视觉与机器人
图像生成、文生图、图像编辑、扩散模型和可控生成。
Ms. Forcing：通过多尺度分块和注意力实现高效流视频生成
机构 * Brown University（布朗大学） ； Massachusetts Institute of Technology（麻省理工学院） ； Meta
专题命中 效率与蒸馏 ：diffusion(abstract)；分类 cs.CV
AI总结 研究针对流视频生成中传统方法的不足，提出Ms. Forcing范式，通过多尺度分块和注意力调整空间粒度，引入均匀噪声水平DMD减少不匹配，该方法提升了效率，在单个H200 GPU上性能显著优于Rolling Forcing。
ETC: 通过任务感知的视觉信息蒸馏实现视觉语言模型中的极端令牌压缩
机构 * School of Remote Sensing and Information Engineering, Wuhan University（武汉大学遥感与信息工程学院）
专题命中 效率与蒸馏 ：text-to-image(abstract)；分类 cs.CV
AI总结 提出ETC框架，基于变分信息蒸馏原理，在减少输入令牌数量时最小化任务损失，通过文本-图像交叉注意力加权视觉特征并引入变分信息蒸馏，实现单令牌压缩下仍保持强任务性能。
现代视觉语言模型中用于强像素级图像篡改检测的简单域泛化
机构 * Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； University College London（伦敦大学学院） ； Weizmann Institute of Science（魏茨曼科学研究所）
专题命中 效率与蒸馏 ：image generation(abstract)；分类 cs.CV
AI总结 研究现代视觉语言模型中像素级图像篡改检测的域泛化，提出基于平衡小批量采样和后期注入策略的简单训练框架，大幅提升平均gIoU和cIoU，增强了篡改定位和分布外鲁棒性。
Comments Our code is available at https://github.com/VILA-Lab/PIXAR-DG
生成常微分方程中积分误差的空间传输
机构 * Columbia University（哥伦比亚大学）
专题命中 效率与蒸馏 ：diffusion(abstract)；分类 cs.CV
AI总结 研究生成常微分方程中积分误差的空间传输问题，通过带符号的源和传输计算，利用单步截断残差和结构破坏零值等方法分析误差，还发现训练惩罚注入变化可降误差，模型可据此训练改变。
Comments 21 pages
从带草稿到无草稿：通过特权蒸馏和快速植入实现一步视频对象移除
机构 * Institute of Artificial Intelligence and Robotics, Xi’an Jiaotong University（西安交通大学人工智能与机器人研究所） ； SGIT AI Lab, State Grid Corporation of China（国家电网公司SGIT人工智能实验室） ； Zhejiang University of Technology（浙江工业大学） ； Baidu（百度）
专题命中 效率与蒸馏 ：diffusion(abstract)；分类 cs.CV
AI总结 研究视频对象移除问题，提出D2DF框架，通过特权蒸馏和自引导快速植入模块，将教师模型多步细化能力提炼到学生模型，实现一步视频对象移除，在质量和效率上优于传统及多步生成方法。
Comments Accepted by ECCV 2026
让它简单：视觉-语言-动作模型的单步动作生成
机构 * University of Science and Technology of China（中国科学技术大学） ； Shanghai Innovation Institute（上海创新研究院） ； Fudan University（复旦大学）
专题命中 效率与蒸馏 ：text-to-image(abstract)；分类 cs.CV
AI总结 针对视觉-语言-动作（VLA）模型，提出通过偏置训练时间分布至高频噪声状态，实现无需教师模型、蒸馏或辅助目标的单步动作生成，性能可匹配十步解码。
Comments 13 pages, 10 figures
用于快速视频生成的过渡匹配蒸馏
专题命中 效率与蒸馏 ：diffusion(abstract)；分类 cs.CV
AI总结 研究针对大型视频模型多步采样低效问题，提出过渡匹配蒸馏框架TMD，将扩散模型多步去噪轨迹与少步概率过渡过程匹配，分解扩散主干为组件，经实验验证TMD在速度和质量权衡上表现出色，优于现有蒸馏模型。
Journal ref Proc. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2026, pp. 4645-4655
M4V：用于高效文本到视频生成的多模态曼巴
机构 * Meituan（美团） ； University of Technology Sydney（技术大学悉尼分校） ； Beijing Jiaotong University（北京交通大学）
专题命中 效率与蒸馏 ：diffusion(abstract)；分类 cs.CV
AI总结 研究针对文本到视频生成计算量大的问题，引入多模态曼巴框架M4V。设计MM-DiM块，采用多模态令牌重新组合设计，增强时空一致性。实验表明，该框架能在降计算成本的同时生成高质量视频。
Comments CVPR 2026
OPSD-V：用于训练后少步自回归视频生成器的策略内自蒸馏
机构 * Meituan（美团） ； HKUST（香港科技大学） ； City University of Hong Kong（香港城市大学）
专题命中 效率与蒸馏 ：diffusion(abstract)；分类 cs.CV
AI总结 研究针对训练后少步自回归视频生成器存在的问题，提出OPSD-V策略内自蒸馏范式。通过引入真实长视频数据提供监督，学生和教师模型按特定方式运行，应用该范式于相关模型后，实验及用户研究表明其在多方面有改进且更受青睐。
Comments Project page: https://meigen-ai.github.io/OPSD-V ; Code: https://github.com/MeiGen-AI/OPSD-V
SAGA：自回归视频生成的稳定加速引导
机构 * University of Science, VNU-HCM（越南胡志明市国家大学） ； Vietnam National University（越南国家大学） ； University of Dayton（Dayton 大学）
专题命中 效率与蒸馏 ：diffusion(abstract)；分类 cs.CV
AI总结 研究自回归视频生成中因重复使用潜在变量致时间误差问题，提出SAGA方法，它整合加速域频谱引导目标与初始化策略，无需训练可直接用于现有模型，能提升时间质量、减少时间不稳定性并保持视觉保真度。
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
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）
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}$^2$: 通过全形生成流纠正一步超分辨率以保持真实
机构 * East China Normal University Huawei Noah's Ark Lab（华东师范大学华为诺亚实验室）
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
当蒸馏破坏运动控制时：恢复快速视频生成器的生成轨迹
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）
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/
用于参数高效多镜头长视频外推的提示适配器上下文路由
机构 * Instituto de Investigación en Visión Artificial（人工视觉研究所）
专题命中 效率与蒸馏 ：diffusion(abstract)；分类 cs.CV
AI总结 研究多镜头长视频外推问题，提出PACR-Video框架，通过冻结文本到视频扩散变换器，用低秩时间适配器及递归提示库增强，结合特定调优目标和调度，在多基准测试中优于多种基线，证明其能为长视频外推提供可控能力。
Comments 10 pages, 2 figures
用于高效人工智能生成图像质量评估的补丁知识转移
专题命中 效率与蒸馏 ：image generation(abstract)；分类 cs.CV
AI总结 针对人工智能生成图像质量评估任务，主流方法存在计算成本高或评估准确性差的问题，提出基于知识蒸馏的补丁知识转移（PKT）框架，设计双模型架构，实验表明该框架能降低计算成本并平衡模型效率与评估准确性。
Comments 13 pages. ICME26 Spotlight
用于Connectome 2.0扫描仪中人类灰质微结构量化的一种简化NEXI协议
机构 * Lausanne University Hospital (CHUV) and University of Lausanne（拉沃斯大学医院（CHUV）和拉沃斯大学） ； Massachusetts General Hospital（麻省总医院） ； Athinoula A. Martinos Center for Biomedical Imaging（阿提诺拉A.马丁诺斯生物医学成像中心）
专题命中 效率与蒸馏 ：diffusion(abstract)；分类 cs.CV
AI总结 本文提出一种简化NEXI协议，利用可解释AI框架减少扫描时间，验证了其在体内的有效性，并展示了其在微结构映射中的优势。
Comments Submitted to Imaging Neuroscience. This all-in-one version includes supplementary materials. 34 pages, 145 figures, 4 tables
通过自适应邻域学习和辅助正则化实现不平衡鲁棒且采样高效的连续条件生成对抗网络
机构 * School of Artificial Intelligence/School of Future Technology, Nanjing University of Information Science & Technology, Nanjing, China（人工智能学院/未来技术学院，南京信息科学技术大学） ； Perceptual and Generative AI Lab, Nanjing University of Information Science & Technology, Nanjing, China（感知与生成人工智能实验室，南京信息科学技术大学） ； College of Media, Zhejiang University, Hangzhou, China（传媒学院，浙江大学） ； College of Computer Science and Technology, Zhejiang University, Hangzhou, China（计算机科学与技术学院，浙江大学）
专题命中 效率与蒸馏 ：diffusion(abstract)；分类 cs.CV
AI总结 研究针对CcGAN固定大小邻域训练对标签密度敏感及CCDM计算昂贵问题，提出结合软/混合自适应邻域与辅助判别器引导正则化的CcGAN-AVAR，实验表明其能保持GAN采样效率，提升生成质量和标签一致性，推理速度远超CCDM。
奖励闪电：通过同源偏好蒸馏实现快速视频生成
机构 * Tencent Hunyuan（腾讯混元）
专题命中 效率与蒸馏 ：diffusion(abstract)；分类 cs.CV
AI总结 研究视频扩散模型中同时进行偏好对齐和蒸馏加速的挑战，提出统一框架Reward Lightning，利用同源原理在共享表示中对齐和加速模型，介绍潜在奖励模型和同源偏好蒸馏，实验证明其有效性。
Comments Accepted by ECCV 2026
分布匹配蒸馏与强化学习的结合
机构 * HKUST（香港科技大学） ； Alibaba Group（阿里巴巴集团） ； SIAT, CAS（中国科学院深圳先进技术研究院） ； Shanghai AI Lab（上海人工智能实验室） ； ZJUT（浙江工业大学） ； CUHK（香港中文大学）
专题命中 效率与蒸馏 ：diffusion(abstract)；分类 cs.CV
AI总结 本文提出DMDR框架，结合奖励倾斜分布匹配与动态蒸馏策略，通过联合优化提升生成质量与可控性，优于多步生成模型。
Comments [ECCV 26] The synergy of reinforcement learning and distribution matching distillation. See more: https://github.com/vvvvvjdy/dmdr
DetailAnywhere: 通过跨模态特征对齐蒸馏实现时尚细节生成
机构 * Kuaishou Technology（快手科技） ； AIM for Health Lab, Monash University（Monash大学AIM健康实验室）
专题命中 效率与蒸馏 ：diffusion(abstract)；分类 cs.CV
AI总结 针对在线购物中用户关注服装细节（如领口、袖口、面料纹理）的需求，提出新任务“时尚细节生成”及基准FDBench，并设计跨模态特征对齐蒸馏（CFAD）方法，结合多模态扩散Transformer和一致性奖励模型，显著优于现有方法。
Flow-Map GRPO：基于锚定随机组合的少步流映射生成器的强化学习
机构 * Georgia Institute of Technology（佐治亚理工学院）
专题命中 效率与蒸馏 ：text-to-image(abstract)；分类 cs.CV
AI总结 提出Flow-Map GRPO框架，通过锚定随机流映射组合（ASFMC）对确定性少步流映射生成器进行随机化，使其适用于强化学习后训练，并在FLUX文本到图像生成器上提升奖励和感知指标。
Comments 31 pages, 29 figures
GaussianGPT：迈向自回归3D高斯场景生成
机构 * Technical University of Munich, Germany（德国慕尼黑工业大学）
专题命中 效率与蒸馏 ：diffusion(abstract)；分类 cs.CV
AI总结 本文提出GaussianGPT，一种基于Transformer的自回归模型，通过逐词预测生成3D高斯分布，实现可控的3D场景生成，支持逐步构建场景并支持完成、外推等操作。
Comments Project page: https://nicolasvonluetzow.github.io/GaussianGPT/ - Project video: https://youtu.be/zVnMHkFzHDg - Accepted at ECCV 2026
超越轨迹匹配：基于边缘分布对齐的Reflow方法
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）
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: 通过预测世界模型实现高效视觉思维链的端到端驾驶
机构 * XPeng Inc.（小鹏汽车）
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。
双端一致性模型
机构 * Zhejiang University（浙江大学） ； Bytedance Inc.（字节跳动公司） ； Zhejiang Lab（浙江实验室）
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
Pool-Select-Refine: 基于软标签引导潜在精化的分配感知生成式数据集蒸馏
机构 * Graduate School of Engineering, University of Fukui（福井大学工学研究科） ； College of Computer Science and Artificial Intelligence, Southwest Minzu University（西南民族大学计算机科学与人工智能学院）
专题命中 效率与蒸馏 ：diffusion(abstract)；分类 cs.CV
AI总结 提出Pool-Select-Refine两阶段框架，通过过完备候选池选择与软标签引导潜在精化解耦生成、选择和精化，提升扩散模型数据集蒸馏的预算利用效率。
Visual-OPSD：用于高效统一多模态推理的跨模态在策略自蒸馏
机构 * Xi’an Jiaotong University（西安交通大学） ； MOE KLINNS Lab（MOE KLINNS实验室） ； Shaanxi Province Key Laboratory of Big Data Knowledge Engineering（陕西省大数据知识工程重点实验室） ； Sun Yat-sen University（中山大学）
专题命中 效率与蒸馏 ：diffusion(abstract)；分类 cs.CV
AI总结 提出Visual-OPSD方法，通过跨模态在策略自蒸馏，将多步扩散生成的可视化思维推理能力转移到纯文本学生模型，实现14.3倍加速且性能提升3.40个百分点。
Chorus II: 跨请求稀疏性重用用于高效图像到视频生成
机构 * Sun Yat-sen University（中山大学） ； WeChat HPC, Tencent Inc.（腾讯微信高性能计算） ； WeChat Vision, Tencent Inc.（腾讯微信视觉）
专题命中 效率与蒸馏 ：diffusion(abstract)；分类 cs.CV
AI总结 针对图像到视频生成中计算昂贵的问题，提出跨请求稀疏性重用框架，通过共享稀疏掩码重用避免在线预测，实现2.16倍加速且保持生成质量。
Sol视频推理引擎：面向高效视频生成的智能原生全栈加速框架
机构 * NVIDIA Research, Efficient AI Team & Singapore Lab（英伟达研究院高效AI团队及新加坡实验室） ； NVIDIA SANA Team（英伟达SANA团队） ； Codex ； GPT-Image2
专题命中 效率与蒸馏 ：diffusion(abstract)；分类 cs.CV
AI总结 提出Sol视频推理引擎，通过智能体驱动的缓存、稀疏注意力、令牌剪枝、量化和内核融合五种技术组合，针对具体模型、硬件和配置自动优化，实现视频扩散模型2倍以上加速且保持质量。
数据强制蒸馏：恢复少步视频生成中的多样性和保真度
机构 * University of Michigan（密歇根大学） ； NVIDIA（英伟达） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
专题命中 效率与蒸馏 ：diffusion(abstract)；分类 cs.CV
AI总结 针对分布匹配蒸馏（DMD）在少步视频生成中出现的模式坍塌和过饱和问题，提出数据强制蒸馏（DFD）框架，通过教师评分差异引导学生接近真实数据分布，仅需一行代码修改即可恢复多样性和保真度。
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈