图像生成

Memory-Efficient Fine-Tuning Diffusion Transformers via Dynamic Patch Sampling and Block Skipping

通过动态补丁采样和块跳过实现高效的扩散变换器微调

Sunghyun Park, Jeongho Kim, Hyoungwoo Park, Debasmit Das, Sungrack Yun, Munawar Hayat, Jaegul Choo, Fatih Porikli, Seokeon Choi

机构 * Qualcomm AI Research（高通人工智能研究） ； KAIST（韩国科学技术院） 纠错

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

AI总结 本文提出DiT-BlockSkip框架，通过动态补丁采样和块跳过减少内存使用，提升扩散变换器微调效率，实现设备端部署。

Comments Accepted to CVPR 2026; 20 pages

Confidence-Based Decoding is Provably Efficient for Diffusion Language Models

基于置信度的解码在扩散语言模型中具有可证明的效率

Changxiao Cai, Gen Li

机构 * Department of Industrial and Operations Engineering, University of Michigan（工业与运营工程系，密歇根大学） ； Department of Statistics and Data Science, The Chinese University of Hong Kong（统计与数据科学系，香港中文大学） 纠错

专题命中 效率与蒸馏 ：diffusion(title,abstract)

AI总结 本文提出了一种基于熵和的解码策略，证明其在KL散度下具有ε精度，并在迭代次数上达到O(H(X0)/ε)的效率，适用于低熵数据分布。

DUO-VSR: Dual-Stream Distillation for One-Step Video Super-Resolution

DUO-VSR：双流蒸馏用于一步视频超分辨率

Zhengyao Lv, Menghan Xia, Xintao Wang, Kwan-Yee K. Wong

机构 * The University of Hong Kong（香港大学） ； Huazhong University of Science and Technology（华中科技大学） ； Kling Team, Kuaishou Technology（快手科技 Kling 团队） 纠错

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

AI总结 DUO-VSR提出双流蒸馏策略，通过轨迹保留蒸馏、双流优化和偏好引导细化，解决视频超分辨率中训练不稳定和监督不足的问题，提升视觉质量和效率。

Comments Accepted to CVPR 2026

Adaptive Video Distillation: Mitigating Oversaturation and Temporal Collapse in Few-Step Generation

自适应视频蒸馏：缓解少步生成中的过饱和与时间崩溃

Yuyang You, Yongzhi Li, Jiahui Li, Yadong Mu, Quan Chen, Peng Jiang

机构 * Peking University（北京大学） ； Kuaishou Technology（快手科技） 纠错

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

AI总结 本文提出针对视频扩散模型的自适应蒸馏框架，通过动态回归损失、时间正则化损失和推理时帧插值策略，提升少步视频生成的稳定性和感知真实性。

Efficient Zero-Shot AI-Generated Image Detection

高效的人工智能生成图像检测

Ryosuke Sonoda, Ramya Srinivasan

机构 * Fujitsu Ltd., Japan（日本富士通株式会社） ； Fujitsu Research of America, Inc., USA（美国富士通研究公司） 纠错

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

AI总结 本文提出一种无需训练的图像检测方法，通过测量表示对结构化频率扰动的敏感性，实现对细微篡改的检测，方法计算效率高，检测速度比现有方法快一个到两个数量级。

MFSR: MeanFlow Distillation for One Step Real-World Image Super Resolution

MFSR：用于一步真实世界图像超分辨率的MeanFlow蒸馏

Ruiqing Wang, Kai Zhang, Yuanzhi Zhu, Hanshu Yan, Shilin Lu, Jian Yang

机构 * Nanjing University（南京大学） ； LIX, École Polytechnique, CNRS, IPP（巴黎高等学院LIX研究所、法国国家科学研究中心、ipp） ； Salesforce AI Research（Salesforce人工智能研究） ； Nanyang Technological University（南洋理工大学） 纠错

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

AI总结 MFSR提出一种单步蒸馏框架，通过MeanFlow作为学习目标，实现高效高质量的图像超分辨率，同时保留少量步骤的可选路径以进一步优化。

Your VAR Model is Secretly an Efficient and Explainable Generative Classifier

你的VAR模型实际上是一个高效且可解释的生成分类器

Yi-Chung Chen, David I. Inouye, Jing Gao

机构 * Elmore Family School of Electrical and Computer Engineering（埃洛姆家族电气与计算机工程学院） 纠错

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

AI总结 本文提出基于视觉自回归模型的新型生成分类器，引入A-VARC+提升准确率与推理速度，展示VAR方法在可解释性和灾难性遗忘抵抗方面的独特优势。

Comments ICLR 2026

Show Me What You Don't Know: Efficient Sampling from Invariant Sets for Model Validation

展示你所不知道的：用于模型验证的高效不变集采样

Armand Rousselot, Joran Wendebourg, Ullrich Köthe

机构 * CVL（计算机视觉与学习实验室） ； Heidelberg University（海德堡大学） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出一种无需训练的采样方法，通过预训练扩散模型揭示特征提取器的不变性，展示模型在不同数据变化下的表现。

Comments 19 pages, 19 figures

Efficient first-principles inverse design of nanolasers

纳米激光器的高效原理性反向设计

Beñat Martinez de Aguirre Jokisch, Alexander Cerjan, Rasmus Ellebæk Christiansen, Jesper Mørk, Ole Sigmund, Steven G. Johnson

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出基于非线性Maxwell-Bloch方程和稳态ab initio激光理论的反向设计方法，用于优化纳米结构激光器，考虑空间孔燃烧修正、阈值效应、出射效率和增益扩散。

Journal ref Laser Photonics Reviews e01614 (2025)

DIP: Efficient Large Multimodal Model Training with Dynamic Interleaved Pipeline

DIP: 一种高效的大规模多模态模型训练方法，采用动态交错流水线

Zhenliang Xue, Hanpeng Hu, Xing Chen, Yimin Jiang, Yixin Song, Zeyu Mi, Yibo Zhu, Daxin Jiang, Yubin Xia, Haibo Chen

机构 * Institute of Parallel and Distributed Systems（并行与分布式系统研究所） ； Shanghai Jiao Tong University（上海交通大学） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出DIP框架，通过分离不同模态计算和动态分割输入数据，提升大规模多模态模型训练效率，实验显示吞吐量提升达97.3%。

Comments To be published in ASPLOS'26

Efficient Nehari manifold optimization algorithms for computing ground state solutions of nonlinear elliptic systems

高效Nehari流形优化算法用于计算非线性椭圆系统的基态解

Zhaoxing Chen, Wei Liu, Ziqing Xie, Wenfan Yi

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出了一种高效的Nehari流形优化算法，用于计算半线性椭圆系统的基态解，通过结合NMOM与Nesterov加速方法，改进了稳定性与计算效率。

Comments 26 pages, 17 figures

A Fine-Grained 3D Radio Map Construction Paradigm with Ultra-Low Sampling Rates by Large Generative Models

一种基于大生成模型的细粒度3D无线电图构建范式，通过超低采样率

Zhiyuan Liu, Qingyu Liu, Shuhang Zhang, Hongliang Zhang, Lingyang Song

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出RadioLAM范式，利用大生成模型解决超稀疏采样问题，通过增强、生成和选举三个模块高效构建细粒度3D无线电图，实验证明其在0.1%采样率下性能优于现有方法。

Comments Accepted by IEEE JSAC