图像生成

$R_\text{dm}$: Re-conceptualizing Distribution Matching as a Reward for Diffusion Distillation

$R_\ ext{dm}$：重新概念化分布匹配作为扩散蒸馏的奖励

Linqian Fan, Peiqin Sun, Tiancheng Wen, Shun Lu, Chengru Song

机构 * KlingAI Research（KlingAI 研究院） ； Tsinghua University（清华大学） 纠错

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

AI总结 本文提出将分布匹配重新概念化为奖励以提升扩散蒸馏性能，通过引入GNDM提升优化稳定性，实现无缝奖励整合和改进采样效率，实验表明其在生成质量与保真度上优于现有方法。

Quantization with Unified Adaptive Distillation to enable multi-LoRA based one-for-all Generative Vision Models on edge

量化与统一自适应蒸馏用于在边缘设备上实现多LoRA基于的通用生成视觉模型

Sowmya Vajrala, Aakash Parmar, Prasanna R, Sravanth Kodavanti, Manjunath Arveti, Srinivas Soumitri Miriyala, Ashok Senapati

机构 * Samsung Research Institute Bangalore, India（三星研究所班加罗尔，印度） 纠错

专题命中 效率与蒸馏 ：generative vision(title)；image editing(abstract)；分类 cs.CV

AI总结 本文提出统一框架，通过单共享模型在边缘设备上实现多任务生成式AI推理，采用动态任务切换和QUAD量化策略，减少内存占用和延迟，保持高质量生成效果。

Comments Accepted at the Mobile AI Workshop, CVPR 2026

Value Gradient Sampler: Learning Invariant Value Functions for Equivariant Diffusion Sampling

价值梯度采样器：用于等变扩散采样的不变价值函数

Himchan Hwang, Hyeokju Jeong, Dong Kyu Shin, Che-Sang Park, Sehee Kweon, Sangwoong Yoon, Frank Chongwoo Park

机构 * Seoul National University（首尔大学） ； Ulsan National Institute of Science and Technology (UNIST)（蔚山科学技术院） 纠错

专题命中 效率与蒸馏 ：diffusion(title,abstract)

AI总结 本文提出价值梯度采样器（VGS），通过价值函数参数化扩散采样器，利用等变梯度流在无规范目标密度下生成样本，结合先进强化学习方法与高效不变网络，实现高质量与高速采样。

Comments AISTATS 2026. Code: https://github.com/swyoon/value-gradient-sampler/

Turbo4DGen: Ultra-Fast Acceleration for 4D Generation

Turbo4DGen: 4D生成的超快加速

Yuanbin Man, Ying Huang, Zhile Ren, Miao Yin

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

AI总结 本文提出Turbo4DGen框架，通过时空缓存机制和动态语义感知注意力剪枝，显著减少4D生成中的冗余计算，实现9.7倍速度提升。

Total Variation Guarantees for Sampling with Stochastic Localization

总变分保证的随机定位采样

Jakob Kellermann

机构 * Weierstrass Institute Berlin（柏林魏尔斯特拉斯研究所） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出通过总变分距离保证SLIPS算法的收敛性，证明其在最小假设下所需步骤数与维度线性相关，揭示了离散化点选择的理论依据。

Comments 12 pages main body, 13 pages Appendix

Derivation of the injection spectrum of positrons and electrons from Geminga and Monogem

从Geminga和Monogem推导出正电子和电子的注入光谱

Qian Zhong

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文通过分析Geminga和Monogem脉冲星的晕区域，结合GeV-TeVγ射线观测，推导出正电子和电子的注入光谱，发现硬谱和截止能量在10^5-10^6 GeV范围内，对AMS-02测量的宇宙射线正电子通量有抑制作用。

Comments 16 pages, 3 figures, 1 table

Shifted Composition IV: Toward Ballistic Acceleration for Log-Concave Sampling

移位组合 IV：迈向log-凹采样中的弹道加速

Jason M. Altschuler, Sinho Chewi, Matthew S. Zhang

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出基于耦合的局部误差框架，分析Underdamped Langevin动力学及其数值离散化在KL散度中的表现，实现了log-凹采样中的弹道加速，首次获得与条件数子线性相关的采样复杂度。

Comments v3: amending minor typos