图像生成

SSDD: Single-Step Diffusion Decoder for Efficient Image Tokenization

SSDD：单步扩散解码器用于高效图像标记化

Théophane Vallaeys, Jakob Verbeek, Matthieu Cord

机构 * Meta Fundamental AI Research（Meta 基础人工智能研究） ； Sorbonne University（索邦大学） 纠错

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

AI总结 本文提出SSDD，一种基于Transformer和GAN-free训练的单步扩散解码器，提升了图像标记化的效率和稳定性，实现比KL-VAE更高的重建质量和更快的采样速度。

Enhanced Diffusion Sampling: Efficient Rare Event Sampling and Free Energy Calculation with Diffusion Models

增强扩散采样：利用扩散模型实现高效的稀有事件采样与自由能计算

Yu Xie, Ludwig Winkler, Lixin Sun, Sarah Lewis, Adam E. Foster, José Jiménez Luna, Tim Hempel, Michael Gastegger, Yaoyi Chen, Iryna Zaporozhets, Cecilia Clementi, Christopher M. Bishop, Frank Noé

机构 * Microsoft Research AI for Science（微软研究院人工智能科学部） 纠错

专题命中 效率与蒸馏 ：diffusion(title,abstract)

AI总结 本文提出增强扩散采样方法，通过精确的偏置协议生成偏置集合并利用精确重加权恢复平衡统计，实现高效稀有事件区域探索与自由能计算。

Physics-Informed Distillation of Diffusion Models for PDE-Constrained Generation

物理约束下的扩散模型蒸馏用于PDE约束生成

Yi Zhang, Peng Wang, Difan Zou

机构 * University of Macau（澳门大学） 纠错

专题命中 效率与蒸馏 ：diffusion(title,abstract)

AI总结 本文提出PIDDM方法，通过后处理蒸馏强制PDE约束，提升生成模型对PDE的满足度，支持正向和反向问题求解及部分观测重建。

Comments 32 pages, 5 figures, 4 tables

Beyond Trajectory Matching: Reflow with Marginal Distribution Alignment

超越轨迹匹配：基于边缘分布对齐的Reflow方法

Chen Wang, Peiran Yun, Pan Xie, Ke Deng

机构 * Department of Statistics and Data Science, Tsinghua University（统计与数据科学系，清华大学） ； Department of Computer Science and Technology, Tsinghua University（计算机科学与技术系，清华大学） ； Bytedance Inc（字节跳动公司） 纠错

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

AI总结 针对扩散模型加速生成中轨迹匹配导致学生模型边缘分布不确定的问题，提出边缘对齐正则化，通过跟踪ODE对数密度变化并利用冻结教师模型评分计算，无需额外网络，有效提升少步生成质量。

X-Mind: Efficient Visual Chain-of-Thought via Predictive World Model for End-to-End Driving

X-Mind: 通过预测世界模型实现高效视觉思维链的端到端驾驶

Bohao Zhao, Chengrui Wei, Guangfeng Jiang, Ruixin Liu, Xuejie Lv, Liu Liang, Sutao Deng, Xiuyang Fan, Pengkun Zheng, Jinyun Zhou, Rui Guo, Hanpeng Liu, Yutong Zheng, Yi Guo, Xinlong Zheng, Qingyu Luo, Zhuangzhuang Ding, Yu Zhang, Hang Zhang, Xianming Liu

机构 * XPeng Inc.（小鹏汽车） 纠错

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

AI总结 提出X-Mind框架，将预测世界模型内化为视觉思维链，通过紧凑的草图表示和循环块扩散方案，实现高效、低延迟的端到端驾驶策略。

Dual-End Consistency Model

双端一致性模型

Linwei Dong, Ruoyu Guo, Ge Bai, Zehuan Yuan, Yawei Luo, Changqing Zou

机构 * Zhejiang University（浙江大学） ； Bytedance Inc.（字节跳动公司） ； Zhejiang Lab（浙江实验室） 纠错

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

AI总结 本文提出双端一致性模型，通过选择关键子轨迹集群解决训练不稳定和采样灵活性问题，实现稳定高效的生成。

Comments ECCV 2026

CRPS-LAM: Probabilistic Regional Weather Forecasting with Continuous Ranked Probability Score

CRPS-LAM：基于连续排名概率评分的概率区域天气预报

Erik Larsson, Joel Oskarsson, Tomas Landelius, Fredrik Lindsten

机构 * Linköping University（林雪平大学） ； ETH AI Center（苏黎世联邦理工学院人工智能中心） ； SMHI（瑞典气象和水文研究所） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出CRPS-LAM，一种结合CNN和GNN的混合架构，用于高效准确的区域天气预测，通过连续排名概率评分目标实现快速训练和采样，相比扩散模型基线提速约39倍。

Comments Preprint

Stochastic and Non-local Closure Modeling for Nonlinear Dynamical Systems via Latent Score-based Generative Models

通过潜在分数生成模型实现非线性动力系统中随机和非局部闭合建模

Xinghao Dong, Huchen Yang, Jin-Long Wu

机构 * University of Wisconsin-Madison（威斯康星大学麦迪逊分校） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出一种基于潜在分数生成模型的框架，用于学习非线性动力系统中的随机和非局部闭合模型，通过联合训练卷积自编码器和条件扩散模型，减少采样维度并保持物理特性，提升计算效率。

Journal ref Journal of Computational Physics 563 (2026) 115082