图像生成

Refining Few-Step Text-to-Multiview Diffusion via Reinforcement Learning

通过强化学习细化少步文本到多视图扩散模型

Ziyi Zhang, Li Shen, Deheng Ye, Yong Luo, Huangxuan Zhao, Meng Liu, Wei Yu, Lefei Zhang

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湖北多媒体与网络通信工程重点实验室、武汉大学） ； School of Cyber Science and Technology, Shenzhen Campus of Sun Yat-sen University（中山大学信息科学与技术学院深圳校区） ； Tencent Inc.（腾讯公司） ； Xiaomi Inc., China（小米公司，中国） 纠错

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

AI总结 本文提出MVC-ZigAL框架，通过联合视图奖励模型和自适应优化策略，提升少步多视图扩散模型的生成质量和一致性。

Comments Accepted to CVPR 2026

Journal ref IEEE/CVF Conference on Computer Vision and Pattern Recognition, 2026

Unlearning for One-Step Generative Models via Unbalanced Optimal Transport

通过不平衡最优传输实现一步生成模型的反学习

Hyundo Choi, Junhyeong An, Jinseong Park, Jaewoong Choi

机构 * Sungkyunkwan University（成均馆大学） ； Korea Institute for Advanced Study（韩国高级研究院） 纠错

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

AI总结 本文提出UOT-Unlearn框架，通过不平衡最优传输实现一步生成模型的反学习，平衡遗忘成本与f-散度惩罚，提升去学习效果和保留质量。

Comments 27 pages, 10 figures

FS_GPlib: Breaking the Web-Scale Barrier - A Unified Acceleration Framework for Graph Propagation Models

FS_GPlib：突破网络级障碍——图传播模型的统一加速框架

Chang Guo, Juyuan Zhang, Chang Su, Tianlong Fan, Linyuan Lü

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出FS_GPlib，通过微粒同步消息传递与宏观批量蒙特卡洛模拟结合，实现大规模图传播建模的高效高保真模拟，实验显示其在标准库上达到3.5万倍加速，可在11秒内完成亿级边图的完整蒙特卡洛模拟。

Comments Accepted at ACM Web Conference 2026 (WWW2026)

Masked Auto-Regressive Variational Acceleration: Fast Inference Makes Practical Reinforcement Learning

遮蔽自回归变分加速：快速推理使强化学习实用

Yuxuan Gu, Weimin Bai, Yifei Wang, Weijian Luo, He Sun

机构 * Peking University（北京大学） ； Rice University（Rice大学） ； hi-lab, Xiaohongshu Inc（小红书实验室，小红书公司） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出MARVAL框架，通过压缩扩散链为单步自回归生成，提升推理效率并使强化学习实用化，实现了生成模型的快速采样和偏好对齐。