注意力机制

用于个性化文本到图像扩散模型的新型双路径注意力架构 该架构通过个性化分支、非个性化先验分支两条路径分配文生图生成工作负载，依托新颖路由机制管理各层像素分支分布，在保留原始扩散模型生成先验的同时，实现解耦的主题上下文控制，可生成多主题互动的高质量个性化图像，解决了传统方案中主题与上下文耦合度高的问题。

结合SSM与注意力优势的高效结构化状态空间序列模型 Mamba-2是基于结构化状态空间对偶（SSD）架构开发的新型序列模型，融合了状态空间模型（SSM）与注意力机制的核心优势。设计上支持训练过程复用矩阵乘法操作，提升硬件利用效率，可支持更大的模型状态维度，训练过程更高效，在多查询关联记忆等复杂序列任务中表现优异。

基于注意力机制的动作编辑模型，支持无训练细粒度编辑 针对传统运动扩散模型细粒度动作编辑能力不足的问题，MotionCLR通过自注意力、交叉注意力分别模拟模态内与模态间交互，建立清晰的文本-动作对应关系，实现动作序列的精细控制编辑。该模型无需重新训练即可完成编辑，具备较好可解释性，可通过操作注意力图实现多种编辑任务。