图像生成

Fast determinantal sampling on general spaces and diffusion geometry

一般空间上的快速行列式采样与扩散几何

Hoang-Son Tran, Pranav Gupta, Subhroshekhar Ghosh

机构 * National University of Singapore（国立新加坡大学） 纠错

专题命中 效率与蒸馏 ：diffusion(title,abstract)

AI总结 研究在一般空间（如黎曼流形和加权网络）上的行列式采样，基于谱核建立明确速率保证，实现与可比维度欧几里得空间已知速率匹配，借助韦尔定律及马尔可夫扩散等理论工具。

Comments Preliminary version - to be updated

Dynamic-in-Few-Step: Unifying Dynamic Computation and Few-Step Distillation for Efficient Video Generation

动态少步长：统一动态计算与少步长蒸馏以实现高效视频生成

Yu Cheng, Siyue Yao, Zhongang Qi, Shanyan Guan, Wei Li, Fajie Yuan

机构 * Zhejiang University（浙江大学） ； Westlake University（西湖大学） ； BlueImage, vivo（蓝城图像，维沃） ； Xian Jiaotong-Liverpool University（西交利物浦大学） 纠错

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

AI总结 针对视频扩散模型计算成本高问题，提出将动态结构稀疏化融入蒸馏过程的加速框架，联合优化去噪步骤与模型稀疏性，引入相关策略和机制确保训练稳定，开发推理引擎，有效提升效率且保持生成质量。

Allo{SR}$^2$: Rectifying One-Step Super-Resolution to Stay Real via Allomorphic Generative Flows

Allo{SR}$^2$: 通过全形生成流纠正一步超分辨率以保持真实

Zihan Wang, Xudong Huang, Junbo Qiao, Wei Li, Jie Hu, Xinghao Chen, Shaohui Lin

机构 * East China Normal University Huawei Noah's Ark Lab（华东师范大学华为诺亚实验室） 纠错

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

AI总结 本文提出Allo{SR}$^2$，通过全形生成流纠正一步超分辨率轨迹，以维持高保真生成现实。方法利用SNR引导轨迹初始化和FATC确保稳定路径，同时通过ATM策略减少分布差异，实验证明其在真实世界超分辨率中表现优异。

Comments Accepted to ECCV 2026

When Distillation Breaks Motion Control: Restoring Generative Trajectories for Fast Video Generators

当蒸馏破坏运动控制时：恢复快速视频生成器的生成轨迹

Jintao Rong, Xin Xie, Xinyi Yu, Linlin Ou, Xinyu Zhang, Chunhua Shen, Dong Gong

机构 * Zhejiang University of Technology（浙江工业大学） ； University of New South Wales (UNSW Sydney)（新南威尔士大学（悉尼）） ； University of Auckland（奥克兰大学） ； Zhejiang University（浙江大学） 纠错

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

AI总结 研究免训练运动定制应用于蒸馏视频生成器的问题，提出MotionEcho框架，通过推理时用高质量扩散教师模型校正学生模型采样轨迹，实现准确运动控制，提升运动保真度和视觉质量，且保留蒸馏生成效率优势。

Comments Project page: https://euminds.github.io/motionecho/

VS-Graph: Scalable and Efficient Graph Classification Using Hyperdimensional Computing

VS-Graph: 基于超维度计算的可扩展高效图分类

Hamed Poursiami, Shay Snyder, Guojing Cong, Thomas Potok, Maryam Parsa

机构 * Department of Electrical and Computer Engineering, George Mason University, Fairfax, VA, USA（电气与计算机工程系，乔治·马歇尔大学，弗吉尼亚州 Fairfax） ； Oak Ridge National Laboratory, Oak Ridge, TN, USA（橡树岭国家实验室，橡树岭，田纳西州） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 VS-Graph通过超维度计算实现高效图分类，在保持性能的同时显著提升训练速度。