Jinyang Zhang

Jinyang Zhang

Stay hungry, Stay foolish

Blogs

  1. Wan-Streamer 深读：端到端实时音视频全双工模型到底解决了什么

    Wan-Streamer 深读：端到端实时音视频全双工模型到底解决了什么

  2. 生图 / 生视频 RL 后训练：从 DPO、GRPO 到 Diffusion / Flow Alignment

    生图 / 生视频 RL 后训练：从 DPO、GRPO 到 Diffusion / Flow Alignment

  3. SeFi-Image 深读：Semantic-First Diffusion 如何把语义先行带进文生图基础模型

    SeFi-Image 深读：Semantic-First Diffusion 如何把语义先行带进文生图基础模型

  4. DreamX-World 1.0 深读：交互式世界模型不是视频生成，而是全栈系统工程

    DreamX-World 1.0 深读：交互式世界模型不是视频生成，而是全栈系统工程

  5. CVPR 2026 Report 深读：视觉研究正在从模型能力转向系统边界

    CVPR 2026 Report 深读：视觉研究正在从模型能力转向系统边界

  6. FLUX.2 表征比较：VAE latent 不是预处理，而是生成模型的接口

    FLUX.2 表征比较：VAE latent 不是预处理，而是生成模型的接口

  7. D4RT：把动态 4D 重建改写成时空点查询

    D4RT：把动态 4D 重建改写成时空点查询

  8. StyleTalk：从参考视频里抽取 speaking style 的 one-shot talking head

    StyleTalk：从参考视频里抽取 speaking style 的 one-shot talking head

  9. PC-Talk：用隐式关键点做可精细控制的 talking face

    PC-Talk：用隐式关键点做可精细控制的 talking face

  10. PiD：把 latent decoder 改成 Pixel Diffusion

    PiD：把 latent decoder 改成 Pixel Diffusion

  11. RAEv2：Representation Autoencoder 的三个关键改进

    RAEv2：Representation Autoencoder 的三个关键改进

  12. ELF：把扩散语言模型留在连续 embedding 空间里

    ELF：把扩散语言模型留在连续 embedding 空间里

  13. Dual Diffusion：用扩散模型同时做图像生成和视觉理解

    Dual Diffusion：用扩散模型同时做图像生成和视觉理解

  14. Seedance 2.0：视频生成从单次出片走向多模态创作引擎

    Seedance 2.0：视频生成从单次出片走向多模态创作引擎

  15. MeanFlow：一步生成不是蒸馏，而是学习平均速度场

    MeanFlow：一步生成不是蒸馏，而是学习平均速度场

  16. Mean Mode Screaming：为什么 1000 层 Diffusion Transformer 会被 token 均值拖垮

    Mean Mode Screaming：为什么 1000 层 Diffusion Transformer 会被 token 均值拖垮

  17. Flow-OPD：把多任务奖励对齐改写成 Flow Matching 的 on-policy 蒸馏

    Flow-OPD：把多任务奖励对齐改写成 Flow Matching 的 on-policy 蒸馏

  18. Edit2Restore：把图像复原改写成少样本图像编辑

    Edit2Restore：把图像复原改写成少样本图像编辑

  19. Code as Agent Harness：把代码看成 Agent 的运行底座

    Code as Agent Harness：把代码看成 Agent 的运行底座

  20. AsymFlow：把 latent flow 拉回 pixel space 的低秩速度参数化

    AsymFlow：把 latent flow 拉回 pixel space 的低秩速度参数化

  21. SHARP：单张照片在一秒内变成可实时渲染的 3D Gaussian 场

    SHARP：单张照片在一秒内变成可实时渲染的 3D Gaussian 场

  22. Follow the Mean：把参考样本变成 Flow Matching 的控制信号

    Follow the Mean：把参考样本变成 Flow Matching 的控制信号

  23. LPM 1.0：从 talking head 到实时对话角色 Performance Model

    LPM 1.0：从 talking head 到实时对话角色 Performance Model

  24. Self-Flow：把表征学习塞回 Flow Matching 训练目标里

    Self-Flow：把表征学习塞回 Flow Matching 训练目标里

  25. 为什么 RoPE 对外推友好

    RoPE 外推友好性完整解析

  26. Self-Forcing 到 Self-Forcing++：让自回归视频扩散按推理方式训练

    Self-Forcing 到 Self-Forcing++：让自回归视频扩散按推理方式训练

  27. noao-vlm-2 数据集与评估系统分析

    数据集与评估系统分析

  28. noao-vlm-1 架构详细分析

    nanoVLM 模型架构与数据流转分析

  29. noao-vlm-0 train.py 详细分析

    train.py 详细分析

  30. noao-chat-7-nonochat 多卡训练指南

    LLM 多卡训练完全指南

  31. noao-chat-6-训练评估指南

    LLM 模型评估验证完全指南

  32. noao-chat-5-训练四阶段数据报告

    nanochat 项目四阶段训练数据完全报告

  33. noao-chat-4-rl阶段训练

    LLM RL 训练完整解析

  34. noao-chat-3-sft阶段训练

    LLM SFT 训练完整解析

  35. noao-chat-2-mid阶段训练

    nonochat - LLM Mid 训练完整解析

  36. noao-chat-1-base阶段训练

    nonochat - LLM Base 训练完整解析

  37. noao-chat-0-项目总体介绍

    nanochat 项目深度分析

  38. Efficient Rectified Flow for Image Fusion

    [Paper Reading] Efficient Rectified Flow for Image Fusion（RFfusion）论文解读

  39. 3Blue1Brown 线性代数笔记

    3Blue1Brown 线性代数笔记（几何直觉）

  40. 线性代数的常见概念集合

    一、向量与向量空间相关（定义 + 几何直觉）

  41. DiT4SR: Taming Diffusion Transformer for Real-World Image Super-Resolution

    [Paper Reading] 基于 Diffusion Transformer 的真实世界超分辨率方法 DiT4SR

  42. Dual Prompting Image Restoration with Diffusion Transformers

    [Paper Reading] 基于扩散 Transformer 的双重提示图像复原 (DPIR)

  43. FLOAT：在 motion latent 里用 Flow Matching 生成可控 talking portrait

    FLOAT：在 motion latent 里用 Flow Matching 生成可控 talking portrait

  44. Stable Video-Driven Portraits

    [Paper Reading]：Stable Video-Driven Portraits — 基于 DiT 的高保真视频驱动人像生成

  45. moco 论文摘要

    MoCo: Momentum Contrast for Unsupervised Visual Representation Learning

  46. 小于1000的正整数立方和pair

    找出所有满足 \(a^3+b^3=c^3+d^3\)的小于1000的正整数组合

  47. 什么是deep learning

    前言