图像生成

Dynamic Mixture-of-Experts for Visual Autoregressive Model

动态专家混合模型用于视觉自回归模型

Jort Vincenti, Metod Jazbec, Guoxuan Xia

机构 * University of Amsterdam（阿姆斯特丹大学） ； UvA-Bosch Delta Lab（UvA-博斯奇Delta实验室） ； Imperial College London（伦敦帝国学院） 纠错

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

AI总结 本文提出一种动态专家混合路由机制，用于改进视觉自回归模型，通过规模感知阈值策略在不额外训练的情况下提升效率和质量，实现20%的FLOPs减少和11%的推理加速。

Controlled Langevin Dynamics for Sampling of Feedforward Neural Networks Trained with Minibatches

基于受控 Langevin 动力学的 feedforward 神经网络参数空间采样

Alessandro Zambon, Francesca Caruso, Riccardo Zecchina, Guido Tiana

机构 * Department of Physics, Università degli Studi di Milano（米兰大学物理系） ； Department of Computing Sciences（计算科学系） ； Bocconi Institute for Data Science（博科尼数据科学研究所） ； Analytics (BIDSA), Bocconi University（分析（BIDSA），博科尼大学） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出受控 minibatch Langevin 动力学方法，用于高效采样训练有大数据集的 feedforward 神经网络参数空间，通过调整虚拟质量与摩擦系数以确保高效采样，验证了其在大规模网络中的高效性与泛化性能。

Efficient structure-preserving scheme for chemotaxis PDE system with singular sensitivity in crime and epidemic modeling

高效保持结构的方案用于具有在犯罪和流行病建模中奇异敏感性的趋化PDE系统

Rui Wang, Yunfeng Xiong, Zhengru Zhang

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出一种高效保持正性的隐式-显式方案，用于解决具有奇异敏感性的趋化PDE系统中的数值挑战，通过Lagrange乘子修正实现二阶精度，并扩展到退化扩散的多代理流行病模型，验证了正性和质量守恒。

Targeting the partition function of chemically disordered materials with a generative approach based on inverse variational autoencoders

通过基于逆变分自编码器的生成方法针对化学无序材料的配分函数

Maciej J. Karcz, Luca Messina, Eiji Kawasaki, Emeric Bourasseau

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出利用生成机器学习生成配置集，以高效计算化学无序材料的原子尺度性质，通过逆变分自编码器实现无监督主动学习，用于估计配分函数。

Journal ref Scientific Reports, 2026

FakeScope: Large Multimodal Expert Model for Transparent AI-Generated Image Forensics

FakeScope：大型多模态专家模型用于透明的AI生成图像取证

Yixuan Li, Yu Tian, Yipo Huang, Wei Lu, Shiqi Wang, Weisi Lin, Anderson Rocha

机构 * College of Computing, City University of Hong Kong（城市大学 computing 学院） ； School of Data Science and Artificial Intelligence, Chang’an University（长安大学数据科学与人工智能学院） ； School of Computer Science and Engineering, Ministry of Education Key Laboratory of Information Technology, Guangdong Province Key Laboratory of Information Security Technology, Sun Yat-Sen University（中山大学计算机科学与工程学院） ； College of Computing and Data Science, Nanyang Technological University（南洋理工大学 computing 与数据科学学院） ； Artificial Intelligence Lab. (Recod.ai) at the University of Campinas（坎皮纳斯大学人工智能实验室） 纠错

专题命中 其他图像生成 ：image generation(abstract)；分类 cs.CV

AI总结 FakeScope通过多模态专家模型提升AI生成图像的检测能力，提供可解释的取证分析，实现高精度识别与深入解释，具备零样本检测和跨生成器泛化能力。

Implementation of Quantum Implicit Neural Representation in Deterministic and Probabilistic Autoencoders for Image Reconstruction/Generation Tasks

在确定性和概率性自编码器中实现量子隐式神经表示用于图像重建/生成任务

Saadet Müzehher Eren

专题命中 其他图像生成 ：image generation(abstract)

AI总结 本文提出基于量子隐式神经表示（QINR）的自编码器和变分自编码器，用于图像重建和生成任务，通过在潜在空间中转换信息生成丰富特征，并展示QINR-VAE在图像生成中比量子生成对抗网络更稳定。