图像生成

BinaryAttention: One-Bit QK-Attention for Vision and Diffusion Transformers

BinaryAttention: 一比特QK-注意力用于视觉和扩散变换器

Chaodong Xiao, Zhengqiang Zhang, Lei Zhang

机构 * The Hong Kong Polytechnic University（香港理工大学） ； OPPO Research Institute（OPPO研究院） 纠错

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

AI总结 BinaryAttention通过1比特QK-注意力实现视觉和扩散变换器的高效加速，有效提升计算效率并保持准确性。

Comments Accepted by CVPR 2026

B-DENSE: Branching For Dense Ensemble Network Supervision Efficiency

B-DENSE：密集ense网络监督效率的分支方法

Cherish Puniani, Tushar Kumar, Arnav Bendre, Gaurav Kumar, Shree Singhi

机构 * Indian Institute of Technology, Roorkee（印度理工学院拉胡尔分校） 纠错

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

AI总结 B-DENSE通过多分支轨迹对齐方法，提升密集ense网络的监督效率，实现更高质量的图像生成。

Comments 11 pages, 5 figures, 4 algorithms and 2 tables. ICLR DeLTa 2026

Multi-spacecraft constraints on relativistic solar energetic particle transport in the widespread 28 October 2021 event

多航天器约束在2021年10月28日广泛事件中相对论太阳高能粒子传输

E. Lavasa, J. T. Lang, A. Papaioannou, R. D. Strauss, S. A. Mallios, A. Hillaris, A. Kouloumvakos, A. Anastasiadis, I. A. Daglis

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 研究利用多航天器观测和数值模拟，分析2021年10月28日事件中高能粒子的传输机制，揭示注入区域狭窄及跨场扩散的重要性。

Journal ref A&A, 707 (2026) A12

Symbolic Discovery of Stochastic Differential Equations with Genetic Programming

利用遗传编程发现随机微分方程的符号方法

Sigur de Vries, Sander W. Keemink, Marcel A. J. van Gerven

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出基于遗传编程的随机微分方程符号发现方法，通过最大似然估计联合优化漂移和扩散函数，实现对控制方程的准确恢复和高维系统的高效扩展。

Comments 18 pages, 5 figures, 4 tables

SCDP: Learning Humanoid Locomotion from Partial Observations via Mixed-Observation Distillation

SCDP：通过混合观测蒸馏从部分观测中学习人形机器人的运动

Milo Carroll, Tianhu Peng, Lingfan Bao, Chengxu Zhou, Zhibin Li

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 SCDP通过混合观测蒸馏从部分观测中学习人形机器人运动，利用机载传感器实现高效可靠的真实机器人运动控制。

Comments 6 pages, 8 figures, 5 tables, iRos

From Flow to One Step: Real-Time Multi-Modal Trajectory Policies via Implicit Maximum Likelihood Estimation-based Distribution Distillation

从流到一步：通过隐式最大似然估计基于的分布蒸馏实现实时多模轨迹策略

Ju Dong, Liding Zhang, Lei Zhang, Yu Fu, Kaixin Bai, Zoltan-Csaba Marton, Zhenshan Bing, Zhaopeng Chen, Alois Christian Knoll, Jianwei Zhang

机构 * TAMS (Technical Aspects of Multimodal Systems), Department of Informatics, University of Hamburg（汉堡大学信息学院TAMS（多模态系统技术方面）） ； Technical University of Munich（慕尼黑技术大学） ； Agile Robots SE（敏捷机器人公司） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 通过隐式最大似然估计基于的分布蒸馏，实现实时多模轨迹策略，提升机器人操作的高频闭环控制与鲁棒性。

Comments https://sites.google.com/view/flow2one, 8 pages