图像生成

Joint Distillation for Fast Likelihood Evaluation and Sampling in Flow-based Models

基于流模型的快速似然评估与采样联合蒸馏

Xinyue Ai, Yutong He, Albert Gu, Ruslan Salakhutdinov, J Zico Kolter, Nicholas Matthew Boffi, Max Simchowitz

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Peking University（北京大学） 纠错

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

AI总结 本文提出F2D2框架，通过联合蒸馏减少流模型采样和似然评估的NFE数量，实现高效计算与高精度似然估计。

Comments Project page: https://kellyyutonghe.github.io/f2d2/

Concept Drift Guided LayerNorm Tuning for Efficient Multimodal Metaphor Identification

概念漂移引导的层归一化调优用于高效的多模态隐喻识别

Wenhao Qian, Zhenzhen Hu, Zijie Song, Jia Li

机构 * Hefei University of Technology（合肥工业大学） 纠错

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

AI总结 本文提出CDGLT框架，通过概念漂移和提示构造策略提升多模态隐喻识别效率，实现MET-Meme基准的最先进性能并降低训练成本。

Comments ICMR'25, June 30-July 3, 2025, Chicago, IL, USA

Euler-inspired Decoupling Neural Operator for Efficient Pansharpening

受欧拉启发的解耦神经算子用于高效全色增强

Anqi Zhu, Mengting Ma, Yizhen Jiang, Xiangdong Li, Kai Zheng, Jiaxin Li, Wei Zhang

机构 * School of Software Technology, Zhejiang University（浙江大学软件技术学院） ； School of Computer Science and Technology , Chongqing University of Post and Telecommunications（重庆邮电大学计算机科学与技术学院） 纠错

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

AI总结 本文提出EDNO框架，通过欧拉公式将特征转换为极坐标系统，实现显式-隐式交互机制，提升全色增强的效率与性能平衡。

Any 3D Scene is Worth 1K Tokens: 3D-Grounded Representation for Scene Generation at Scale

任何3D场景都值得1000个标记：面向大规模场景生成的3D grounded表示

Dongxu Wei, Qi Xu, Zhiqi Li, Hangning Zhou, Cong Qiu, Hailong Qin, Mu Yang, Zhaopeng Cui, Peidong Liu

机构 * Westlake University（西湖大学） ； Afari Intelligent Drive（阿法里智能驾驶） ； 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 本文提出在隐式3D潜在空间中直接生成3D场景，解决传统2D方法在3D空间扩展中的不足，通过3DRAE和3DDiT实现高效且一致的3D生成。

Comments Under Review. Project Page: https://wswdx.github.io/3DRAE

Matrix-Game 3.0: Real-Time and Streaming Interactive World Model with Long-Horizon Memory

矩阵游戏3.0：具有长时程记忆的实时和流式交互世界模型

Zile Wang, Zexiang Liu, Jiaxing Li, Kaichen Huang, Baixin Xu, Fei Kang, Mengyin An, Peiyu Wang, Biao Jiang, Yichen Wei, Yidan Xietian, Jiangbo Pei, Liang Hu, Boyi Jiang, Hua Xue, Zidong Wang, Haofeng Sun, Wei Li, Wanli Ouyang, Xianglong He, Yang Liu, Yangguang Li, Yahui Zhou

机构 * Skywork AI（天工AI） 纠错

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

AI总结 矩阵游戏3.0通过改进数据、模型和推理方法，实现了720p实时长视频生成，支持长时程时空一致性，提升了生成效率和质量。

Comments Project page: https://matrix-game-v3.github.io/

IMPLICITSTAINER: Resolution Agnostic Data-Efficient Virtual Staining Using Neural Implicit Functions

IMPLICITSTAINER：基于神经隐式函数的无分辨率依赖数据高效虚拟染色

Tushar Kataria, Beatrice Knudsen, Shireen Y. Elhabian

机构 * Kahlert School of Computing, University of Utah（犹他大学卡勒特计算学院） ； Department of Pathology, University of Utah（犹他大学病理学系） 纠错

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

AI总结 本文提出IMPLICITSTAINER，通过神经隐式深度学习模型将H&E图像转化为IHC图像，实现无分辨率依赖的高效虚拟染色，提升低数据场景下的鲁棒性与输出确定性。

Purify-then-Align: Towards Robust Human Sensing under Modality Missing with Knowledge Distillation from Noisy Multimodal Teacher

在模态缺失情况下通过知识蒸馏从噪声多模态教师中实现鲁棒的人体感知：Purify-then-Align

Pengcheng Weng, Yanyu Qian, Yangxin Xu, Fei Wang

机构 * School of Software Engineering, Xi’an Jiaotong University（西安交通大学软件工程学院） ； Institute of Computer Science, Universität Bern（伯尔尼大学计算机科学研究所） ； College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院） 纠错

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

AI总结 本文提出PTA框架，通过元学习和知识扩散解决多模态人体感知中模态缺失问题，通过净化知识源和对齐模态提升单模态模型鲁棒性。

Comments Accepted by CVPR 2026 Workshop On Any-to-Any Multimodal Learning

Less is More: Data-Efficient Adaptation for Controllable Text-to-Video Generation

少即是多：可控文本到视频生成的数据高效适应

Shihan Cheng, Nilesh Kulkarni, David Hyde, Dmitriy Smirnov

机构 * Vanderbilt University, USA（美国范德堡大学） ； Netflix, USA（美国Netflix） 纠错

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

AI总结 本文提出一种数据高效微调策略，通过稀疏低质量合成数据学习物理摄像参数控制，证明其优于真实数据微调结果。

InSpatio-WorldFM: An Open-Source Real-Time Generative Frame Model

InSpatio-WorldFM：一种开源的实时生成帧模型

InSpatio Team, Donghui Shen, Guofeng Zhang, Haomin Liu, Haoyu Ji, Jialin Liu, Jing Guo, Nan Wang, Siji Pan, Weihong Pan, Weijian Xie, Xiaojun Xiang, Xiaoyu Zhang, Xianbin Liu, Yifu Wang, Yipeng Chen, Zhewen Le, Zhichao Ye, Ziqiang Zhao

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

AI总结 本文提出InSpatio-WorldFM，一种基于帧的实时生成模型，通过3D锚点和隐式空间记忆保持场景几何与细节，采用三阶段训练流程实现低延迟实时生成。

Comments Project page: https://inspatio.github.io/worldfm/ Code: https://github.com/inspatio/worldfm

Matrix-game 2.0: An open-source real-time and streaming interactive world model

矩阵游戏2.0：一个开源的实时和流式交互世界模型

Xianglong He, Chunli Peng, Zexiang Liu, Boyang Wang, Yifan Zhang, Qi Cui, Fei Kang, Biao Jiang, Mengyin An, Yangyang Ren, Baixin Xu, Hao-Xiang Guo, Kaixiong Gong, Size Wu, Wei Li, Xuchen Song, Yang Liu, Yangguang Li, Yahui Zhou

机构 * Skywork AI（天工AI） 纠错

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

AI总结 本文提出Matrix-Game 2.0，通过少步自回归扩散生成长视频，解决传统交互世界模型实时性差的问题，实现25FPS高速生成。

Comments Project Page: https://matrix-game-v2.github.io

MRI-to-CT synthesis using drifting models

利用漂移模型进行MRI到CT合成

Qing Lyu, Jianxu Wang, Jeremy Hudson, Ge Wang, Chirstopher T. Whitlow

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

AI总结 本文研究了漂移模型在MRI到CT合成中的应用，通过对比不同方法验证了其在图像质量和效率上的优势，为快速高质量的骨盆合成CT生成提供了新方向。

Investigating Permutation-Invariant Discrete Representation Learning for Spatially Aligned Images

研究排列不变的离散表示学习以空间对齐图像

Jamie S. J. Stirling, Noura Al-Moubayed, Hubert P. H. Shum

机构 * Durham University（杜伦大学） 纠错

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

AI总结 本文探讨了空间对齐数据的离散表示是否需要位置信息，提出PI-VQ模型，通过约束潜在代码无位置信息，实现全局语义特征捕捉和直接图像插值，同时引入匹配量化提升信息容量。

Comments 15 pages plus references; 5 figures; supplementary appended; accepted to ICPR 2026

Coarse-Guided Visual Generation via Weighted h-Transform Sampling

通过加权h变换采样实现粗引导的视觉生成

Yanghao Wang, Ziqi Jiang, Zhen Wang, Long Chen

机构 * The Hong Kong University of Science and Technology（香港科技大学） 纠错

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

AI总结 本文提出一种基于h变换的粗引导视觉生成方法，通过调整采样步骤的概率过渡，结合噪声水平感知调度，提升生成质量与泛化能力。

Follow-Your-Motion: Video Motion Transfer via Efficient Spatial-Temporal Decoupled Finetuning

跟随你的动作：通过高效的时空解耦微调实现视频动作迁移

Yue Ma, Yulong Liu, Qiyuan Zhu, Ayden Yang, Kunyu Feng, Xinhua Zhang, Zexuan Yan, Zhifeng Li, Sirui Han, Chenyang Qi, Qifeng Chen

机构 * HKUST（香港科技大学） ； HKUST(GZ)（香港科技大学（广州）） ； Tsinghua University（清华大学） ； XIntelligence Technology Co., Limited（星云科技股份有限公司） ； SJTU（上海交通大学） 纠错

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

AI总结 本文提出Follow-Your-Motion框架，通过高效的时空解耦微调方法，解决视频扩散变换器在动作迁移中的不一致性和效率问题，并引入MotionBench基准进行验证。

Comments Accepted by ICLR 2026, project page: https://follow-your-motion.github.io/

You Only Erase Once: Erasing Anything without Bringing Unexpected Content

你只擦除一次：无需引入意外内容的任意擦除

Yixing Zhu, Qing Zhang, Wenju Xu, Wei-Shi Zheng

机构 * School of Computer Science and Engineering, Sun Yat-sen University, China（中山大学计算机科学与工程学院） ； Amazon（亚马逊） ； Key Laboratory of Machine Intelligence and Advanced Computing, Ministry of Education, China（教育部机器智能与先进计算重点实验室） 纠错

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

AI总结 本文提出YOEO方法，通过训练无配对数据的扩散模型，实现高质量物体擦除，保留上下文一致性，优于现有方法。

Comments Accepted by CVPR2026

NeedleDB: A Generative-AI Based System for Accurate and Efficient Image Retrieval using Complex Natural Language Queries

NeedleDB: 一种基于生成式AI的图像检索系统，用于通过复杂自然语言查询实现精确高效的检索

Mahdi Erfanian, Abolfazl Asudeh

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

AI总结 NeedleDB通过生成式AI合成引导图像，将文本到图像检索转化为图像到图像搜索，提升复杂查询的精度和效率，实现93%的精度提升。

EFlow: Fast Few-Step Video Generator Training from Scratch via Efficient Solution Flow

EFlow：通过高效解流实现从零开始的快速少步视频生成训练

Dogyun Park, Yanyu Li, Sergey Tulyakov, Anil Kag

机构 * Snap Inc.（Snap公司） ； Korea University（高丽大学） 纠错

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

AI总结 本文提出EFlow框架，通过高效解流目标和改进的训练方法，减少采样步骤和计算成本，实现更高的训练吞吐量和更低的推理延迟。

PackForcing: Short Video Training Suffices for Long Video Sampling and Long Context Inference

PackForcing：短视频训练足以支持长视频采样和长上下文推理

Xiaofeng Mao, Shaohao Rui, Kaining Ying, Bo Zheng, Chuanhao Li, Mingmin Chi, Kaipeng Zhang

机构 * Alaya Studio, Shanda AI Research Tokyo（Alaya工作室，盛大AI研究东京） ； Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） 纠错

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

AI总结 本文提出PackForcing框架，通过三部分KV缓存策略有效管理生成历史，实现高效内存使用和长视频生成，展示短视频监督足以支持高质量长视频合成。

Fast3Dcache: Training-free 3D Geometry Synthesis Acceleration

Fast3Dcache: 无训练3D几何合成加速

Mengyu Yang, Yanming Yang, Chenyi Xu, Chenxi Song, Yufan Zuo, Tong Zhao, Ruibo Li, Chi Zhang

机构 * AGI Lab, Westlake University（西溪大学AGI实验室） ； University of Electronic Science and Technology of China（电子科学与技术大学） ； Nanyang Technological University（南洋理工大学） 纠错

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

AI总结 本文提出Fast3Dcache，一种无训练的几何感知缓存框架，通过动态缓存调度和时空稳定性准则，显著加速3D扩散模型推理，同时保持几何精度。

Comments Accepted by CVPR 2026; Project page: https://fast3dcache-agi.github.io

From Feature Learning to Spectral Basis Learning: A Unifying and Flexible Framework for Efficient and Robust Shape Matching

从特征学习到谱基学习：一种统一且灵活的框架，用于高效且鲁棒的形状匹配

Feifan Luo, Hongyang Chen

机构 * College of Computer Science and Technology, Zhejiang University, China（浙江大学计算机科学与技术学院，中国） ； Research Center for Computational Earth and Space Science, Zhejiang Lab, China（浙江实验室计算地球与空间科学研究中心，中国） 纠错

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

AI总结 本文提出一种统一的框架，通过学习谱基来提升形状匹配的效率和鲁棒性，引入了新的热扩散模块和无监督损失函数，实现了特征提取与基函数的联合优化。

TETO: Tracking Events with Teacher Observation for Motion Estimation and Frame Interpolation

TETO：利用教师观察进行事件跟踪以实现运动估计和帧插值

Jini Yang, Eunbeen Hong, Soowon Son, Hyunkoo Lee, Sunghwan Hong, Sunok Kim, Seungryong Kim

机构 * KAIST AI（韩国科学技术院人工智能实验室） ； ETH Zurich（苏黎世联邦理工学院） ； Korea Aerospace University（韩国航空航天大学） 纠错

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

AI总结 TETO提出一种教师-学生框架，通过知识蒸馏从预训练的RGB跟踪器中学习事件运动估计，仅用25分钟未标注真实数据实现高精度点跟踪和光流估计，提升帧插值质量。

DINO-Tok: Adapting DINO for Visual Tokenizers

DINO-Tok：为视觉分词器适应DINO

Mingkai Jia, Mingxiao Li, Zhijian Shu, Anlin Zheng, Liaoyuan Fan, Jiaxin Guo, Tianxing Shi, Dongyue Lu, Zeming Li, Xiaoyang Guo, Xiaojuan Qi, Xiao-Xiao Long, Qian Zhang, Ping Tan, Wei Yin

机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； Horizon Robotics（Horizon机器人） ； Nanjing University（南京大学） ； Hong Kong University（香港大学） ； The Chinese University of Hong Kong（香港中文大学） 纠错

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

AI总结 本文提出DINO-Tok，一种基于冻结DINO编码器的视觉分词器，结合连续自编码和离散向量量化方法，提升高维潜在空间中的语义一致性和生成质量。

Three Creates All: You Only Sample 3 Steps

三步创造一切：你只需采样三步

Yuren Cai, Guangyi Wang, Zongqing Li, Li Li, Zhihui Liu, Songzhi Su

机构 * School of Informatics, Xiamen University（厦门大学信息学院） ； School of Artificial Intelligence, Shenzhen Polytechnic University（深圳职业技术学院人工智能学院） ； Algorithm Research Department, Truesight（Truesight算法研究部） 纠错

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

AI总结 本文提出MTEO方法，通过冻结预训练扩散模型并蒸馏分层时间嵌入，提升少步采样效率，实验证明在多样本集上达到最优性能，显著缩小蒸馏与轻量方法差距。

DUO-VSR: Dual-Stream Distillation for One-Step Video Super-Resolution

DUO-VSR：双流蒸馏用于一步视频超分辨率

Zhengyao Lv, Menghan Xia, Xintao Wang, Kwan-Yee K. Wong

机构 * The University of Hong Kong（香港大学） ； Huazhong University of Science and Technology（华中科技大学） ； Kling Team, Kuaishou Technology（快手科技 Kling 团队） 纠错

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

AI总结 DUO-VSR提出双流蒸馏策略，通过轨迹保留蒸馏、双流优化和偏好引导细化，解决视频超分辨率中训练不稳定和监督不足的问题，提升视觉质量和效率。

Comments Accepted to CVPR 2026

Adaptive Video Distillation: Mitigating Oversaturation and Temporal Collapse in Few-Step Generation

自适应视频蒸馏：缓解少步生成中的过饱和与时间崩溃

Yuyang You, Yongzhi Li, Jiahui Li, Yadong Mu, Quan Chen, Peng Jiang

机构 * Peking University（北京大学） ； Kuaishou Technology（快手科技） 纠错

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

AI总结 本文提出针对视频扩散模型的自适应蒸馏框架，通过动态回归损失、时间正则化损失和推理时帧插值策略，提升少步视频生成的稳定性和感知真实性。

Efficient Zero-Shot AI-Generated Image Detection

高效的人工智能生成图像检测

Ryosuke Sonoda, Ramya Srinivasan

机构 * Fujitsu Ltd., Japan（日本富士通株式会社） ； Fujitsu Research of America, Inc., USA（美国富士通研究公司） 纠错

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

AI总结 本文提出一种无需训练的图像检测方法，通过测量表示对结构化频率扰动的敏感性，实现对细微篡改的检测，方法计算效率高，检测速度比现有方法快一个到两个数量级。

MFSR: MeanFlow Distillation for One Step Real-World Image Super Resolution

MFSR：用于一步真实世界图像超分辨率的MeanFlow蒸馏

Ruiqing Wang, Kai Zhang, Yuanzhi Zhu, Hanshu Yan, Shilin Lu, Jian Yang

机构 * Nanjing University（南京大学） ； LIX, École Polytechnique, CNRS, IPP（巴黎高等学院LIX研究所、法国国家科学研究中心、ipp） ； Salesforce AI Research（Salesforce人工智能研究） ； Nanyang Technological University（南洋理工大学） 纠错

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

AI总结 MFSR提出一种单步蒸馏框架，通过MeanFlow作为学习目标，实现高效高质量的图像超分辨率，同时保留少量步骤的可选路径以进一步优化。

Your VAR Model is Secretly an Efficient and Explainable Generative Classifier

你的VAR模型实际上是一个高效且可解释的生成分类器

Yi-Chung Chen, David I. Inouye, Jing Gao

机构 * Elmore Family School of Electrical and Computer Engineering（埃洛姆家族电气与计算机工程学院） 纠错

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

AI总结 本文提出基于视觉自回归模型的新型生成分类器，引入A-VARC+提升准确率与推理速度，展示VAR方法在可解释性和灾难性遗忘抵抗方面的独特优势。

Comments ICLR 2026

OFTSR: One-Step Flow for Image Super-Resolution with Tunable Fidelity-Realism Trade-offs

OFTSR: 一种用于图像超分辨率的一步流方法，具有可调保真度-现实感权衡

Yuanzhi Zhu, Ruiqing Wang, Shilin Lu, Junnan Li, Hanshu Yan, Kai Zhang

机构 * Nanjing University（南京大学） ； Nanyang Technological University（南洋理工大学） 纠错

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

AI总结 本文提出OFTSR，一种基于流的图像超分辨率框架，通过可调保真度与现实感权衡实现一步生成。通过训练条件流模型并应用特殊约束，使学生模型预测与教师模型采样轨迹对齐，从而提升性能。

Comments ICLR 2026

UEPS: Robust and Efficient MRI Reconstruction

UEPS：鲁棒且高效的MRI重建

Xiang Zhou, Hong Shang, Zijian Zhan, Tianyu He, Jintao Meng, Dong Liang

机构 * Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences, China（深圳先进技术研究院，中国科学院，中国） ； School of Biomedical Engineering, Shenzhen University Medical School, Shenzhen University, China（生物医学工程学院，深圳大学医学院，深圳大学，中国） ； University of Chinese Academy of Sciences, China（中国科学院大学，中国） ； Faculty of Computer Science and Artificial Intelligence, Shenzhen University of Advanced Technology, China（计算机科学与人工智能学院，深圳先进技术大学，中国） ； State Key Laboratory of Biomedical Imaging Science and System, Chinese Academy of Sciences, China（生物医学成像科学与系统国家重点实验室，中国科学院，中国） 纠错

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

AI总结 本文提出UEPS框架，通过消除CSM依赖、渐进分辨率和稀疏注意力机制，提升MRI重建的鲁棒性和效率，在多种临床转移测试中表现优异。

Comments The document contains the main paper and additional experimental details in the supplementary material. Open-source code can be found at: https://github.com/HongShangGroup/UEPS