图像生成 - arXivDaily 专题

2505.02242 2026-04-23 cs.CV 79%

Sampling-Aware Quantization for Diffusion Models

面向采样意识的扩散模型量化

Qian Zeng, Jie Song, Yuanyu Wan, Huiqiong Wang, Mingli Song

机构 * School of Software Technology, Zhejiang University（浙江大学软件技术学院）； Ningbo Innovation Center, Zhejiang University（浙大宁波创新中心）； State Key Laboratory of Blockchain and Security, Zhejiang University（浙江大学区块链与安全国家重点实验室）； Hangzhou High-Tech Zone (Binjiang) Institute of Blockchain and Data Security（杭州高新技术区（滨江）区块链与数据安全研究院）

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

AI总结本文提出面向采样意识的量化策略，通过混合阶轨迹对齐技术提升采样精度与效率，实验表明在保持高速采样器收敛特性的同时，生成质量更优。

Comments 17 pages, 12 figures, CVPR2026 accepted

2604.20079 2026-04-23 cs.LG cs.CL 78%

On the Quantization Robustness of Diffusion Language Models in Coding Benchmarks

扩散语言模型在编码基准中的量化鲁棒性研究

Aarav Gupta, Gururaj Deshpande, Chandreyi Chakraborty

机构 * College of Computing（计算机学院）； Georgia Institute of Technology（佐治亚理工学院）

专题命中效率与蒸馏：diffusion(title,abstract)

AI总结本文研究了扩散语言模型在量化后的鲁棒性，发现CoDA在低比特宽度下比Qwen3-1.7B更稳健，且混合精度配置在精度、延迟和内存间提供平衡。

2105.09232 2026-04-23 cs.LG math.ST stat.TH 71%

Diffusion Approximations for Thompson Sampling in the Small Gap Regime

差分方程近似在小间隙情形下的汤普森采样

Lin Fan, Peter W. Glynn

机构 * Kellogg School of Management, Northwestern University（西北大学凯洛格管理学院）； Department of Management Science and Engineering, Stanford University（斯坦福大学管理科学与工程系）

专题命中效率与蒸馏：diffusion(title)

AI总结研究小间隙情形下汤普森采样及相关采样算法的过程动态，展示其弱收敛于随机微分方程解，发现算法不变原理及对模型误设定的不敏感性。

2604.20289 2026-04-23 cs.CV 57%

X-Cache: Cross-Chunk Block Caching for Few-Step Autoregressive World Models Inference

X-Cache：跨块块缓存用于少步自回归世界模型推理

Yixiao Zeng, Jianlei Zheng, Chaoda Zheng, Shijia Chen, Mingdian Liu, Tongping Liu, Tengwei Luo, Yu Zhang, Boyang Wang, Linkun Xu, Siyuan Lu, Bo Tian, Xianming Liu

机构 * AI Infra Team, XPeng Inc.（AI基础设施团队，小鹏汽车）

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

AI总结本文提出X-Cache，一种无需训练的加速方法，通过跨连续生成块缓存而非去噪步骤来提升少步自回归世界模型的推理效率，实现71%的块跳过率和2.6倍的速度提升，同时保持最小的性能下降。

Comments Technical Report

2604.15451 2026-04-23 cs.CV 57%

Weak-to-Strong Knowledge Distillation Accelerates Visual Learning

弱到强知识蒸馏加速视觉学习

Baiang Li, Wenhao Chai, Felix Heide

机构 * Princeton University（普林斯顿大学）

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

AI总结本文提出一种通用知识蒸馏方法，通过冻结弱教师模型并在早期训练中应用蒸馏，加速强学生模型训练，实验表明在ImageNet和CIFAR分类中提升训练效率达4.8倍。

Comments 18 pages, 7 figures

1. 效率与蒸馏 5 篇

Sampling-Aware Quantization for Diffusion Models

On the Quantization Robustness of Diffusion Language Models in Coding Benchmarks

Diffusion Approximations for Thompson Sampling in the Small Gap Regime

X-Cache: Cross-Chunk Block Caching for Few-Step Autoregressive World Models Inference

Weak-to-Strong Knowledge Distillation Accelerates Visual Learning