图像生成

Accelerating Text-to-Video Generation with Calibrated Sparse Attention

通过校准稀疏注意力加速文本到视频生成

Shai Yehezkel, Shahar Yadin, Noam Elata, Yaron Ostrovsky-Berman, Bahjat Kawar

机构 * Apple Tel Aviv University（苹果以色列大学） 纠错

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

AI总结 CalibAtt通过校准稀疏注意力提升文本到视频生成的效率，实现1.58倍的加速效果。

FreeAct: Freeing Activations for LLM Quantization

FreeAct: 为LLM量化释放激活

Xiaohao Liu, Xiaobo Xia, Manyi Zhang, Ji-Fu Li, Xianzhi Yu, Fei Shen, Xiu Su, See-Kiong Ng, Tat-Seng Chua

机构 * National University of Singapore（新加坡国立大学） ； Huawei Technology（华为技术有限公司） ； Central South University（中央南大学） 纠错

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

AI总结 FreeAct通过放松静态转换约束，为LLM量化提供动态适应的激活转换方法，实现性能提升5.3%。

Comments 26 pages, 18 figures, 2 tables

ReactDance: Hierarchical Representation for High-Fidelity and Coherent Long-Form Reactive Dance Generation

ReactDance: 基于分层表示的高保真且一致的长形式反应舞蹈生成

Jingzhong Lin, Xinru Li, Yuanyuan Qi, Bohao Zhang, Wenxiang Liu, Kecheng Tang, Wenxuan Huang, Xiangfeng Xu, Bangyan Li, Changbo Wang, Gaoqi He

机构 * East China Normal University（东华师范大学） 纠错

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

AI总结 ReactDance通过分层潜在空间和非自回归采样策略，提升长形式反应舞蹈生成的高保真度与时间一致性。

Conflict-Based Search as a Protocol: A Multi-Agent Motion Planning Protocol for Heterogeneous Agents, Solvers, and Independent Tasks

基于冲突的搜索作为协议：一种多智能体运动规划协议用于异构智能体、求解器和独立任务

Rishi Veerapaneni, Alvin Tang, Haodong He, Sophia Zhao, Viraj Shah, Yidai Cen, Ziteng Ji, Gabriel Olin, Jon Arrizabalaga, Yorai Shaoul, Jiaoyang Li, Maxim Likhachev

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Tongji University（同济大学） ； UC Berkeley（伯克利大学） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出了一种基于冲突的搜索协议，用于异构智能体的多智能体运动规划，利用多种单智能体规划算法实现无碰撞路径规划。

Comments Published at ICRA 2026, Project webpage: https://rishi-v.github.io/CBS-Protocol/

A Fast Generative Framework for High-dimensional Posterior Sampling: Application to CMB Delensing

一种快速生成框架用于高维后验采样：应用于宇宙微波背景去棱镜化

Hadi Sotoudeh, Pablo Lemos, Laurence Perreault-Levasseur

机构 * Department of Physics, Université de Montréal（蒙特利尔大学物理系） ； Mila - Quebec AI Institute（魁北克人工智能研究院） ； Ciela, Montreal Institute for Astrophysics and Machine Learning（蒙特利尔天体物理与机器学习研究所） ； Center for Computational Astrophysics, Flatiron Institute（Flatiron研究所计算天文学中心） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出了一种快速生成框架，用于高维后验采样，应用于宇宙微波背景去棱镜化问题，实现了比扩散方法快一个数量级的采样速度，并成功恢复了未棱镜化的宇宙微波背景功率谱。

Comments 12 pages, 4 figures. ML4Astro 2025 workshop paper on fast generative posterior sampling with application to CMB delensing