图像生成

End-to-end Sampling Patterns

Thomas Leimkühler, Gurprit Singh, Karol Myszkowski, Hans-Peter Seidel, Tobias Ritschel

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

Pipeline Generative Adversarial Networks for Facial Images Generation with Multiple Attributes

Ziqiang Zheng, Zhibin Yu, Haiyong Zheng, Chao Wang, Nan Wang

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

Comments 9 pages, 10 figures

A Unified Approach of Multi-scale Deep and Hand-crafted Features for Defocus Estimation

Jinsun Park, Yu-Wing Tai, Donghyeon Cho, In So Kweon

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

Comments 10 pages, 14 figures. To appear in CVPR 2017. Project page : https://github.com/zzangjinsun/DHDE_CVPR17

Fast and Efficient Skin Detection for Facial Detection

Mohammad Reza Mahmoodi

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

Sampling BSSRDFs with non-perpendicular incidence

Etienne Ferrier

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

Comments Supervised by Prof. Wenzel Jakob (EPFL). Contains 9 pages, 13 figures, 4 tables, 3 algorithms

Image Completion for View Synthesis Using Markov Random Fields and Efficient Belief Propagation

Julian Habigt, Klaus Diepold

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

Comments Published version: http://ieeexplore.ieee.org/xpl/articleDetails.jsp?tp=&arnumber=6738439

Journal ref Proc. 20th IEEE International Conference on Image Processing (2013) 2131-2134

ConSinger: Efficient High-Fidelity Singing Voice Generation with Minimal Steps

Yulin Song, Guorui Sang, Jing Yu, Chuangbai Xiao

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

Comments Singing voice synthesis, Consistency models, Shallow Diffusion Mechanism; Accepted by ICASSP 2025

An Upload-Efficient Scheme for Transferring Knowledge From a Server-Side Pre-trained Generator to Clients in Heterogeneous Federated Learning

Jianqing Zhang, Yang Liu, Yang Hua, Jian Cao

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

Comments Accepted by CVPR2024. We have incorporated additional analysis for the Stable Diffusion experiments in Appendix A

An Efficient Method for Fully Relativistic Simulations of Coalescing Binary Neutron Stars

Walter Landry, Saul A. Teukolsky

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

Comments 10 pages, 24 figures, fixed some typos, added a paragraph about the diffusion method and time stepping

Hybrid Fourier Neural Operator-Plasma Fluid Model for Fast and Accurate Multiscale Simulations of High Power Microwave Breakdown

Kalp Pandya, Pratik Ghosh, Ajeya Mandikal, Shivam Gandha, Bhaskar Chaudhury

机构 * Group in Computational Science and HPC（计算科学与高性能计算组） ； DA-IICT ； Dhirubhai Ambani University（迪鲁布希阿尼大学） ； Smart Energy Learning Center（智能能源学习中心） ； DAU 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

Journal ref Engineering Applications of Artificial Intelligence, Volume 167, Part 2, 1 March 2026, 113889

Post-training Quantization for Hybrid Iterative Generative Models

混合迭代生成模型的训练后量化

Jing Gao, Junyi Wu, Wei Wang, Yan Yan, Yao Zhao

机构 * Institute of Information Science, Beijing Jiaotong University（北京交通大学信息科学研究所） ； University of Illinois Chicago（伊利诺伊大学芝加哥分校） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 针对混合迭代生成模型训练后量化易引发模型崩溃的问题，提出HyGenQ框架，通过分层聚类解耦与缩放重校准，成功将其量化至8位精度且性能优于现有方法。

SE(3)-MeanFlow: Few-Step Protein Backbone Generation on Lie Groups

SE(3)-MeanFlow：李群上的少步蛋白质主链生成

Yikun Bai, Binghang Lu, Yikai Liu, Elaheh Akbari, Soheil Kolouri, Linxuan Wang, Ping He, Shuchan Wang, Ruqi Zhang, Guang Lin

机构 * Purdue University（普渡大学） ； Vanderbilt University（范德堡大学） ； Freie Universität Berlin（柏林自由大学） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 SE(3)-MeanFlow将MeanFlow扩展到李群几何，通过新训练目标实现少步蛋白质主链生成，性能优于多倍采样的流匹配基线，适配高通量设计需求。

Functional Adjoint Sampler: Scalable Sampling on Infinite Dimensional Spaces

功能伴随采样器：无穷维空间上的可扩展采样方法

Byoungwoo Park, Juho Lee, Guan-Horng Liu

机构 * FAIR at Meta（Meta 的 FAIR） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 针对无穷维函数空间吉布斯分布采样的理论缺口，提出基于随机最优控制的功能伴随采样器FAS，在合成势与真实分子系统上实现了更优的转移路径采样性能。

DEFT: Data-Efficient Frequency-domain Top-k Sampling via Inverse Discrete Fourier Transform for Spatiotemporal Dynamical Systems Modeling

DEFT：用于时空动力系统建模的、基于逆离散傅里叶变换的数据高效频域Top-k采样方法

Hengbo Xiao, Jiale Liu, Jiahao Song, Guannan He

机构 * Peking University（北京大学） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 DEFT是一种频域数据采样方法，通过逆离散傅里叶变换生成物理一致的训练数据，可减少数据需求且提升泛化能力，在多个PDE及电池退化系统建模任务中表现优异。

Generator-Guided Inverse Sampling for Lévy-Driven Generative Models

用于Lévy驱动生成模型的生成器引导逆采样

Tianfu Qi, Jun Wang, Jun Zhang

机构 * University of Electronic Science and Technology of China（电子科技大学） ； 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)

AI总结 本文针对Lévy驱动生成模型的非局域反向过程挑战，提出生成器引导的结构化逆采样器，将动力学分解为三类分量，结合神经网络与解析分布实现高效采样，在OFDM-SISO信道估计中表现出稳健性能与良好权衡。

Efficient, Nonlinear Second Moment Methods for Multigroup Thermal Radiative Transfer

高效非线性二阶矩方法用于多群热辐射传输

Samuel Olivier, James S. Warsa, HyeongKae Park

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出一种高效的非线性加速框架，用于多群热辐射传输，通过高阶离散 ordinates 传输与灰度扩散低阶系统结合，实现稳定求解并提升鲁棒性。

CuteTTS: Efficient and High-Quality Speech Synthesis via Autoregressive Modeling of Continuous Latents

CuteTTS：基于连续隐变量自回归建模的高效高保真语音合成

Yuqian Zhang, Yao Shi, Kexin Huang, Botian Jiang, Zhe Xu, Yiwei Zhao, Min Liang, Shuang Chen, Xipeng Qiu

机构 * Shanghai Innovation Institute（上海创新研究院） ； OPPO AI Center（OPPO人工智能中心） ； Fudan University（复旦大学） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 CuteTTS是结合语义对齐因果VAE隐变量等的连续自回归TTS系统，经引导步蒸馏后，在保持相当质量的同时降低了延迟，实现了高保真与低延迟的平衡。

Comments 20 pages, 6 figures, 10 tables. Technical report

Understanding Security and Privacy Perceptions of Content Creators Regarding AI Labels of AI-Generated Content

理解内容创作者对AI生成内容的AI标签的安全与隐私认知

Shuning Zhang, Hui Wang, Rongjun Ma, Xin Yi, Kanye Ye Wang, Robert Xiao, Hewu Li

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

AI总结 本文通过对21位AIGC创作者访谈及多平台图像测试，揭示创作者对AI标签的认知偏差与规避行为，提出应开发适配创作者动机的隐式AI标签。

Leveraging generative models to assist Monte Carlo sampling

利用生成模型辅助蒙特卡洛采样

Marylou Gabrié

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本教程综述介绍了机器学习与计算统计物理交叉领域的新范式——用生成模型辅助蒙特卡洛采样，探讨相关方法方向及优劣势，为相关领域研究者提供入门基础。

Attn-QAT: 4-Bit Attention With Quantization-Aware Training

Attn-QAT：4位注意力与量化感知训练

Peiyuan Zhang, Matthew Noto, Wenxuan Tan, Chengquan Jiang, Will Lin, Wei Zhou, Hao Zhang

机构 * Stanford University（斯坦福大学） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 Attn-QAT通过稳定4位量化感知训练实现高效的注意力计算，提升模型推理速度并保持性能。

Sampling and Optimization meet Enhanced Flows

采样与优化方法结合增强流

Yuan Gao, Siming He, Eitan Tadmor

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文针对采样与优化中核心的Gibbs概率测度计算问题，引入带增强耗散的输运-扩散动力学，设计了对应的采样数值算法与粒子系统。

MUGEN: A Unified Framework for Efficient Motion Understanding and Generation

MUGEN：用于高效运动理解与生成的统一框架

Zhankai Ye, Yukai Jin, Bingyang Wei, Bofan Li, Yusen Wu, Fangyi Li, Shangqian Gao, Xin Liu

机构 * Florida State University（佛罗里达州立大学） ； Texas Christian University（得克萨斯基督教大学） ； University of Miami（迈阿密大学） ； University of Pennsylvania（宾夕法尼亚大学） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 MUGEN是一个无码本的统一运动-语言框架，通过自适应长度自编码器实现高效运动压缩，在HumanML3D和SnapMoGen数据集上的生成、检索与对齐指标均表现优异，兼顾效率与性能。

Kastor: An efficient fine-tuning strategy for generative emulation of PDE simulations

Kastor：一种用于生成式模拟偏微分方程（PDE）仿真的高效微调策略

Guillaume Couairon, Alexis Jacq, Yu-Han Wu, Renu Singh, Yana Hasson, Quentin Berthet, Romuald Elie

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本研究提出Kastor微调策略，通过两阶段推理、均值预测正则化等方法改进物理基础模型，在The Well数据集上实现比Walrus更优的PDE仿真性能，降低预测误差并提升效率。

Comments 34 pages, 32 figures

Exact simulation of diffusions and improved algorithms for log-concave sampling

扩散过程的精确模拟及对数凹采样的改进算法

Fan Chen, Sinho Chewi, Alexander Rakhlin, Matthew S. Zhang

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 该研究基于Girsanov定理的密度比无偏估计量，提出改进的扩散精确模拟及对数凹采样算法，优化了采样复杂度与维度依赖关系，还给出相关应用。

Time-dependent cosmic-ray escape from wind bubbles: hard spectra formation

从风泡中时间依赖的宇宙射线逃逸：硬谱形成

Lukas Merten, Sophie Aerdker, Enrico Peretti

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 研究风泡中宇宙射线的时间依赖逃逸，通过求解含时输运方程发现逃逸谱可硬于E^{-2}，且低能粒子可能被显著抑制，为多信使观测提供特征。

Operationally Feasible Synthetic Power-Grid Scenarios via Learning the AC-Operable Joint Distribution

通过学习交流（AC）可运行联合分布实现可操作的合成电网场景

Chenhan Xiao, Xinyu He, Haoran Li, Hanghang Tong, Yang Weng

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出感知可行性的分层扩散分布学习框架，学习电网拓扑、参数与负荷的交流可操作联合分布，生成的合成电网场景可行性与鲁棒性显著提升，且消除了优化后处理。

Comments 10 pages, 10 figures, journal submission

x-Prediction Is All You Need:Training-Free Accelerated Generation via Endpoint Decodability

x预测就足够了：通过端点可解码性实现无训练加速生成

Xin Peng, Ang Gao

机构 * School of Physical Science and Technology, Beijing University of Posts and Telecommunications（北京邮电大学物理科学与技术学院） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 研究基于x预测，通过端点可解码性提出截断跳跃采样方法，无需重新训练等操作，在多个模型和基准测试中减少神经函数评估次数20 - 70%，且质量相近，实现无轨迹重新设计的推理加速。

Latent attention on masked patches for flow reconstruction

潜在注意力在遮蔽块上的应用用于流体重构

Ben Eze, Luca Magri, Andrea Nóvoa

机构 * Aeronautics Dept., Imperial College London（伦敦帝国理工学院航空系） ； DIMEAS, Politecnico di Torino（都灵理工大学机械与航空航天工程系） ； I-X, Imperial College London（伦敦帝国理工学院I-X） 纠错

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

AI总结 本文提出LAMP模型，通过分块、降维和单层Transformer回归实现遮蔽流体重构，展示了在层流和湍流中的应用效果。

Comments 8 pages, 5 figures, accepted for publication in Springer's LNCS Series and for poster presentation at ICCS (International Conference on Computational Science) 2026

Journal ref Lecture Notes in Computer Science, vol 16788, pp. 181-188. Springer, Cham (2026)

Sampling Decisions: Exact Path-Space Control for Physics-Informed Generative Sampling

采样决策：精确路径空间校正、先验抵消和局部玻尔兹曼引导

Michael Chertkov, Hamidreza Behjoo, Sungsoo Ahn

机构 * Program in Applied Mathematics and Department of Mathematics, University of Arizona（应用数学项目和数学系，亚利桑那大学） ； Graduate School of AI at KAIST（韩国科学技术院人工智能研究生院） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 研究如何校正离散空间便宜但有偏差的顺序有限时间范围采样器，核心方法是将采样决策公式化为路径空间相对熵投影，引入相关先验和校正。实验表明单例积先验有问题，局部玻尔兹曼引导效果好，确定了相关前缀引导对顺序采样的决定性作用。

Comments 35 pages, 7 figures

iSMART: An Iterative Sampling-and-Regression Technique for Solving Martingale-Based PDEs

iSMART：一种求解基于鞅的偏微分方程的迭代采样-回归技术

Tiejun Li, Xiaoguang Li, Fugui Ma

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 研究针对高维基于鞅的PDE，提出iSMART迭代采样-回归技术，通过停止梯度等方法规避对抗优化，引入冻结-补偿技术优化HJB方程收敛性，经多类高维数值实验验证其准确性、效率与鲁棒性。

Comments 32 pages, 9 figures, 4 tables