图像生成

CIAR: Interval-based Collaborative Decoding for Image Generation Acceleration

基于区间的方法：用于图像生成加速的协作解码

Keming Ye, Zhou Zhao, Fan Wu, Shengyu Zhang

机构 * Zhejiang University（浙江大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

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

AI总结 本文提出CIAR框架，通过设备端自验证处理图像生成中的大词汇量和空间冗余问题，采用连续概率区间加速处理并保持图像质量，实验显示在速度和云请求减少方面优于现有方法。

Comments 23 pages, 10 tables, 7 figures

Verifier Threshold: An Efficient Test-Time Scaling Approach for Image Generation

验证阈值：一种高效的测试时间扩展方法用于图像生成

Vignesh Sundaresha, Akash Haridas, Vikram Appia, Lav R. Varshney

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； AMD（超威半导体公司） ； Stony Brook University（石溪大学） 纠错

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

AI总结 本文提出Verifier-Threshold方法，通过自动重新分配测试时间计算，提升图像生成模型的效率，在GenEval基准上实现2-4倍的计算时间减少。

Comments ICLR 2026 ReALM-Gen and DeLTa

FODMP: Fast One-Step Diffusion of Movement Primitives Generation for Time-Dependent Robot Actions

FODMP：快速一步扩散运动原形生成用于时间依赖机器人动作

Xirui Shi, Arya Ebrahimi, Yi Hu, Jun Jin

机构 * University of Alberta（阿尔伯塔大学） 纠错

专题命中 效率与蒸馏 ：diffusion(title,abstract)

AI总结 FODMP通过单步解码器生成时间结构化运动，提升机器人实时控制性能，速度比MPD快10倍，能拦截快速飞来的球。

AVControl: Efficient Framework for Training Audio-Visual Controls

AVControl: 用于音频-视觉控制训练的高效框架

Matan Ben-Yosef, Tavi Halperin, Naomi Ken Korem, Mohammad Salama, Harel Cain, Asaf Joseph, Anthony Chen, Urska Jelercic, Ofir Bibi

机构 * Lightricks 纠错

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

AI总结 AVControl通过轻量级框架实现多模态控制，无需架构改动，支持多种独立训练的模态，如深度、姿态、边缘、相机轨迹等，并在多个基准测试中表现优异。

Comments Project page: https://matanby.github.io/AVControl/

PackForcing: Short Video Training Suffices for Long Video Sampling and Long Context Inference

PackForcing：短视频训练足以支持长视频采样和长上下文推理

Xiaofeng Mao, Shaohao Rui, Kaining Ying, Bo Zheng, Chuanhao Li, Mingmin Chi, Kaipeng Zhang

机构 * Alaya Studio, Shanda AI Research Tokyo（Alaya工作室，盛大AI研究东京） ； Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） 纠错

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

AI总结 本文提出PackForcing框架，通过三部分KV缓存策略有效管理生成历史，实现高效内存使用和长视频生成，展示短视频监督足以支持高质量长视频合成。

Autotuning T-PaiNN: Enabling Data-Efficient GNN Interatomic Potential Development via Classical-to-Quantum Transfer Learning

自适应T-PaiNN：通过经典到量子迁移学习实现数据高效的GNN互原子势开发

Vivienne Pelletier, Vedant Bhat, Daniel J. Rivera, Steven A. Wilson, Christopher L. Muhich

机构 * Materials Science & Engineering, School for the Engineering of Matter, Transport, & Energy, Arizona State University（材料科学与工程系，物质、传输与能源工程学院，亚利桑那州立大学） ； Chemical Engineering, School for the Engineering of Matter, Transport, & Energy, Arizona State University（化学工程系，物质、传输与能源工程学院，亚利桑那州立大学） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出T-PaiNN框架，利用经典力场数据提升GNN-MLIP的数据效率，通过预训练和微调实现量子精度，显著降低误差并加速训练。

Comments 19 pages, 7 figures