图像生成

Accelerating Masked Image Generation by Learning Latent Controlled Dynamics

通过学习潜在控制动力学加速掩码图像生成

Kaiwen Zhu, Quansheng Zeng, Yuandong Pu, Shuo Cao, Xiaohui Li, Yi Xin, Qi Qin, Jiayang Li, Yu Qiao, Jinjin Gu, Yihao Liu

机构 * Shanghai Jiao Tong University, Shanghai, China（上海交通大学） ； Shanghai Artificial Intelligence Laboratory, Shanghai, China（上海人工智能实验室） ； Shanghai Innovation Institute, Shanghai, China（上海创新研究院） ； Nankai University, Tianjin, China（南开大学） ； University of Science（科学技术大学） ； Nanjing University, Nanjing, China（南京大学） ； The University of Sydney, Sydney, Australia（悉尼大学） ； Peking University, Beijing, China（北京大学） 纠错

专题命中 效率与蒸馏 ：image generation(title,abstract)；text-to-image(abstract)；分类 cs.CV

AI总结 本文提出MIGM-Shortcut模型，通过学习潜在控制动力学加速掩码图像生成，在保持质量的同时实现文本到图像生成的四倍加速。

Aligning Few-Step Diffusion Models with Dense Reward Difference Learning

对齐少步扩散模型与密集奖励差学习

Ziyi Zhang, Li Shen, Sen Zhang, Deheng Ye, Yong Luo, Miaojing Shi, Dongjing Shan, Bo Du, Dacheng Tao

机构 * School of Computer Science, National Engineering Research Center for Multimedia Software and Hubei Key Laboratory of Multimedia and Network Communication Engineering, Wuhan University（计算机学院、多媒体软件国家工程研究中心和多媒体与网络通信工程湖北省重点实验室、武汉大学） ； School of Cyber Science and Technology, Shenzhen Campus of Sun Yat-sen University（网络安全科学与技术学院、中山大学深圳校区） ； TikTok, ByteDance（TikTok、字节跳动） ； Tencent Inc.（腾讯公司） ； College of Electronic and Information Engineering, Tongji University（电子信息工程学院、同济大学） ； School of Medical Information and Engineering, Southwest Medical University（医学信息与工程学院、西南医科大学） ； College of Computing and Data Science and the Generative AI Lab at Nanyang Technological University（计算与数据科学学院和南洋理工大学生成式AI实验室） 纠错

专题命中 效率与蒸馏 ：diffusion(title,abstract)；image synthesis(abstract)；分类 cs.CV

AI总结 SDPO通过双状态轨迹采样和密集奖励差学习，提升少步扩散模型在低步数下的对齐性能和优化效率。

Comments Accepted by IEEE TPAMI

Journal ref IEEE Transactions on Pattern Analysis and Machine Intelligence, 2026

Joint Geometric and Trajectory Consistency Learning for One-Step Real-World Super-Resolution

联合几何与轨迹一致性学习用于一步现实世界超分辨率

Chengyan Deng, Zhangquan Chen, Li Yu, Kai Zhang, Xue Zhou, Wang Zhang

机构 * University of Electronic Science（电子科学大学） ； Tsinghua University（清华大学） ； Nanjing University（南京大学） 纠错

专题命中 效率与蒸馏 ：text-to-image(abstract)；diffusion(abstract)；分类 cs.CV

AI总结 GTASR通过引入轨迹对齐和双参考结构校正，解决现实世界超分辨率中的几何解耦和一致性漂移问题，实现高效且高质量的一步生成。

OM2P: Offline Multi-Agent Mean-Flow Policy

OM2P：离线多智能体均流策略

Zhuoran Li, Xun Wang, Hai Zhong, Qingxin Xia, Lihua Zhang, Longbo Huang

机构 * Institute for Interdisciplinary Information Sciences (IIIS), Tsinghua University（交叉信息研究院，清华大学） ； ByteDance Inc.（字节跳动公司） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 OM2P提出了一种离线多智能体强化学习算法，通过均流匹配损失和奖励感知优化，实现高效动作采样和内存优化，提升训练效率。

Locally Subspace-Informed Neural Operators for Efficient Multiscale PDE Solving

局部子空间感知神经算子用于高效多尺度PDE求解

Alexander Rudikov, Vladimir Fanaskov, Sergei Stepanov, Buzheng Shan, Ekaterina Muravleva, Yalchin Efendiev, Ivan Oseledets

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出一种局部子空间感知神经算子，通过学习子空间而非基函数，有效降低多尺度PDE求解的误差和计算成本。