

当"温柔"变成语音：首次解析风格描述如何塑造 AI 语音生成的内部机制

风格描述TTS系统可用自然语言控制语音风格，但每个词如何影响输出一直是黑箱。本文首次将计算机视觉的交叉注意力归因方法迁移到语音扩散模型，分析3600组风格-内容组合，揭示风格词的全局调控特性、与声学参数的关联、以及在扩散早期和深层网络的影响力峰值。

扩散语言模型的推理透明度：DiffusionGemma能否被真正理解？

扩散语言模型DiffusionGemma的推理透明度看似比自回归模型差28.6倍，但通过token瓶颈映射可降至1.1倍。研究还发现了非时序推理、token涂抹等扩散模型独有的推理现象，为新一代语言模型的安全评估奠定基础。