图像生成

FlashClear: Ultra-Fast Image Content Removal via Efficient Step Distillation and Feature Caching

FlashClear: 通过高效的步骤蒸馏和特征缓存实现超快图像内容移除

Yixin Tang, Jiawei Guo, Junxian Li, Zhiteng Li, Jixin Zhao, Bingya Zhang, Chenbo Wang, Yulun Zhang, Shangchen Zhou

机构 * Shanghai Jiao Tong University（上海交通大学） ； Nanyang Technological University（南洋理工大学） ； Honor Device Co., Ltd（荣耀设备有限公司） 纠错

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

AI总结 本文提出FlashClear，通过区域感知对抗蒸馏和前景优先的注意力与缓存策略，实现高效内容移除，实验表明其在保持性能的同时显著提升速度，达到8.26倍和122倍的加速。

Comments Code: https://github.com/GuoCalix/FlashClear

Failing Forward: Adaptive Failure-Informed Learning for Vision-Language-Action Models

失败前进：面向视觉-语言-动作模型的自适应失败信息学习

Meng Zheng, Samhita Marri, Anwesa Choudhuri, Benjamin Planche, Zhongpai Gao, Van Nguyen Nguyen, Terrence Chen, Girish Chowdhary, Ziyan Wu

机构 * United Imaging Intelligence（联合影像智能） ； 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)

AI总结 本文提出AFIL框架，通过利用失败轨迹作为负向指导，提升视觉-语言-动作模型在机器人操作中的鲁棒性和成功率。

CAMPA: Efficient and Aligned Multimodal Graph Learning via Decoupled Propagation and Aggregation

CAMPA: 通过解耦传播和聚合实现高效且对齐的多模态图学习

Daohan Su, Hao Liu, Xunkai Li, Yinlin Zhu, Xiong Yongfu, Yi Liu, Hongchao Qin, Rong-Hua Li, Guoren Wang

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 CAMPA通过解耦传播和聚合机制，解决多模态图学习中的模态冲突问题，提升效率和可扩展性，优于现有基线方法。

Enforcing Constraints in Generative Sampling via Adaptive Correction Scheduling

通过自适应修正调度强制生成采样中的约束

Noah Trupin, Yexiang Xue

机构 * Department of Computer Science（计算机科学系） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出自适应修正调度方法，通过动态分配修正预算提升生成采样效率，实验显示在相同修正预算下，该方法恢复了71.2%的全步修正收益，且修正次数减少75%。

Action Hallucination in Generative Vision-Language-Action Models

生成视觉-语言-动作模型中的动作幻觉

Harold Soh, Eugene Lim

机构 * Department of Computer Science, School of Computing（计算机科学系，计算系） ； Smart Systems Institute（智能系统研究所） 纠错

专题命中 其他图像生成 ：generative vision(title)

AI总结 研究分析生成视觉-语言-动作模型中动作幻觉的根源，揭示拓扑、精度和地平线三类障碍对动作生成的影响，提出改进模型可靠性和可信度的方法。

Comments 24 pages; updated setup with minor changes to proofs. changed template

AIA: Rethinking Architecture Decoupling Strategy In Unified Multimodal Model

AIA: 重新思考统一多模态模型中的架构解耦策略

Dian Zheng, Manyuan Zhang, Hongyu Li, Kai Zou, Hongbo Liu, Ziyu Guo, Kaituo Feng, Yexin Liu, Ying Luo, Hongsheng Li

机构 * MMLab, CUHK（CUHK多媒体实验室） ； Meituan（美团） ； USTC（中国科学技术大学） ； TJU（天津大学） 纠错

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

AI总结 本文提出AIA损失函数，通过学习任务特定的多模态交互模式，缓解任务冲突而不依赖模型解耦，提升生成与理解性能。

Comments Project page: https://zhengdian1.github.io/AIA-project/ Code: https://github.com/zhengdian1/AIA

Breaking QAOA's Fixed Target Hamiltonian Barrier: A Fully Connected Quantum Boltzmann Machine via Bilevel Optimization

突破QAOA固定目标哈密顿量障碍：通过双层优化的全连接量子玻尔兹曼机

Jun Liu

机构 * School of Economics, Hunan University of Finance and Economics（湖南财经大学经济学院） 纠错

专题命中 其他图像生成 ：image generation(abstract)

AI总结 本文提出全连接量子玻尔兹曼机，通过双层优化架构改进传统QAOA电路，展示模型在单一层数下具有高测量精度，并在噪声环境下表现出强鲁棒性，同时在图像生成中也表现出稳定性。

Comments 34 pages, 8 figures, 3 tables, 1 algorithm