图像生成

Two-Step Diffusion: Fast Sampling and Reliable Prediction for 3D Keller--Segel and KPP Equations in Fluid Flows

两步扩散：用于流体流动中3D凯勒-塞格尔和KPP方程快速采样和可靠预测的方法

Zhenda Shen, Zhongjian Wang, Jack Xin, Zhiwen Zhang

专题命中 效率与蒸馏 ：diffusion(title)

AI总结 本文提出两步扩散方法，用于在流体流动中快速且可靠地解决3D凯勒-塞格尔和KPP方程的采样与预测问题。

Comments 40 pages, 17 figures, 4 tables. Preprint

Diffusion at Absolute Zero: Langevin Sampling using Successive Moreau Envelopes [journal paper]

Andreas Habring, Alexander Falk, Martin Zach, Thomas Pock

专题命中 效率与蒸馏 ：diffusion(title)

Parallel Simulation for Log-concave Sampling and Score-based Diffusion Models

Huanjian Zhou, Masashi Sugiyama

机构 * Center for Advanced Intelligence Project, RIKEN（RIKEN先进人工智能项目中心） ； The University of Tokyo（东京大学） 纠错

专题命中 效率与蒸馏 ：diffusion(title)

Comments Accepted to ICML2025 and this version corrects errors from the previous submission

Implicit Diffusion: Efficient Optimization through Stochastic Sampling

Pierre Marion, Anna Korba, Peter Bartlett, Mathieu Blondel, Valentin De Bortoli, Arnaud Doucet, Felipe Llinares-López, Courtney Paquette, Quentin Berthet

专题命中 效率与蒸馏 ：diffusion(title)

Comments 40 pages, 18 figures. Accepted to AISTATS 2025

Sampling and Integration of Logconcave Functions by Algorithmic Diffusion

Yunbum Kook, Santosh S. Vempala

专题命中 效率与蒸馏 ：diffusion(title)

Comments 60 pages, 1 figure

Efficient computation of the Wright function and its applications to fractional diffusion-wave equations

Lidia Aceto, Fabio Durastante

专题命中 效率与蒸馏 ：diffusion(title)

Journal ref ESAIM: M2AN Volume 56, Number 6, November-December 2022, 2181-2196

Deep learning methods for Hamiltonian parameter estimation and magnetic domain image generation in twisted van der Waals magnets

Woo Seok Lee, Taegeun Song, Kyoung-Min Kim

专题命中 效率与蒸馏 ：image generation(title)

On the Convergence of Locally Adaptive and Scalable Diffusion-Based Sampling Methods for Deep Bayesian Neural Network Posteriors

Tim Rensmeyer, Oliver Niggemann

专题命中 效率与蒸馏 ：diffusion(title)

Score-Based Diffusion meets Annealed Importance Sampling

Arnaud Doucet, Will Grathwohl, Alexander G. D. G. Matthews, Heiko Strathmann

专题命中 效率与蒸馏 ：diffusion(title)

Comments accepted at NeurIPS 2022

Spikyball sampling: Exploring large networks via an inhomogeneous filtered diffusion

Benjamin Ricaud, Nicolas Aspert, Volodymyr Miz

专题命中 效率与蒸馏 ：diffusion(title)

Efficient second-order semi-implicit finite element method for fourth-order nonlinear diffusion equations

Sana Keita, Abdelaziz Beljadid, Yves Bourgault

专题命中 效率与蒸馏 ：diffusion(title)

Propagation acceleration in reaction diffusion equations with anomalous diffusions

Jérôme Coville, Changfeng Gui, Mingfeng Zhao

专题命中 效率与蒸馏 ：diffusion(title)

Particle diffusion and localized acceleration in inhomogeneous AGN jets - Part II: stochastic variation

Xuhui Chen, Martin Pohl, Markus Böttcher, Shan Gao

专题命中 效率与蒸馏 ：diffusion(title)

Comments 12 pages, 9 figures, accepted for publication on MNRAS

A Biologically Inspired Model of Distributed Online Communication Supporting Efficient Search and Diffusion of Innovation

Soumya Banerjee

专题命中 效率与蒸馏 ：diffusion(title)

Comments 16 pages, 1 figure

Efficient Computation of the Quasi Likelihood function for Discretely Observed Diffusion Processes

Lars Josef Höök, Erik Lindström

专题命中 效率与蒸馏 ：diffusion(title)

Efficient Monte Carlo methods for simulating diffusion-reaction processes in complex systems

Denis Grebenkov

专题命中 效率与蒸馏 ：diffusion(title)

Small-Angle Scattering and Diffusion: Application to Relativistic Shock Acceleration

R. J. Protheroe, A. Meli, A. -C Donea

专题命中 效率与蒸馏 ：diffusion(title)

Comments 4 pages, 2 figures, proceedings of World Space Environment Forum (WSEF2002) to appear in Space Science Reviews, accepted

Bifurcation, efficiency, and the role of injection in shock acceleration with the Bohm diffusion

M. A. Malkov

专题命中 效率与蒸馏 ：diffusion(title)

Comments 24 pages, 8 PostScript figures, uses aasms4.sty, to appear in Dec. 20, 1997 issue ApJ, vol. 491

XYZFlow:Scaling Multi dimensional Shortcut Flows for Efficient Generative Modeling

XYZFlow：用于高效生成建模的多维捷径流缩放方法

Jinxiu Liu, Xuanming Liu, Kangfu Mei, Yandong Wen, Weiyang Liu

机构 * CUHK（香港中文大学） ； Westlake University（西湖大学） ； Johns Hopkins University（约翰斯·霍普金斯大学） 纠错

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

AI总结 XYZFlow框架通过流匹配的多维缩放实现高效图像生成，兼具7.2-8.5倍的教师模型速度提升与竞争力FID，其下一捷径预测可实现更优的质量-延迟权衡。

Comments ICML 2026 (16 pages, 5 figures)

Exploring Sparsity for Parameter Efficient Fine Tuning Using Wavelets for Vision

探索用于视觉参数高效微调的小波稀疏性

Ahmet Bilican, M. Akın Yılmaz, A. Murat Tekalp, R. Gökberk Cinbiş

机构 * Dept. of Electrical and Electronics Engineering, Koç University（电子工程系，科奇大学） ； Codeway AI Research（Codeway人工智能研究） ； Dept. of Computer Engineering, Middle East Technical University（计算机工程系，中东技术大学） 纠错

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

AI总结 该研究提出小波微调（WaveFT），利用权重矩阵小波域的稀疏更新实现细粒度参数控制，在视觉任务的参数高效微调方法中达最优，已纳入Hugging Face PEFT库。

FlowErase-OPD: Multi-Concept Erasure via Anchored On-Policy Distillation in Flow Matching Models

FlowErase-OPD：基于流匹配模型中锚定在线策略蒸馏的多概念擦除方法

Yi Sun, Yimin Zhou, Xinhao Zhong, Zhiqi Zhang, Junhao Li, Bin Chen

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

AI总结 FlowErase-OPD是基于在线策略蒸馏的多概念擦除框架，通过引入AMTD和ARC缓解擦除与生成能力的权衡，在多概念擦除任务中实现了优于现有方法的性能，且模型鲁棒性较强。

Parallel Decoding Distillation for Fast Image and Video Generation

用于快速图像和视频生成的并行解码蒸馏

Neta Shaul, Chao Liu, Arash Vahdat, Julius Berner

机构 * NVIDIA（英伟达） ； Weizmann Institute of Science（魏茨曼科学研究所） 纠错

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

AI总结 针对视频扩散或流模型生成计算昂贵问题，提出并行解码蒸馏方法PDD，兼容预训练模型，通过预测多去噪步骤加速生成，在多个数据集上达SOTA性能，提升视频多样性。

VQ-Touch: A Data-Efficient Tactile Generation Framework Across Sensors and Scenarios

VQ-Touch：一种跨传感器和场景的数据高效触觉生成框架

Kailin Lyu, Long Xiao, Jianing Zeng, Di Wu, Lin Shu, Jie Hao

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

AI总结 研究旨在解决现有触觉生成方法依赖特定传感器数据集且泛化能力不足的问题。提出VQ-Touch框架，含DM-VQGAN提取特征及离散扩散解码器支持多模态生成，经少样本混合训练增强泛化能力，实验显示其在多任务中超越现有方法。

Comments 6 pages, 5 figures

DanceOPD: On-Policy Generative Field Distillation

DanceOPD：在策略生成场蒸馏

Wei Zhou, Xiongwei Zhu, Zelin Xu, Bo Dong, Lixue Gong, Yongyuan Liang, Meng Chu, Leigang Qu, Lingdong Kong, Wei Liu, Tat-Seng Chua

机构 * ByteDance Seed（字节跳动Seed） ； NUS（新加坡国立大学） ； UMD（马里兰大学） ； HKUST（香港科技大学） 纠错

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

AI总结 提出DanceOPD框架，通过将每个样本路由到能力场并查询低噪声学生诱导状态，用速度MSE损失训练流匹配模型，实现文本到图像、局部编辑和全局编辑的多能力组合，提升目标能力同时保持生成质量。

Comments Technical Report; 40 pages, 13 figures, 9 tables; Project Page at https://danceopd.github.io/ GitHub Repo at https://github.com/worldbench/DanceOPD

Rethinking Visual Autoregressive Sampling with Information-Grounding Guidance

基于信息基础引导的视觉自回归采样再思考

Ky Dan Nguyen, Hoang Lam Tran, Anh-Dung Dinh, Daochang Liu, Weidong Cai, Xiuying Wang, Chang Xu

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

AI总结 研究基于下一尺度预测的自回归模型在图像生成中因信息不一致致引导信号分散问题，提出信息基础引导（IGG）框架，通过动态加权将引导锚定到语义重要令牌，在相关任务中生成更优图像，有效纠正基于AR的方法。

Comments Accepted to The Forty-Third International Conference on Machine Learning (ICML 2026); 15 pages, 7 figures

Perceptual Flow Matching for Few-Step Generative Modeling

用于少步生成建模的感知流匹配

Chuyang Zhao, Yifei Song, Hongfa Wang, Jianlong Yuan, Yuan Zhang, Siming Fu, Zhineng Chen, Huilin Deng, Haoyang Huang, Nan Duan

机构 * Joy Future Academy（京东探索研究院） ； Fudan University（复旦大学） ； Tsinghua University（清华大学） ； USTC（中国科学技术大学） 纠错

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

AI总结 提出感知流匹配框架，在感知特征空间监督流匹配，改进少步生成能力，减少采样步骤，无需教师模型和辅助分数网络，实验表明其能产生高质量结果。

Alleviating Sparse Rewards by Modeling Step-Wise and Long-Term Sampling Effects in Flow-Based GRPO

通过在基于流的GRPO中对逐步和长期采样效应建模来缓解稀疏奖励

Yunze Tong, Mushui Liu, Canyu Zhao, Didi Zhu, Wanggui He, Shiyi Zhang, Hongwei Zhang, Peng Zhang, Jinlong Liu, Hao Jiang

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

AI总结 研究在基于流的GRPO中缓解奖励稀疏问题，提出TurningPoint-GRPO框架，用逐步增量奖励替代基于结果的奖励，识别转折点并赋予长期奖励，有效利用奖励信号提升图像生成效果。

Comments Accepted by ICML

Don't Settle at the Mode! Mitigating Diversity Collapse in Pretrained Flow Models via Feature Self-Guidance

不要停留在众数！通过特征自引导缓解预训练流模型中的多样性坍塌

Pradhaan S Bhat, Rishubh Parihar, Abhijnya Bhat, R. Venkatesh Babu

机构 * Indian Institute of Science（印度科学研究所） ； Stanford University（斯坦福大学） 纠错

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

AI总结 提出一种无需训练的自引导机制，通过分散批次生成中的内部特征并施加流形正则化，在几乎不增加推理成本的前提下缓解预训练流模型的多样性坍塌问题。

Comments Accepted by ECCV 2026. Project page: https://dont-settle-at-the-mode.github.io/

FlowCodec: One-Step Flow Prior for Generative Image Compression

FlowCodec: 用于生成式图像压缩的一步流先验

Yinhuan Huang, Hao Cao, Pu chen, Wenqi Guo, Zhijin Qin

机构 * Tsinghua University（清华大学） 纠错

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

AI总结 提出FlowCodec框架，将预训练的大规模文本到图像先验嵌入超低比特率编解码器，通过解耦的潜在压缩和单步潜在传输实现高质量压缩，无需额外条件信号或辅助网络。

Keep The Essentials: Efficient Reference Conditioned Generation via Token Dropping

保留精华：通过令牌丢弃实现高效的参考条件生成

Rishubh Parihar, Ayush Raina, R. Venkatesh Babu, Or Patashnik

机构 * IISc Bangalore（印度科学研究所班加罗尔分校） ； Tel Aviv University（特拉维夫大学） 纠错

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

AI总结 提出Sparse Context方法，通过丢弃大部分参考令牌并微调模型，实现参考条件生成中4倍（多参考）和2倍（单参考）的推理加速，且不降低视觉质量。

Comments Project Page: https://sparsecontext.github.io