图像生成

Efficient Image Synthesis with Sphere Latent Encoder

高效图像合成与球形潜在编码器

Tung Do, Thuan Hoang Nguyen, Hao Li

机构 * Mohamed Bin Zayed University of Artificial Intelligence（穆罕默德·本·拉希德人工智能大学） 纠错

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

AI总结 本文提出分离的固定预训练图像编码器和球形潜在去噪模型，提高效率并独立优化重建与生成。在多个数据集上，方法在生成质量和推理速度上优于Sphere Encoder。

Comments Technical report

DGS-Net: Distillation-Guided Gradient Surgery for CLIP Fine-Tuning in AI-Generated Image Detection

DGS-Net：基于知识蒸馏的梯度手术用于AI生成图像检测中的CLIP微调

Jiazhen Yan, Ziqiang Li, Fan Wang, Boyu Wang, Ziwen He, Zhangjie Fu

机构 * School of Computer Science, Nanjing University of Information Science（南京信息工程大学计算机学院） ； University of Macau（澳门大学） 纠错

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

AI总结 本文提出DGS-Net，通过梯度空间分解分离有害和有益的下降方向，提升CLIP在AI生成图像检测中的微调效果，实验表明其在检测性能和泛化能力上优于现有方法。

Comments Accepted by ICML 2026 Spotlight

Dynamic-TreeRPO: Breaking the Independent Trajectory Bottleneck with Structured Sampling

动态树RPO：通过结构化采样打破独立轨迹瓶颈

Xiaolong Fu, Lichen Ma, Zipeng Guo, ShiPing Dong, Lan Yang, Tan Lit Sin, Gaojing Zhou, Yu He, Jingling Fu, Shizhe Zhou, Junshi Huang, Jason Li

机构 * Sun Yat-sen University（中山大学） ； Tsinghua University（清华大学） ； Beijing University of Chemical Technology（北京化工大学） 纠错

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

AI总结 本文提出动态树RPO，通过树状结构采样策略和动态噪声强度，提升文本到图像生成的质量与效率，同时结合层调优强化学习方法，在多个基准测试中表现出色。

Comments Fig.3 updated

FLASH: Efficient Visuomotor Policy via Sparse Sampling

FLASH：通过稀疏采样实现高效的视觉-运动策略

Jiaqi Bai, Jindou Jia, Yuxuan Hu, Gen Li, Xiangyu Chen, Tuo An, Kuangji Zuo, Jianfei Yang

机构 * MARS Lab, Nanyang Technological University, Singapore（马尔萨实验室，南洋理工大学，新加坡） 纠错

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

AI总结 FLASH通过稀疏采样和Legendre多项式轨迹表示，提升视觉-运动策略学习效率，实现更长的动作时间跨度和更快的推理速度，实验表明其在多个任务中达到最先进的性能。

Comments 19 pages, 10 figures

Complexity of Non-Log-Concave Sampling in Fisher Information

非对数凹分布采样中复杂性的研究

Sinho Chewi, Andre Wibisono

机构 * Yale University, Department of Statistics and Data Science（耶鲁大学统计与数据科学系） ； Yale University, Department of Computer Science（耶鲁大学计算机科学系） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 研究非对数凹分布采样中相对信息量保证的查询复杂性，提出基于近端采样器的算法，利用受限高斯 oracle 实现，改进非对数凹采样的复杂性并提升对数凹采样的精度。

Neural Point-Forms

神经点形

Bruno Trentini, Jacob Hume, Vincenzo Antonio Isoldi, Philipp Misof, Ekaterina S. Ivshina, Kelly Maggs

机构 * NVIDIA ； University of Oxford（牛津大学） ； Max Planck Institute for Mathematics in the Sciences（马克斯·普朗克数学研究所） ； Department of Mathematical Sciences（数学科学系） ； Chalmers University of Technology and University of Gothenburg（查尔姆斯理工大学和哥德堡大学） ； School of Engineering and Applied Sciences（工程与应用科学学院） ； Max Planck Institute of Molecular Cell Biology and Genetics（马克斯·普朗克分子细胞生物学与遗传学研究所） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出神经点形（NPFs），通过扩散几何中的拉普拉斯技术，构建点云的可学习几何特征，用于比较微分形式，并在合成和生物相关实验中展示其在处理采样密度、流形结构和群体几何时的优势。

Preconditioned Regularized Wasserstein Proximal Sampling

预条件正则化Wasserstein近似采样

Hong Ye Tan, Stanley Osher, Wuchen Li

机构 * Department of Mathematics, University of California, Los Angeles（加州大学洛杉矶分校数学系） ； Department of Mathematics, University of South Carolina（南卡罗来纳大学数学系） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出一种预条件正则化Wasserstein近似采样方法，通过耦合各向异性热方程的Cole-Hopf变换得到核形式，用于从Gibbs分布中采样，并在二次势能情况下提供非渐近收敛分析。