开源动态8

浙大开源ContextGen，对标GPT - 4o破图像生成难题

新智元2025-12-22

AI 摘要

浙江大学ReLER团队：提出ContextGen框架，基于DiT架构用双重注意力机制解决多实例图像生成中布局与身份协同控制难题，在基准测试超越开源模型，对标闭源系统，还开发前端界面。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

浙大开源PhyEdit实现单图精准3D物体操作

浙江大学ReLER团队开源的PhyEdit，用3D foundation model明确目标几何，让DiT图像编辑器负责最终渲染。单张图片里物体能移动并形成连续状态，在多项指标表现出色，还具备多种能力，已被ACM MM 2026接收。

当前图像编辑模型处理三维状态常出错。浙江大学ReLER团队提出并开源PhyEdit，用显式3D几何preview指导图像编辑，还加入深度监督，构建数据集和评测基准，成绩超Nano Banana Pro，且GUI也开源。

浙江大学联合阿里云发布综述论文，提出Token Economics框架，从经济学视角理解LLM Agent中Token使用与资源分配。梳理关键问题，构建分类体系，还指出未来发展趋势与新兴机会。

多轮视觉问答成LVLM推理效率“照妖镜”，现有压缩方法在多轮场景翻车。浙大宋明黎教授团队与阿里联合提出MetaCompress框架，可根据图像生成最优压缩映射，实验验证其效果优，能平衡压缩率与精度。