图像生成

Safeguarding Text-to-Image Generative Models Against Unauthorized Knowledge Distillation

防范未经授权的知识蒸馏的文本到图像生成模型

Yilan Gao, Sida Huang, Hongyuan Zhang, Xuelong Li

机构 * School of Artificial Intelligence, OPtics and ElectroNics (iOPEN), Northwestern Polytechnical University（人工智能学院、光学电子学院（iOPEN）、西北工业大学） ； Institute of Artificial Intelligence (TeleAI), China Telecom（人工智能研究院（TeleAI）、中国电信） ； The University of Hong Kong（香港大学） 纠错

专题命中 效率与蒸馏 ：text-to-image(title)

AI总结 本文提出WaveGuard，一种单次生成器基保护框架，通过在用户指定的扰动预算下保护发布的合成图像，以防止未经授权的知识蒸馏和能力复制。

RobuQ: Pushing DiTs to W1.58A2 via Robust Activation Quantization

RobuQ: 通过鲁棒激活量化推动DiTs至W1.58A2

Kaicheng Yang, Xun Zhang, Haotong Qin, Yucheng Lin, Kaisen Yang, Xianglong Yan, Yulun Zhang

机构 * Shanghai Jiao Tong University, Shanghai, China（上海交通大学） ； Tsinghua University, Beijing, China（清华大学） 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RobuQ框架，通过鲁棒激活量化技术，解决了DiTs在极低比特下的部署问题，实现了在子4比特量化配置下的最佳性能，首次在大规模数据集上实现了稳定且具有竞争力的图像生成。

Comments Accepted by ICML2026

WorldKV: Efficient World Memory with World Retrieval and Compression

WorldKV: 通过世界检索和压缩实现高效的world内存

Jung Yi, Minjae Kim, Paul Hyunbin Cho, Wooseok Jang, Sangdoo Yun, Seungryong Kim

机构 * KAIST AI（韩国科学技术院人工智能实验室） ； Naver AI Lab（Naver人工智能实验室） 纠错

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

AI总结 本文提出WorldKV，一种无需训练的框架，通过世界检索和压缩技术，在保持一致性的同时提高效率，实现在Matrix-Game-2.0和LingBot-World-Fast数据集上达到或超越全KV内存保真的性能。

Comments Project Page: https://cvlab-kaist.github.io/WorldKV/