图像生成

Contrast-X: A Multi-Modal Contrast Image Synthesis Benchmark and Universal Modality Flow Matching

Contrast-X：一个多模态对比图像合成基准及通用模态流匹配

Yifan Chen, Fei Yin, Hao Chen, Jia Wu, Chao Li

机构 * University of Cambridge（剑桥大学） ； MD Anderson Cancer Center（MD安德森癌症中心） ； University of Dundee（邓迪大学） 纠错

专题命中 图像生成评测 ：image synthesis(title)；分类 cs.CV

AI总结 Contrast-X通过多器官CT和乳腺DCE-MRI数据，提出FlowMI模型解决多模态缺失问题，评估合成图像质量及跨器官泛化能力。

TAVIS: A Benchmark for Egocentric Active Vision and Anticipatory Gaze in Imitation Learning

TAVIS：一种用于第一人称主动视觉和预见性注视的模仿学习基准

Giacomo Spigler

机构 * Department of Intelligent Systems（智能系统系） 纠错

专题命中 图像生成评测 ：diffusion(abstract,abstract_cn)；分类 cs.CV

AI总结 TAVIS提出了一种评估主动视觉模仿学习的基础设施，包含两个任务集和两个仿人躯干机器人，通过实验发现主动视觉对任务类型和条件具有任务依赖性，且多任务策略在分布偏移下表现下降，模仿学习能产生与人类参考相当的预见性注视。

LENS: Low-Frequency Eigen Noise Shaping for Efficient Diffusion Sampling

LENS：低频特征噪声塑造用于高效扩散采样

Haewon Jeon, Si-Hyeon Lee

机构 * School of Electrical Engineering（电气工程学院） ； Korea Advanced Institute of Science and Technology（韩国科学技术院） 纠错

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

AI总结 本文提出LENS方法，通过在低维子空间中高效调节噪声，提升扩散采样效率，减少计算量和参数，同时保持图像质量。

Comments 27 pages, 7 figures

SemanticDialect: Semantic-Aware Mixed-Format Quantization for Video Diffusion Transformers

语义感知混合格式量化：用于视频扩散变换器的混合格式量化

Wonsuk Jang, Thierry Tambe

机构 * Stanford University（斯坦福大学） 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SemanticDialect，通过块级混合格式量化和语义感知方言分配，提升视频扩散变换器的量化效果，实验表明其在Open-Sora 2.0上接近FP16质量。

Stochastic Transition-Map Distillation for Fast Probabilistic Inference

随机转移图蒸馏用于快速概率推断

George Rapakoulias, Peter Garud, Lingjiong Zhu, Panagiotis Tsiotras

机构 * Department of Aerospace Engineering, Georgia Institute of Technology（佐治亚理工学院航空航天工程系） ； Department of Computer Science, Georgia Institute of Technology（佐治亚理工学院计算机科学系） ； Department of Mathematics, Florida State University（佛罗里达州立大学数学系） 纠错

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

AI总结 本文提出STMD框架，通过蒸馏完整的转移图加速扩散模型推断并保持概率采样生成，无需预训练教师模型或轨迹模拟，理论上有收敛界支持。

FlashMol: High-Quality Molecule Generation in as Few as Four Steps

FlashMol：在四步内生成高质量分子构象

Xinyuan Wei, Zian Li, Shaoheng Yan, Cai Zhou, Muhan Zhang

机构 * Institute for Artificial Intelligence, Peking University（北京大学人工智能研究院） ； Yuanpei College, Peking University（北京大学元培学院） ； School of Intelligence Science and Technology, Peking University（北京大学智能科学与技术学院） ； Department of Electrical Engineering and Computer Science, Massachusetts Institute of Technology（麻省理工学院电气工程与计算机科学系） ； State Key Laboratory of General Artificial Intelligence, Peking University（北京大学通用人工智能国家重点实验室） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 FlashMol通过改进分布匹配蒸馏方法，在四步内生成高质量分子构象，实验表明其在速度和质量上优于传统模型。

Tyche: One Step Flow for Efficient Probabilistic Weather Forecasting

Tyche：一步流用于高效的概率天气预报

Fan Xu, Yuan Gao, Kun Wang, Rui Su, Fenghua Ling, Hao Wu, Wanli Ouyang

机构 * Shanghai AI Lab（上海人工智能实验室） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 Tyche提出一种一步条件流模型，通过JVP正则化目标和Swin式变换器，在高维地理场中实现高效概率天气预报，实验显示其性能优于多步生成基线和ECMWF IFS集合预报。

Instruction-Evidence Contrastive Dual-Stream Decoding for Grounded Vision-Language Reasoning

基于指令和证据的对比双流解码用于 grounded 视觉语言推理

Yashwant Pravinrao Bangde, Debaditya Roy

机构 * Department of Computer Science and Engineering（计算机科学与工程系） ； Indian Institute of Technology Kharagpur（印度理工学院Kharagpur分校） 纠错

专题命中 其他图像生成 ：generative vision(abstract)；分类 cs.CV

AI总结 本文提出 IECD$^2$ 方法，通过双流解码平衡语言信息和视觉真实性，提升视觉语言推理任务的准确性和减少幻觉。