Few-Shot Defect Image Generation via Defect-Aware Feature Manipulation
专题命中 效率与蒸馏 ：image generation(title,abstract)；分类 cs.CV
Comments Accepted by AAAI 2023
视觉与机器人
图像生成
图像生成、文生图、图像编辑、扩散模型和可控生成。
1. 效率与蒸馏 2537 篇
A Comprehensive Survey on Data-Efficient GANs in Image Generation
专题命中 效率与蒸馏 ：image generation(title)；image synthesis(abstract)；分类 cs.CV
Comments Under review
PixelFolder: An Efficient Progressive Pixel Synthesis Network for Image Generation
专题命中 效率与蒸馏 ：image generation(title,abstract)；分类 cs.CV
Comments Accepted by ECCV2022. The code is available at https://github.com/BlingHe/PixelFolder
D3T-GAN: Data-Dependent Domain Transfer GANs for Few-shot Image Generation
专题命中 效率与蒸馏 ：image generation(title,abstract)；分类 cs.CV
Towards performant and reliable undersampled MR reconstruction via diffusion model sampling
专题命中 效率与蒸馏 ：diffusion(title,abstract)；分类 cs.CV
Autoregressive Image Generation using Residual Quantization
专题命中 效率与蒸馏 ：image generation(title,abstract)；分类 cs.CV
Comments 30 pages, 24 figures, accepted by CVPR 2022, the code is available at https://github.com/kakaobrain/rq-vae-transformer
Learning Generative Vision Transformer with Energy-Based Latent Space for Saliency Prediction
专题命中 效率与蒸馏 ：generative vision(title,abstract)；分类 cs.CV
Comments NeurIPS 2021
Adversarial score matching and improved sampling for image generation
专题命中 效率与蒸馏 ：image generation(title,abstract)；分类 cs.CV
Comments Code at https://github.com/AlexiaJM/AdversarialConsistentScoreMatching
TinyGAN: Distilling BigGAN for Conditional Image Generation
专题命中 效率与蒸馏 ：image generation(title,abstract)；分类 cs.CV
Comments accepted by ACCV 2020
Incorporating Reinforced Adversarial Learning in Autoregressive Image Generation
专题命中 效率与蒸馏 ：image generation(title,abstract)；分类 cs.CV
Comments Accepted to ECCV 2020
Lifelong GAN: Continual Learning for Conditional Image Generation
专题命中 效率与蒸馏 ：image generation(title,abstract)；分类 cs.CV
Comments accepted to ICCV 2019
Toward Joint Image Generation and Compression using Generative Adversarial Networks
专题命中 效率与蒸馏 ：image generation(title,abstract)；分类 cs.CV
Multi-Stage Variational Auto-Encoders for Coarse-to-Fine Image Generation
专题命中 效率与蒸馏 ：image generation(title,abstract)；分类 cs.CV
An Optimal Dimensionality Multi-shell Sampling Scheme with Accurate and Efficient Transforms for Diffusion MRI
专题命中 效率与蒸馏 ：diffusion(title,abstract)；分类 cs.CV
Comments 4 pages, 4 figures presented at ISBI 2017
Causal-Story: Local Causal Attention Utilizing Parameter-Efficient Tuning For Visual Story Synthesis
专题命中 效率与蒸馏 ：text-to-image(abstract)；diffusion(abstract)；image synthesis(abstract)；分类 cs.CV、cs.MM
Comments Accepted by 2024 International Conference on Acoustics, Speech and Signal Processing(ICASSP 2024)
Efficient Image Restoration with State-Dependent Forward Diffusion
基于状态依赖正向扩散的高效图像复原
专题命中 效率与蒸馏 ：diffusion(title,abstract)
AI总结 该研究提出状态依赖均值回复正向扩散（FoD）框架，以单正向扩散过程实现高效图像复原，其含状态依赖SDE，可少步采样，在多类图像复原任务上性能优于多种对比方法。
Comments Accepted by TMLR. Project page: https://algolzw.github.io/fod
A Tale of Two Temperatures: Simple, Efficient, and Diverse Sampling from Diffusion Language Models
双温度的故事：从扩散语言模型中实现简单、高效且多样的采样
机构 * Massachusetts Institute of Technology（麻省理工学院） ； UvA-Bosch Delta Lab, University of Amsterdam（阿姆斯特丹大学UvA-Bosch Delta实验室） ； Johns Hopkins University（约翰霍普金斯大学） ； University of California, Irvine（加州大学尔湾分校）
专题命中 效率与蒸馏 ：diffusion(title,abstract)
AI总结 本文提出通过温和的温度化方法提升扩散语言模型采样多样性，实现高效且多样化的样本生成，优于现有方法。
Comments V2: accepted as a full conference paper at COLM
OPTD: On-Policy Transition Distillation with Consistency-Guided Adaptive Compression for Few-Step Diffusion Language Models
OPTD：用于少步扩散语言模型的一致性引导自适应压缩的策略内转换蒸馏
机构 * HKUST（香港科技大学）
专题命中 效率与蒸馏 ：diffusion(title,abstract)
AI总结 针对少步扩散语言模型现有离线策略蒸馏的轨迹不匹配问题，提出 OPTD 策略内转换蒸馏方法，在四个推理基准上改善质量效率权衡并取得最优质量约束 AUP。
Comments 9 pages, 4 figures, 5 tables
Provable diffusion-based posterior sampling for linear inverse problems via DDIM
通过 DDIM 实现线性逆问题的可证明基于扩散的后验采样
专题命中 效率与蒸馏 ：diffusion(title,abstract)
AI总结 该研究针对线性逆问题，提出\pddim算法，通过对标准DDIM更新进行轻量级逐坐标修改并纳入测量模型，沿测量算子奇异方向分别采样。此算法收敛到贝叶斯后验，在图像恢复任务中性能优于现有方法，实现高效且具后验一致性。
DiffAxE: Diffusion-driven Hardware Accelerator Generation and Design Space Exploration
DiffAxE：扩散驱动的硬件加速器生成与设计空间探索
专题命中 效率与蒸馏 ：diffusion(title)；image synthesis(abstract)
AI总结 针对硬件加速器设计空间探索难题，传统方法有局限。本文提出生成方法，将硬件设计建模为基于目标性能的一维图像合成，能有效学习相关映射，在降低生成误差、提升性能及加速搜索等方面有显著贡献。
Comments Accepted at ICCAD 2026
Tensor-Train Joint Modeling for Few-Step Discrete Diffusion
用于少步离散扩散的张量训练联合建模
机构 * KAIST（韩国科学技术院）
专题命中 效率与蒸馏 ：diffusion(title,abstract)
AI总结 研究离散扩散少步生成潜力受限问题，用张量分解进行联合分布建模，支持多种分解方式，提出迭代边际推理程序，通过微调预训练模型大幅提升少步生成效果。
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
机构 * National University of Singapore（国立新加坡大学）
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
Few-Step Diffusion Language Models via Trajectory Self-Distillation
通过轨迹自蒸馏实现少步扩散语言模型
机构 * Rutgers University（罗格斯大学） ； Red Hat AI Innovation（红帽AI创新） ； MIT-IBM Watson AI Lab（麻省理工-IBM沃森人工智能实验室）
专题命中 效率与蒸馏 ：diffusion(title,abstract)
AI总结 本文提出通过轨迹自蒸馏框架训练少步学生模型，以匹配全步教师的生成轨迹，从而减少解码步骤带来的输出质量下降，并结合DDO提升推理任务性能。
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
机构 * Microsoft Research AI for Science（微软研究院人工智能科学部）
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
机构 * University of Macau（澳门大学）
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
Data-Efficient Autoregressive-to-Diffusion Language Models via On-Policy Distillation
数据高效的自回归到扩散语言模型通过策略内蒸馏
机构 * Department of Computer Science and Engineering, Texas A&M University（德克萨斯大学阿马尔科分校计算机科学与工程系） ； Department of Bioinformatics and Systems Medicine, University of Texas Health Science Center at Houston（德克萨斯大学健康科学中心休斯顿分校生物信息学与系统医学系） ； Department of Electrical and Computer Engineering, Texas A&M University（德克萨斯大学阿马尔科分校电气与计算机工程系）
专题命中 效率与蒸馏 ：diffusion(title,abstract)
AI总结 提出策略内扩散语言模型（OPDLM），通过策略内蒸馏将自回归模型转换为扩散语言模型，解决分布偏移和训练-推理不匹配问题，实现15倍至7000倍更少训练数据下的强性能。
A New Perspective on Reverse Diffusion for Monte Carlo Sampling
蒙特卡洛采样中反向扩散的新视角
专题命中 效率与蒸馏 ：diffusion(title,abstract)
AI总结 提出一种无需时间离散化和分数估计的反向扩散采样方法，通过嵌入目标密度到有限时域扩散过程的初始边际，并基于Radon-Nikodym导数推导出两类并行化MCMC算法，有效处理多模态和复杂依赖结构。
Optimal sampling design for global approximation of jump diffusion SDEs
全局近似跳扩散随机微分方程的最优采样设计
专题命中 效率与蒸馏 ：diffusion(title,abstract)
AI总结 本文研究了由非齐次泊松过程和维纳过程驱动的随机微分方程的强全局近似问题，通过分析跳扩散系数满足跳跃交换条件时，基于有限观测的采样方法的最小误差收敛率，并提出基于经典米尔斯坦方案的最优方法，证明非等距采样方法比等距采样方法更高效。
Langevin Diffusion for Population Based Sampling with an Application in Bayesian Inference for Pharmacodynamics
基于朗之万扩散的群体采样算法及其在药动学贝叶斯推断中的应用
专题命中 效率与蒸馏 ：diffusion(title,abstract)
AI总结 本文提出一种结合曼陀罗Metropolis调整朗之万过渡核和群体采样算法优势的高效鲁棒采样算法，用于贝叶斯推断中的后验分布采样，展示了其在药动学模型参数后验分布计算中的应用优势。
Self-Imitated Diffusion Policy for Efficient and Robust Visual Navigation
自模仿扩散策略用于高效鲁棒的视觉导航
机构 * Uni-Ubi Technology Co., Ltd.（Uni-Ubi技术有限公司） ； College of Control Science and Engineering, Zhejiang University（浙江大学控制科学与工程学院）
专题命中 效率与蒸馏 ：diffusion(title,abstract)
AI总结 提出自模仿扩散策略（SIDP），通过奖励引导的自模仿机制和课程学习范式，减少对大量采样和后过滤的依赖，实现高效鲁棒的视觉导航。
Comments Preprint
