图像生成

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。