图像生成

A Quantitative Evaluation of Score Distillation Sampling Based Text-to-3D

Xiaohan Fei, Chethan Parameshwara, Jiawei Mo, Xiaolong Li, Ashwin Swaminathan, CJ Taylor, Paolo Favaro, Stefano Soatto

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

Bellman Optimal Stepsize Straightening of Flow-Matching Models

Bao Nguyen, Binh Nguyen, Viet Anh Nguyen

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

Comments 21 pages, 14 figures

Efficient Deformable ConvNets: Rethinking Dynamic and Sparse Operator for Vision Applications

Yuwen Xiong, Zhiqi Li, Yuntao Chen, Feng Wang, Xizhou Zhu, Jiapeng Luo, Wenhai Wang, Tong Lu, Hongsheng Li, Yu Qiao, Lewei Lu, Jie Zhou, Jifeng Dai

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

Comments Tech report; Code: https://github.com/OpenGVLab/DCNv4

BRICS: Bi-level feature Representation of Image CollectionS

Dingdong Yang, Yizhi Wang, Ali Mahdavi-Amiri, Hao Zhang

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

Diversified in-domain synthesis with efficient fine-tuning for few-shot classification

Victor G. Turrisi da Costa, Nicola Dall'Asen, Yiming Wang, Nicu Sebe, Elisa Ricci

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

Comments 14 pages, 6 figures, 8 tables

Efficient-3DiM: Learning a Generalizable Single-image Novel-view Synthesizer in One Day

Yifan Jiang, Hao Tang, Jen-Hao Rick Chang, Liangchen Song, Zhangyang Wang, Liangliang Cao

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

Consistency Models

Yang Song, Prafulla Dhariwal, Mark Chen, Ilya Sutskever

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

Comments ICML 2023

ConES: Concept Embedding Search for Parameter Efficient Tuning Large Vision Language Models

Huahui Yi, Ziyuan Qin, Wei Xu, Miaotian Guo, Kun Wang, Shaoting Zhang, Kang Li, Qicheng Lao

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

Exploration into Translation-Equivariant Image Quantization

Woncheol Shin, Gyubok Lee, Jiyoung Lee, Eunyi Lyou, Joonseok Lee, Edward Choi

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

Comments ICASSP 2023

CooGAN: A Memory-Efficient Framework for High-Resolution Facial Attribute Editing

Xuanhong Chen, Bingbing Ni, Naiyuan Liu, Ziang Liu, Yiliu Jiang, Loc Truong, Qi Tian

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

Journal ref European Conference on Computer Vision(ECCV) 2020

Normalizing Flows with Multi-Scale Autoregressive Priors

Shweta Mahajan, Apratim Bhattacharyya, Mario Fritz, Bernt Schiele, Stefan Roth

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

Comments To appear in CVPR 2020

High-Fidelity Synthesis with Disentangled Representation

Wonkwang Lee, Donggyun Kim, Seunghoon Hong, Honglak Lee

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

CAAT: Contact-Aware Attention Scaling and Tactile Masking for Data-Efficient Contact-Rich Manipulation

CAAT：用于数据高效接触丰富型操作的接触感知注意力缩放与触觉掩码方法

Jiaming Jiang, Yuzhe Huang, Hao Liang, Pei Lin, Shengcheng Luo, Fanrong Dong, Jiaping Wu, Chenxi Xiao, Wanlin Li, Ziyuan Jiao

机构 * ShanghaiTech University（上海科技大学） ； Beihang University（北京航空航天大学） ； Beijing Institute for General Artificial Intelligence（北京通用人工智能研究院） ； Zhejiang University（浙江大学） ； BUPT（北京邮电大学） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract,abstract_cn)

AI总结 该研究针对接触丰富型操作中视觉-触觉策略缺乏接触感知先验的问题，提出CAAT框架，通过注意力缩放和动态触觉掩码提升策略性能，在仿真和真实实验中均显著优于现有方法。

Comments 11 pages, 6 figures

Provably Safe Generative Sampling with Constricting Barrier Functions

具有约束屏障函数的可证明安全生成采样

Darshan Gadginmath, Ahmed Allibhoy, Fabio Pasqualetti

机构 * Mechanical Engineering University of California, Riverside（机械工程 加州大学河滨分校） ； Electrical Engineering and Computer Science University of California, Irvine（电气工程与计算机科学 加州大学伊尔弗分校） 纠错

专题命中 效率与蒸馏 ：image generation(abstract)；diffusion(abstract)

AI总结 通过约束屏障函数实现安全生成采样，确保生成样本满足硬约束并保持语义保真度。

Comments 26 pages, 10 figures

Latent-Kernel Discrete Flow Maps for Few-Step Generation

用于少步生成的隐核离散流图

Mansoor Ahmed, Yue-Tsz Fan, Hemanth Venkateswara, Murray Patterson

专题命中 效率与蒸馏 ：diffusion(abstract,abstract_cn)

AI总结 提出隐核离散流图（LKF）模型，通过共享隐变量绑定分解组件实现少步生成，在两个文本基准上较似然基线提升困惑度2.1-3.3倍，M=8时优于现有少步采样器

BayesFP: Posterior Estimation for Flow-Based Policies via Feynman-Kac Sampling

BayesFP: 基于Feynman-Kac采样的流策略后验估计

Sreevardhan Sirigiri, Weiming Zhi, Fabio Ramos

机构 * School of Computer Science, The University of Sydney（悉尼大学计算机科学学院） ； Australian Centre For Robotics, The University of Sydney（悉尼大学澳大利亚机器人中心） ； College of Connected Computing, Vanderbilt University（范德堡大学互联计算学院） ； NVIDIA（英伟达） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract,abstract_cn)

AI总结 提出BayesFP框架，将预训练扩散/流匹配策略的约束轨迹生成视为贝叶斯后验采样，利用Feynman-Kac校正器实现无需重训练的推理时采样，在模拟和真实操作任务中提升零样本性能。

Accelerated PDE's for efficient solution of regularized inversion problems

加速的PDE用于解决正则化反问题的高效求解

Minas Benyamin, Jeff Calder, Ganesh Sundaramoorthi, Anthony Yezzi

专题命中 效率与蒸馏 ：diffusion(abstract)；inpainting(abstract)

AI总结 本文提出了一种新的PDE加速框架，通过将其应用于变分问题，为解决一类优化问题提供了高效的数值算法，特别关注正则化反问题的应用，如图像处理中的去噪、去模糊和修复。

OMP: One-step Meanflow Policy with Directional Alignment

OMP: 一步均值流策略与方向对齐

Han Fang, Yize Huang, Yuheng Zhao, Paul Weng, Xiao Li, Yutong Ban

机构 * School of Mechanical Engineering, Shanghai Jiao Tong University, Shanghai, China（上海交通大学机械工程学院） ； Global College, Shanghai Jiao Tong University, Shanghai, China（上海交通大学全球学院） ； Duke Kunshan University, Jiangsu, China（杜克昆山大学） 纠错

专题命中 效率与蒸馏 ：image generation(abstract)；diffusion(abstract)

AI总结 提出一步均值流策略（OMP），通过方向对齐机制和微分推导方程解决均值流在机器人操作中的谱偏差和梯度饥饿问题，实现高保真实时操控。

Comments Accepted as poster of ICML-2026

Efficient Weighted Sampling via Score-based Generative Models

基于分数生成模型的高效加权采样

Heasung Kim, Taekyun Lee, Hyeji Kim, Gustavo de Veciana

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract,abstract_cn)

AI总结 提出一种无需训练的加权采样框架，通过轻量级引导近似和不确定性感知调度器，在预训练分数生成模型上实现高效、稳定的采样，并在大规模设置中取得1.2至4.7倍加速。

Comments 37 pages

Aligning Few-Step Generative Models by Amortizing Sample-based Variational Inference

通过摊销基于样本的变分推断来对齐少步生成模型

Jaewoo Lee, Hyeongyu Kang, Dohyun Kim, Kyuil Sim, Woocheol Shin, Minsu Kim, Taeyoung Yun, Jeongjae Lee, Sanghyeok Choi, Tabitha Edith Lee, Jong Chul Ye, Jinkyoo Park

机构 * KAIST（韩国科学技术院） ； MongooseAI ； Mila – Quebec AI Institute（魁北克AI研究院） ； University of Edinburgh（爱丁堡大学） ； Université de Montréal（蒙特利尔大学） ； Omelet 纠错

专题命中 效率与蒸馏 ：text-to-image(abstract)；image synthesis(abstract)

AI总结 提出FAV框架，利用Stein变分梯度下降进行基于样本的变分推断，并通过固定点回归将粒子更新摊销到生成器参数中，实现对少步生成模型的对齐，在机器人操作和图像生成任务中优于现有方法。

Comments Under review

Training-Free Generative Sampling via Moment-Matched Score Smoothing

无需训练的生成采样 via 动量匹配的分数平滑

Zhenyu Yao, Daniel Paulin

机构 * College of Computing and Data Science（计算与数据科学学院） ； Nanyang Technological University（南洋理工大学） 纠错

专题命中 效率与蒸馏 ：image generation(abstract)；diffusion(abstract)

AI总结 本文提出无需训练的动量匹配分数平滑过阻尼兰格-恩斯坦动力学（MM-SOLD），通过在采样轨迹中强制目标动量，实现高效的训练自由采样，实验显示其在CPU上能快速稳健地生成高质量样本。

Comments 35 pages

HardFlow: Hard-Constrained Sampling for Flow-Matching Models via Trajectory Optimization

HardFlow: 通过轨迹优化实现流匹配模型的硬约束采样

Zeyang Li, Kaveh Alim, Navid Azizan

机构 * Massachusetts Institute of Technology（麻省理工学院） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)；image editing(abstract)

AI总结 本文提出HardFlow框架，通过轨迹优化解决流匹配模型中硬约束采样问题，利用数值最优控制确保终端时间满足约束，并在统一框架下提升样本质量。

Score Distillation Beyond Acceleration: Generative Modeling from Corrupted Data

生成模型从损坏数据中学习：超越加速的分数蒸馏

Yasi Zhang, Tianyu Chen, Zhendong Wang, Ying Nian Wu, Mingyuan Zhou, Oscar Leong

机构 * University of California, Los Angeles（加州大学洛杉矶分校） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Microsoft AI Superintelligence（微软人工智能超级智能） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)；inpainting(abstract)

AI总结 本文提出RSD框架，通过预训练腐蚀感知扩散教师模型并蒸馏出高效单步生成器，实现高保真生成模型，适用于图像修复、超分辨率等任务，实验显示在多个数据集上FID均优于传统方法。

Comments This paper merges DSD(Denoising Score Distillation) and RSD(Restoration Score Distillation)v1. Tianyu Chen and Yasi Zhang contributed equally; Oscar Leong and Mingyuan Zhou advised equally

TFTF: Training-Free Targeted Flow for Conditional Sampling

TFTF：无训练目标流用于条件采样

Qianqian Qu, Jun S. Liu

机构 * Zhili College, Tsinghua University, Beijing, China（清华大学紫荆学院） ； Department of Statistics and Data Science, Tsinghua University, Beijing, China（清华大学统计与数据科学系） ； Department of Statistics, Harvard University, Cambridge, MA, USA（哈佛大学统计系） 纠错

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

AI总结 TFTF通过引入随机流和重采样技术，实现无训练条件采样，提升高维和多模态场景下的生成效果。

Less is More: Resource-Efficient Low-Rank Adaptation

少即是多：资源高效的低秩适应

Chunlin Tian, Xuyang Wei, Huanrong Liu, Zhijiang Guo, Li Li

机构 * University of Macau（澳门大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） 纠错

专题命中 效率与蒸馏 ：image generation(abstract)；diffusion(abstract)

AI总结 EffiLoRA通过统一A矩阵和动态B矩阵更新，在多种模型中实现更高效且鲁棒的低秩适应。

Comments 18 pages, 7 figures

SineLoRA$Δ$: Sine-Activated Delta Compression

Cameron Gordon, Yiping Ji, Hemanth Saratchandran, Paul Albert, Simon Lucey

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

Comments Accepted by AAAI2026

Knowledge Distillation Detection for Open-weights Models

Qin Shi, Amber Yijia Zheng, Qifan Song, Raymond A. Yeh

机构 * Department of Statistics, Purdue University（普渡大学统计学系） ； Department of Computer Science, Purdue University（普渡大学计算机科学系） 纠错

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

Comments NeurIPS 2025

Modular MeanFlow: Towards Stable and Scalable One-Step Generative Modeling

Haochen You, Baojing Liu, Hongyang He

机构 * Graduate School of Arts and Sciences, Columbia University, New York, USA（哥伦比亚大学艺术与科学研究生院） ； Department of Computer Science, University of Warwick, Coventry, UK（沃里克大学计算机科学系） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)；image synthesis(abstract)

Comments Accepted as a conference paper at PRCV 2025

Continuous Semi-Implicit Models

Longlin Yu, Jiajun Zha, Tong Yang, Tianyu Xie, Xiangyu Zhang, S. -H. Gary Chan, Cheng Zhang

专题命中 效率与蒸馏 ：image generation(abstract)；diffusion(abstract)

Comments 26 pages, 8 figures, ICML 2025

Efficient Generative Modeling with Residual Vector Quantization-Based Tokens

Jaehyeon Kim, Taehong Moon, Keon Lee, Jaewoong Cho

专题命中 效率与蒸馏 ：image generation(abstract)；diffusion(abstract)

Comments ICML 2025