图像生成

AnyFlow: Any-Step Video Diffusion Model with On-Policy Flow Map Distillation

AnyFlow: 任意步视频扩散模型与在线策略流图蒸馏

Yuchao Gu, Guian Fang, Yuxin Jiang, Weijia Mao, Song Han, Han Cai, Mike Zheng Shou

机构 * NVIDIA ； Show Lab, National University of Singapore（新加坡国立大学Show实验室） ； MIT（麻省理工学院） 纠错

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

AI总结 AnyFlow通过优化完整ODE采样轨迹，解决一致性蒸馏在任意步视频生成中的性能退化问题，实现高效在线蒸馏以减少测试时误差。

Comments Project page at https://nvlabs.github.io/AnyFlow/

DirectTryOn: One-Step Virtual Try-On via Straightened Conditional Transport

DirectTryOn: 通过直线化条件传输实现一步虚拟试穿

Xianbing Sun, Jiahui Zhan, Liqing Zhang, Jianfu Zhang

机构 * Shanghai Jiao Tong University（上海交通大学） 纠错

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

AI总结 本文提出通过直线化条件传输、服装保持损失和自一致性损失改进VTON，实现一步生成，提升效率与质量。

OP4KSR: One-Step Patch-Free 4K Super-Resolution with Periodic Artifact Suppression

OP4KSR：一种一步式无补丁4K超分辨率方法，具有周期性伪影抑制

Chengyan Deng, Pengbin Yu, Zhentao Chen, Wei Shen, Kai Zhang, Meng Li, Lunxi Yuan, Xue Zhou, Li Yu

机构 * School of Automation Engineering, University of Electronic Science and Technology of China（电子科技大学自动化工程学院） ； OPPO AI Center, OPPO Inc.（OPPO人工智能中心） ； School of Intelligence Science and Technology, Nanjing University（南京大学智能科学与技术学院） 纠错

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

AI总结 OP4KSR提出一种基于Flux架构的一步式4K超分辨率方法，利用F16 VAE压缩降低内存消耗，同时通过RoPE基频重缩放和周期性损失抑制伪影，实现高效且高质量的4K超分辨率生成。

EDITS: Enhancing Dataset Distillation with Implicit Textual Semantics

EDITS: 通过隐式文本语义增强数据集蒸馏

Qianxin Xia, Jiawei Du, Guoming Lu, Zhiyong Shu, Jielei Wang

机构 * University of Electronic Science and Technology of China（电子科技大学） ； Centre for Frontier AI Research, Agency for Science, Technology and Research（前沿人工智能研究中心，科技研究局） 纠错

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

AI总结 本文提出EDITS框架，利用图像数据中的隐式文本语义提升数据集蒸馏效果，通过全局语义查询模块融合外部文本与图像特征，结合局部语义意识选择代表性样本构建图像和文本原型，最终通过双原型引导策略生成合成数据集。

Sampling from Flow Language Models via Marginal-Conditioned Bridges

通过边缘-条件化桥梁采样流语言模型

Iskander Azangulov, Leo Zhang

机构 * Department of Statistics, University of Oxford（牛津大学统计系） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出通过边缘-条件化桥梁采样流语言模型，该方法在每一步从因子化后验中采样干净的一热序列，并利用奥本-乌伦贝克桥进行下一步状态采样，从而在不训练的情况下提升质量-多样性平衡。

Efficient simulation of chemical reaction in DSMC

化学反应在DSMC中的高效模拟

Hong Deng, Liyan Luo, Lei Wu

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出了一种宏观-介观确定性-随机耦合策略，用于加速包含化学反应的直接模拟蒙特卡罗方法。通过整合连续本构关系和高阶本构关系，结合采样和嵌入，实现高效准确的模拟，显著减少计算瓶颈。

Sample-Efficient Optimisation over the Outputs of Generative Models

基于生成模型输出的高效优化

Samuel Willis, Paul Duckworth, Jack Simons, Aleksandra Kalisz, Krisztina Sinkovics, Noam Ghenassia, Shikha Surana, Henry T. Oldroyd, Alexandru I. Stere, Dragos D Margineantu, Carl Henrik Ek, Henry Moss, Erik Bodin

机构 * University of Cambridge（剑桥大学） ； Lancaster University（兰卡斯特大学） ； Karolinska Institutet（卡罗林斯卡研究院） ； Boeing Commercial Airplanes（波音商用飞机） ； Boeing AI（波音人工智能） ； InstaDeep ； Monumo 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出O3方法，通过构建代理潜在空间实现对扩散和流匹配模型的高效黑盒优化，提升样本评分性能，无需额外训练。

CoFlow: Coordinated Few-Step Flow for Offline Multi-Agent Decision Making

CoFlow：协调的少步流用于离线多智能体决策制定

Guowei Zou, Haitao Wang, Beiwen Zhang, Boning Zhang, Hejun Wu

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 CoFlow通过协调速度注意力和自适应协调门控，在少步生成中保持多智能体协调，提升离线多智能体强化学习的效率与协调性。

Comments 34 pages, 15 figures, 10 tables. Project page: https://guowei-zou.github.io/coflow/