流匹配模型的分类器无关引导此前对所有潜变量token使用同一个缩放系数，而各token的速度预测在采样过程中变化并不一致。TrajCFG把引导速度方向的历史变化映射为有界系数，方向变化大的token给更强引导，方向稳定的token给更弱引导，并融合相邻步与区间归一化的长跨度反馈，且不增加模型评估次数。在文本到视频、图像到视频、文本-音频-视频、文本到图像和图像到3D生成上，它相对基础采样器均有提升；文本到视频在三个骨干上VBench总分比各自最强基线高0.30至0.75分。
ELSA3D提出弹性语义锚定，用尺度感知八叉树分词器表示几何，并引入稀疏跨模态的Anchor Tokens，将语义线索路由到最相关的3D尺度并回写融合信号，配合逐块轻量路由器实现弹性计算与推理，在图像到3D生成、文本到3D生成和3D描述上取得最优性能，超过最强统一基线，且相对同模型非弹性版本将FLOPs和推理延迟约减半。
SILSA提出一种拓扑感知的高分辨率三维生成框架，用沿三个坐标轴的固定重叠切片潜变量替代体素token，配合SliceVAE、体素锚格与切片级持续同调监督，在单图到三维任务上把PSNR从30.12提升到32.74、覆盖率从73.12%提升到79.08%、Betti误差相对降低9.2%，同时只用384个token，训练内存降低40.4%、推理时间降低58.5%。
已读完全部报道