耳内镜图像合成长期受限于文字提示只写诊断、不写色调与纹理等视觉细节，同一诊断类内的外观差异难以控制。CLNA在Stable Diffusion 2.1主干上加入一个风格编码器和双重交叉注意力，把这类未写进提示的属性压缩成连续潜变量，并用风格参数调节采样幅度。在正常鼓膜、分泌性中耳炎和慢性中耳炎三类耳内镜图像上，对留出的内部测试集，FID由基线Stable Diffusion的52.91降至10.11，特征空间召回率由57.67%升至90.22%。
病理图像生成此前只在图块尺度进行，最多产出1024×1024像素的小块，而临床诊断的文本报告和切片级标签都作用于整张切片。BigCell把流匹配变换器训练在2048×2048像素、超过12万张公开全切片图像上，并用推理时的滑窗流程生成最高32768×32768像素的连贯图像，在图块级和切片级保真度指标上优于此前的图块生成器。它还引入自适应调度优先处理重要区域，生成速度提升三倍以上而质量下降很小，并用合成样本把切片级少样本分类性能最多提升18%。
该工作提出 PixelDense，把 DINOv2 与 SAM2 送入语义投影流、把 Depth Anything v2 与 Metric3D v2 送入几何投影流，并用权重空间正交惩罚让两流占据不相交子空间，在 PixelGen 与 DeCo 上以同一配方提升 GenEval、DPG-Bench 与 HPS v2.1，其中 PixelGen-XXL 的 GenEval Overall 由 0.7927 升至 0.8093，并优于所有单教师与未分解多教师变体。
该研究在已收敛的像素扩散模型上保留原有扩散或流匹配目标、仅在非高噪声时间步对预测输出加入对抗损失，在 DeCo 与 PixelGen 两个像素骨干上同时改善分布保真度、覆盖度、提示对齐与感知质量，并把这一增益归因于恢复了自然图像缺失的高频功率，而相同流程在测试的潜空间扩散配置上未产生可比增益。
已读完全部报道