ManiFusion多样本融合扩散生成框架

2026年10月16日，arXiv Computer Vision 收录 Minkyu Kim 等作者的论文，提出 ManiFusion 多样本生成框架。据该报道，ManiFusion 是一个与骨干无关的扩散模型框架，其做法是在去噪前将多个样本融合、去噪后再解融合，从而在单次去噪评估中并行处理多样本，以提升吞吐量。该框架还提出 Trajectory-Fusion Scheduling（TFS），在采样过程中动态调整融合因子，并可适配 U-Net 与 transformer 骨干，以及像素与潜空间。报道未提及该框架的发布时间、代码或权重开放情况、使用条件与收费安排，也未给出与其他方法的定量对比结果。目前关于该事件仅有这一篇报道，尚无后续跟进报道，因此不存在早先报道与后续报道在数字、时间或说法上的矛盾。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。