视觉与机器人

图像生成

图像生成、文生图、图像编辑、扩散模型和可控生成。

2026-04-02 至 2026-04-02 共收录 2 篇信号源：cs.CV, cs.GR, cs.MM

1. 效率与蒸馏 2 篇

2603.24587 2026-04-02 cs.LG cs.RO 50%

DreamerAD: Efficient Reinforcement Learning via Latent World Model for Autonomous Driving

DreamerAD：通过潜在世界模型实现高效的强化学习用于自动驾驶

Pengxuan Yang, Yupeng Zheng, Deheng Qian, Zebin Xing, Qichao Zhang, Linbo Wang, Yichen Zhang, Shaoyu Guo, Zhongpu Xia, Qiang Chen, Junyu Han, Lingyun Xu, Yifeng Pan, Dongbin Zhao

机构 * Institute of Automation, CAS（中国科学院自动化研究所）； Chongqing Chang’an Technology Co., Ltd（重庆长安科技有限公司）； School of Advanced Interdisciplinary Sciences, UCAS（中国科学院大学先进交叉科学学院）； School of Artificial Intelligence, UCAS（中国科学院大学人工智能学院）

专题命中效率与蒸馏：diffusion(abstract)

AI总结 DreamerAD通过压缩扩散采样将步骤从100步减少到1步，实现80倍加速并保持视觉可解释性，解决了自动驾驶中真实世界数据训练成本高和安全风险大的问题。

Comments authors update

2505.04738 2026-04-02 cs.LG 50%

SetONet: A Set-Based Operator Network for Solving PDEs with Variable-Input Sampling

SetONet：一种基于集合的运算网络，用于通过变量输入采样求解偏微分方程

Stepan Tretiakov, Xingjian Li, Krishna Kumar

机构 * organization= Maseeh Department of Civil, Architectural ； Environmental Engineering , addressline= University of Texas at Austin , city= Austin , postcode= 78712 , state= TX , country= USA ； organization= Oden Institute for Computational Engineering ； Sciences , addressline= University of Texas at Austin , city= Austin , postcode= 78712 , state= TX , country= USA

专题命中效率与蒸馏：diffusion(abstract)

AI总结 SetONet通过将运算输入重构为无序坐标-值观测集，解决了传统神经运算代理对固定传感器布局的依赖问题，提出SetONet-Key通过可学习查询令牌和位置-only键路径解耦采样几何与传感器值，适用于固定和变量布局及传感器丢失场景。