图像生成

DyWeight: Dynamic Gradient Weighting for Few-Step Diffusion Sampling

DyWeight: 动态梯度加权用于少步扩散采样

Tong Zhao, Mingkun Lei, Liangyu Yuan, Yanming Yang, Chenxi Song, Yang Wang, Beier Zhu, Chi Zhang

机构 * Zhejiang University（浙江大学） ； AGI Lab, Westlake University（西湖大学AGI实验室） ； TongJi University（同济大学） ； University of Science and Technology of China（中国科学技术大学） 纠错

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

AI总结 DyWeight通过动态梯度加权方法，提高了扩散采样效率，实现更少的函数评估和更稳定的生成效果。

Comments Code Link: see AGI-Lab/DyWeight" target="_blank" rel="noopener">https://github.com/Westlake-AGI-Lab/DyWeight

Ultra-Fast Language Generation via Discrete Diffusion Divergence Instruct

通过离散扩散发散指导实现超快语言生成

Haoyang Zheng, Xinyang Liu, Cindy Xiangrui Kong, Nan Jiang, Zheyuan Hu, Weijian Luo, Wei Deng, Guang Lin

专题命中 效率与蒸馏 ：diffusion(title,abstract)

AI总结 DiDi-Instruct通过离散扩散发散指导实现高效语言生成，提供高达64倍的加速，同时保持高质量输出。

Comments [ICLR 2026] 38 pages, 7 figures, 13 tables

PROMO: Promptable Outfitting for Efficient High-Fidelity Virtual Try-On

PROMO: 可提示的高效高保真虚拟试衣

Haohua Chen, Tianze Zhou, Wei Zhu, Runqi Wang, Yandong Guan, Dejia Song, Yibo Chen, Xu Tang, Yao Hu, Lu Sheng, Zhiyong Wu

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

AI总结 PROMO通过流匹配DiT框架和潜在多模态条件拼接，实现高效高保真虚拟试衣，平衡保真度与效率。

Comments CVPR 2026

Single Pixel Image Classification using an Ultrafast Digital Light Projector

单像素图像分类使用超快数字光投影仪

Aisha Kanwal, Graeme E. Johnstone, Fahimeh Dehkhoda, Johannes H. Herrnsdorf, Robert K. Henderson, Martin D. Dawson, Xavier Porte, Michael J. Strain

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

AI总结 本研究利用单像素成像技术与低复杂度机器学习模型，实现超快图像分类，通过空间时间变换避免图像重建，展示其在超快成像中的异常检测潜力。

Strictly Constrained Generative Modeling via Split Augmented Langevin Sampling

通过分裂增广 Langevin 采样实现严格约束生成建模

Matthieu Blanke, Yongquan Qu, Sara Shamekh, Pierre Gentine

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出 CASAL 算法，通过变量分裂逐步强制约束，用于严格约束生成建模，提升物理系统预测精度和守恒量保持。

Journal ref The Fourteenth International Conference on Learning Representations (ICLR 2026)