谷歌DeepMind的图像生成模型Nano Banana因其卓越的编辑能力而受到欢迎，命名源于团队成员的昵称。该模型在LMArena平台发布后迅速走红，用户对其编辑效果赞誉有加，成为全球顶级图像编辑模型。随着Gemini 3 Pro的推出，品牌名称升级为Nano Banana Pro。

Qwen—Image—Layered模型被认为优于Nano Banana，具备图像分层编辑能力，支持细节修改和透明度处理，适合海报制作。其核心技术为扩散模型，能够将图片拆分为多个可编辑图层，提高图像处理的灵活性和效率。

本研究提出了一种新架构MeMo，旨在解决大规模语言模型的记忆不足问题。通过分层联想记忆，显著提高了记忆的透明度和编辑能力，实验结果表明其记忆能力强大。

本研究提出了一种基于注意机制的运动扩散模型MotionCLR，解决了现有模型在字级文本与运动对应关系上的不足，实验结果表明该方法具有良好的生成、编辑能力和可解释性。

本研究提出了多种视频生成模型，优化了时序一致性和音频驱动效果。通过新方法如EMO和Loopy，提升了说话和肖像视频的真实感与表现力，解决了传统技术的局限性，并展示了高效的动态视频风格化和编辑能力，推动了视频生成技术的发展。

我们提出了一种自编码器方法，通过重新组织 StyleGAN 的潜空间，实现属性解缠。实验证明了我们的方法在编辑能力上超越了竞争方法，同时在保持图像身份一致性方面具有高度准确性。