图像生成

One-step Latent-free Image Generation with Pixel Mean Flows

无需潜在变量的一步图像生成：像素均值流

Yiyang Lu, Susie Lu, Qiao Sun, Hanhong Zhao, Zhicheng Jiang, Xianbang Wang, Tianhong Li, Zhengyang Geng, Kaiming He

机构 * MIT（麻省理工学院） 纠错

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

AI总结 本文提出像素均值流(pMF)，通过分离网络输出空间与损失空间，实现无需潜在变量的一步图像生成，在ImageNet上取得优异结果。

Comments Tech report. Code at https://github.com/Lyy-iiis/pMF

Infinite Mask Diffusion for Few-Step Distillation

无限掩码扩散用于少步蒸馏

Jaehoon Yoo, Wonjung Kim, Chanhyuk Lee, Seunghoon Hong

机构 * Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院） 纠错

专题命中 效率与蒸馏 ：diffusion(title,abstract)

AI总结 本文提出无限掩码扩散模型，通过引入随机无限状态掩码降低因子化误差下限，解决了传统掩码扩散模型在少步生成中的性能问题，并在LM1B和OpenWebText上超越现有少步蒸馏方法。

TAD: Temporal-Aware Trajectory Self-Distillation for Fast and Accurate Diffusion LLM

TAD: 时空感知轨迹自蒸馏用于快速准确的扩散大语言模型

Haoyang Zhou, Li Kong, Shijie Ren, Xiting Wang, Shuang Liang, Guowei Wang, Zhenxuan Pan

机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学北京校区人工智能学院） ； Ant Group（蚂蚁集团） 纠错

专题命中 效率与蒸馏 ：diffusion(title,abstract)

AI总结 TAD通过时空感知轨迹自蒸馏方法，在提升生成速度的同时保持准确性，实验表明在LLaDA上质量模型将平均准确率提升至51.6%，速度模型将AUP提升至257.1。

Noise-Started One-Step Real-World Super-Resolution via LR-Conditioned SplitMeanFlow and GAN Refinement

基于LR条件SplitMeanFlow和GAN精炼的噪声启动一步真实世界超分辨率

Wei Zhu, Kai Zhang, Yu Zheng, Lei Luo, Yong Guo, Jian Yang

机构 * Nanjing University of Science and Technology（南京理工大学） ； Nanjing University（南京大学） ； Huawei（华为） 纠错

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

AI总结 本文提出SMFSR框架，通过LR条件SplitMeanFlow和GAN精炼实现噪声启动的一步真实世界超分辨率，保留扩散模型的随机噪声起点并提升生成效率与真实感。

CERSA: Cumulative Energy-Retaining Subspace Adaptation for Memory-Efficient Fine-Tuning

CERSA：累积能量保留子空间适应用于内存高效的微调

Jingze Ge, Xue Geng, Yun Liu, Wanqi Dong, Wang Zhe Mark, Min Wu, Ngai-Man Cheung, Bharadwaj Veeravalli, Xulei Yang

机构 * National University of Singapore（新加坡国立大学） ； Nankai University（南开大学） ； Singapore University of Technology and Design（新加坡科技设计大学） 纠错

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

AI总结 CERSA通过奇异值分解保留主成分以降低内存消耗，优于现有PEFT方法，适用于多种领域模型。

Comments 10 pages, 7 figures, supplementary material included

SWIFT: Prompt-Adaptive Memory for Efficient Interactive Long Video Generation

SWIFT: 用于高效交互长视频生成的提示自适应内存

Shanwen Tan, Hao Li, Jingtao Zhang, Xiaosong Jia, Xue Yang, Shaofeng Zhang, Yanyong Zhang

机构 * University of Science and Technology of China（中国科学技术大学） ； Fudan University（复旦大学） ； Georgia Institute of Technology（佐治亚理工学院） ； Shanghai Jiao Tong University（上海交通大学） 纠错

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

AI总结 SWIFT提出一种无需训练的多提示长视频生成框架，通过轻量级语义注入缓存和自适应动态窗口实现高效语义切换，保持时间一致性，达到22.6 FPS的高效生成速度。

Comments Code is available at https://github.com/ShanwenTan/SWIFT

Discrete Langevin-Inspired Posterior Sampling

离散 Langevin 激发后验采样

Chaitanya Amballa, Sattwik Basu, Jorge Vančo Sampedro, Romit Roy Choudhury

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

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

AI总结 本文提出离散 Langevin 激发后验采样方法，用于在离散状态空间中解决逆问题，通过梯度信息指导离散移动，实现高效的并行更新，适用于多种逆问题场景。

Probability-Flow Distillation: Exact Wasserstein Gradient Flow for High-Fidelity 3D Generation

概率流蒸馏：用于高保真3D生成的精确Wasserstein梯度流

Rohith Ramanan, A. N. Rajagopalan

机构 * Department of Physics（物理系） ； Indian Institute of Technology Madras（印度理工学院马德拉斯分校） ； Department of Electrical Engineering（电气工程系） 纠错

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

AI总结 本文提出概率流蒸馏，通过精确Wasserstein梯度流解决SDI的模式崩溃问题，实现高保真3D生成。

StreamPhy: Streaming Inference of High-Dimensional Physical Dynamics via State Space Models

StreamPhy: 通过状态空间模型实现高维物理动态的流式推断

Panqi Chen, Yifan Sun, Shikai Fang, Xiao Fu, Lei Cheng

机构 * College of Information Science and Electronic Engineering, Zhejiang University（浙江大学信息科学与电子工程学院） ； School of EECS,Oregon State University（俄勒冈州立大学电子工程与计算机科学学院） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出StreamPhy框架，通过自适应观测编码器、结构化状态空间模型和FT-FiLM解码器，实现高效准确的流式推断，实验显示其在复杂动态处理上优于现有方法，精度提升48%以上，速度提升20-100倍。

Sensitivity Analysis in the Face of Rare Events

稀有事件面前的灵敏度分析

John Strahan, Todd R. Gingrich

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出结合重要抽样与马尔可夫状态模型的计算流程，用于处理稀有事件中动态可观测量及其灵敏度的估计问题，通过迭代重加权减少误差，验证了在穆勒-布朗势扩散中的过渡率灵敏度计算。

Latency Analysis and Optimization of Alpamayo 1 via Efficient Trajectory Generation

通过高效轨迹生成分析和优化Alpamayo 1的延迟

Yunseong Jeon, Namcheol Lee, Yoonsu Lee, Jangwoon Park, Sol Ahn, Jong-Chan Kim, Seongsoo Hong

机构 * Graduate School of Automobile and Mobility（汽车与移动研究生院） ； Kookmin University（韩国釜山大学） ； Department of Electrical and Computer Engineering（电子与计算机工程系） ； Seoul National University（首尔国立大学） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文通过将Alpamayo 1从多推理改为单推理系统，减少推理延迟并保持轨迹多样性，同时通过消除不必要的复制操作和低效内核执行提升扩散动作生成效率，实现了69.23%的延迟降低。

Comments Submitted to IEEE RTCSA on March 26, 2026 (KST) Accepted on May 4, 2026 (KST)

ElasticFlow: One-Step Physics-Consistent Policy with Elastic Time Horizons for Language-Guided Manipulation

ElasticFlow: 语言引导操作中的弹性时间 horizon 的一步物理一致策略

Kewei Chen, Yayu Long, Shuai Li, Mingsheng Shang

机构 * Chongqing Institute of Green and Intelligent Technology, Chinese Academy of Sciences（中国科学院重庆绿色智能技术研究所） ； Chongqing School, University of Chinese Academy of Sciences（中国科学院大学重庆校区） ； Faculty of Information Technology and Electrical Engineering, University of Oulu, Finland（芬兰奥卢大学信息科技与电气工程学院） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 ElasticFlow通过弹性时间 horizon 机制和直接建模平均速度场，实现高效的一步映射，提升语言引导操作的物理一致性和效率。

Comments Accepted to Findings of ACL 2026

Consensus Sampling for Safer Generative AI

共识采样用于更安全的生成式AI

Adam Tauman Kalai, Yael Tauman Kalai, Or Zamir

机构 * OpenAI ； MIT（麻省理工学院） ； Tel Aviv University（特拉维夫大学） 纠错

专题命中 效率与蒸馏 ：image generation(abstract)

AI总结 本文提出共识采样算法，通过聚合多个概率分布提升生成模型安全性，其在保证安全性的前提下有效避免分歧，通过R-鲁棒性理论保障信息泄露和对抗影响的界限，实验验证了其在合成分布和图像生成中的有效性。