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。

2026-05-04 至 2026-05-04 共收录 2 篇信号源：cs.CV, cs.GR, cs.MM

1. 效率与蒸馏 2 篇

2605.00329 2026-05-04 cs.SD eess.AS 50%

Fast Text-to-Audio Generation with One-Step Sampling via Energy-Scoring and Auxiliary Contextual Representation Distillation

通过能量评分与辅助上下文表示蒸馏实现一步文本到音频生成

Kuan-Po Huang, Bo-Ru Lu, Byeonggeun Kim, Mihee Lee, Zalan Fabian, Renard Korzeniowski, Qingming Tang, Greg Ver Steeg, Hung-yi Lee, Chieh-Chi Kao, Chao Wang

机构 * National Taiwan University（国立台湾大学）； Amazon AGI（亚马逊人工智能实验室）

专题命中效率与蒸馏：diffusion(abstract)

AI总结本文提出了一种结合能量距离训练和表示层蒸馏的一步采样框架，有效提升了文本到音频生成的速度与质量，在AudioCaps基准上优于现有方法，达到与多步采样扩散模型相当的性能。

2602.07744 2026-05-04 cs.LG 50%

Riemannian MeanFlow

Riemannian MeanFlow：在流形上直接学习流映射的高效生成框架

Dongyeop Woo, Marta Skreta, Seonghyun Park, Kirill Neklyudov, Sungsoo Ahn

机构 * Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院）； Mila - Quebec AI Institute（魁北克人工智能研究所）

专题命中效率与蒸馏：diffusion(abstract)

AI总结 Riemannian MeanFlow在流形上直接学习流映射，通过单次前向传递实现高质量生成，相比传统方法减少10倍的函数评估次数，并通过奖励预览实现高效奖励引导设计。