图像生成

InverFill: One-Step Inversion for Enhanced Few-Step Diffusion Inpainting

InverFill：一种用于增强少步扩散修复的一步倒置方法

Duc Vu, Kien Nguyen, Trong-Tung Nguyen, Ngan Nguyen, Phong Nguyen, Khoi Nguyen, Cuong Pham, Anh Tran

机构 * Qualcomm AI Research（.qualcomm 高级研究院） ； Posts & Telecommunications Inst. of Tech., Vietnam（越南邮电技术研究所） 纠错

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

AI总结 本文提出InverFill，通过注入输入遮挡图像的语义信息到初始噪声中，实现高质量少步修复。该方法无需训练修复模型，利用文本到图像模型进行混合采样，提升图像质量和文本一致性。

Comments Accepted to CVPR'26 (Main Conference)

PersonalQ: Select, Quantize, and Serve Personalized Diffusion Models for Efficient Inference

PersonalQ: 选择、量化并服务个性化扩散模型以实现高效推理

Qirui Wang, Qi Guo, Yiding Sun, Junkai Yang, Dongxu Zhang, Shanmin Pang, Qing Guo

机构 * School of Software Engineering, Xi'an Jiaotong University（西安交通大学软件工程学院） ； Nankai University（南开大学） 纠错

专题命中 效率与蒸馏 ：diffusion(title,abstract)；image generation(abstract)；text-to-image(abstract)

AI总结 PersonalQ通过触发令牌连接检查点选择与量化，提升意图对齐并优化压缩质量，实现高效个性化扩散模型服务。

Comments Accepted in ICME 2026

TETO: Tracking Events with Teacher Observation for Motion Estimation and Frame Interpolation

TETO：利用教师观察进行事件跟踪以实现运动估计和帧插值

Jini Yang, Eunbeen Hong, Soowon Son, Hyunkoo Lee, Sunghwan Hong, Sunok Kim, Seungryong Kim

机构 * KAIST AI（韩国科学技术院人工智能实验室） ； ETH Zurich（苏黎世联邦理工学院） ； Korea Aerospace University（韩国航空航天大学） 纠错

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

AI总结 TETO提出一种教师-学生框架，通过知识蒸馏从预训练的RGB跟踪器中学习事件运动估计，仅用25分钟未标注真实数据实现高精度点跟踪和光流估计，提升帧插值质量。

DINO-Tok: Adapting DINO for Visual Tokenizers

DINO-Tok：为视觉分词器适应DINO

Mingkai Jia, Mingxiao Li, Zhijian Shu, Anlin Zheng, Liaoyuan Fan, Jiaxin Guo, Tianxing Shi, Dongyue Lu, Zeming Li, Xiaoyang Guo, Xiaojuan Qi, Xiao-Xiao Long, Qian Zhang, Ping Tan, Wei Yin

机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； Horizon Robotics（Horizon机器人） ； Nanjing University（南京大学） ； Hong Kong University（香港大学） ； The Chinese University of Hong Kong（香港中文大学） 纠错

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

AI总结 本文提出DINO-Tok，一种基于冻结DINO编码器的视觉分词器，结合连续自编码和离散向量量化方法，提升高维潜在空间中的语义一致性和生成质量。

Three Creates All: You Only Sample 3 Steps

三步创造一切：你只需采样三步

Yuren Cai, Guangyi Wang, Zongqing Li, Li Li, Zhihui Liu, Songzhi Su

机构 * School of Informatics, Xiamen University（厦门大学信息学院） ； School of Artificial Intelligence, Shenzhen Polytechnic University（深圳职业技术学院人工智能学院） ； Algorithm Research Department, Truesight（Truesight算法研究部） 纠错

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

AI总结 本文提出MTEO方法，通过冻结预训练扩散模型并蒸馏分层时间嵌入，提升少步采样效率，实验证明在多样本集上达到最优性能，显著缩小蒸馏与轻量方法差距。

Efficient Hybrid SE(3)-Equivariant Visuomotor Flow Policy via Spherical Harmonics for Robot Manipulation

基于球面谐波的高效混合SE(3)-等变视觉运动流策略用于机器人操作

Qinglun Zhang, Shen Cheng, Tian Dan, Haoqiang Fan, Guanghui Liu, Shuaicheng Liu

机构 * University of Electronic Science and Technology of China（电子科学与技术大学） ； Dexmal 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出E3Flow框架，通过球面谐波表示实现高效且稳定的多模态等变学习，提升机器人操作的性能、效率和数据效率。

Comments Accepted by CVPR 2026

Mitigating Premature Discretization with Progressive Quantization for Robust Vector Tokenization

通过渐进量化缓解早期内离散化以实现鲁棒的向量标记化

Wenhao Zhao, Qiran Zou, Zhouhan Lin, Dianbo Liu

机构 * National University of Singapore, Singapore（新加坡国立大学） ； Shanghai Jiao Tong University, Shanghai, China（上海交通大学） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出渐进量化方法，通过引入量化难度动态作为VQ训练的关键维度，有效引导代码本向扩展良好的流形发展，提升了多模态模型的生成性能和生物序列建模能力。