图像生成

Beyond Dataset Distillation: Lossless Dataset Concentration via Diffusion-Assisted Distribution Alignment

超越数据集蒸馏：通过扩散辅助分布对齐实现无损数据集浓缩

Tongfei Liu, Yufan Liu, Bing Li, Weiming Hu

机构 * PeopleAI, Inc.（人民人工智能公司） 纠错

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

AI总结 本文提出DsCo框架，通过扩散模型合成代表性样本并结合掺杂技术提升效率，实现低数据量下的SOTA性能，并在高数据量下有效减小数据集规模。

MaskDiME: Adaptive Masked Diffusion for Precise and Efficient Visual Counterfactual Explanations

MaskDiME: 适应性遮蔽扩散用于精确且高效的视觉反事实解释

Changlu Guo, Anders Nymark Christensen, Anders Bjorholm Dahl, Morten Rieger Hannemose

机构 * Technical University of Denmark（丹麦技术大学） 纠错

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

AI总结 本文提出MaskDiME，一种高效的扩散框架，通过局部采样实现语义一致性和空间精度，提升视觉反事实解释的效率和准确性。

Comments Accepted by CVPR2026

InstaVSR: Taming Diffusion for Efficient and Temporally Consistent Video Super-Resolution

InstaVSR：通过高效且时间一致的视频超分辨率扩散模型进行优化

Jintong Hu, Bin Chen, Zhenyu Hu, Jiayue Liu, Guo Wang, Lu Qi

机构 * Insta360 Research（Insta360 研究院） ； Peking University（北京大学） ； Wuhan University（武汉大学） 纠错

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

AI总结 InstaVSR提出了一种轻量级扩散框架，通过剪枝、递归训练和双空间对抗学习，实现高效且时间一致的视频超分辨率，减少计算成本并保持高质量。

Comments 12 pages, 7 figures

Accelerating Diffusion Decoders via Multi-Scale Sampling and One-Step Distillation

通过多尺度采样和一步蒸馏加速扩散解码器

Chuhan Wang, Hao Chen

机构 * University of California San Diego（加州大学圣地亚哥分校） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

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

AI总结 本文提出多尺度采样和一步蒸馏方法，显著降低扩散解码器的解码时间，同时保持高质量图像重建，为高效图像分词提供新路径。

6Bit-Diffusion: Inference-Time Mixed-Precision Quantization for Video Diffusion Models

6Bit-Diffusion：视频扩散模型推理时的混合精度量化

Rundong Su, Jintao Zhang, Zhihang Yuan, Haojie Duanmu, Jianfei Chen, Jun Zhu

机构 * Fudan University（复旦大学） ； Tsinghua University（清华大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

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

AI总结 本文提出了一种推理时的混合精度量化框架，通过动态分配NVFP4和INT8精度，提升视频扩散模型的效率与质量，实验显示在推理速度和内存占用上有显著提升。

Efficient Video Diffusion with Sparse Information Transmission for Video Compression

高效视频扩散与稀疏信息传输用于视频压缩

Mingde Zhou, Zheng Chen, Yulun Zhang

机构 * Shanghai Jiao Tong University（上海交通大学） 纠错

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

AI总结 本文提出Diff-SIT方法，通过稀疏时序编码模块和单步视频扩散模型提升视频压缩的感知质量和时间一致性，尤其在超低比特率下表现优异。

Few-Step Diffusion Sampling Through Instance-Aware Discretizations

通过实例感知离散化实现少步扩散采样

Liangyu Yuan, Ruoyu Wang, Tong Zhao, Dingwen Fu, Mingkun Lei, Beier Zhu, Chi Zhang

机构 * Westlake University（西湖大学） ； Tongji University（同济大学） ； Zhejiang University（浙江大学） ； Nanyang Technological University（南洋理工大学） 纠错

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

AI总结 本文提出实例感知离散化框架，通过输入依赖先验调整时间步分配，提升生成质量，减少训练和推理开销。

Comments 24 pages, 20 figures. code: https://github.com/851695e35/INDIS

Efficient Diffusion as Low Light Enhancer

高效扩散作为低光照增强器

Guanzhou Lan, Qianli Ma, Yuqi Yang, Zhigang Wang, Dong Wang, Xuelong Li, Bin Zhao

机构 * Northwestern Polytechnical University（西北工业大学） ； Shanghai Jiao Tong University（上海交通大学） ； Shanghai AI Lab（上海人工智能实验室） ； TeleAI 纠错

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

AI总结 本文提出ReDDiT框架，通过线性外推错误分数函数和迁移高斯流到反射感知残差空间，提升低光照图像增强效率，仅用2步即可达到SOTA效果。

Comments CVPR 2025 Camera Ready

Refining Few-Step Text-to-Multiview Diffusion via Reinforcement Learning

通过强化学习细化少步文本到多视图扩散模型

Ziyi Zhang, Li Shen, Deheng Ye, Yong Luo, Huangxuan Zhao, Meng Liu, Wei Yu, Lefei Zhang

机构 * School of Computer Science, National Engineering Research Center for Multimedia Software and Hubei Key Laboratory of Multimedia and Network Communication Engineering, Wuhan University（计算机学院、多媒体软件国家工程研究中心和湖北多媒体与网络通信工程重点实验室、武汉大学） ； School of Cyber Science and Technology, Shenzhen Campus of Sun Yat-sen University（中山大学信息科学与技术学院深圳校区） ； Tencent Inc.（腾讯公司） ； Xiaomi Inc., China（小米公司，中国） 纠错

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

AI总结 本文提出MVC-ZigAL框架，通过联合视图奖励模型和自适应优化策略，提升少步多视图扩散模型的生成质量和一致性。

Comments Accepted to CVPR 2026

Journal ref IEEE/CVF Conference on Computer Vision and Pattern Recognition, 2026

IMS3: Breaking Distributional Aggregation in Diffusion-Based Dataset Distillation

IMS3: 破解扩散式数据集蒸馏中的分布聚合

Chenru Wang, Yunyi Chen, Zijun Yang, Joey Tianyi Zhou, Chi Zhang

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

AI总结 本文提出IMS3方法，通过Inversion-Matching和Selective Subgroup Sampling提升数据集的判别性和泛化能力，解决扩散模型生成样本分布不均的问题。

Comments CVPR26 Accepted

DyWeight: Dynamic Gradient Weighting for Few-Step Diffusion Sampling

DyWeight: 动态梯度加权用于少步扩散采样

Tong Zhao, Mingkun Lei, Liangyu Yuan, Yanming Yang, Chenxi Song, Yang Wang, Beier Zhu, Chi Zhang

机构 * Zhejiang University（浙江大学） ； AGI Lab, Westlake University（西湖大学AGI实验室） ； TongJi University（同济大学） ； University of Science and Technology of China（中国科学技术大学） 纠错

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

AI总结 DyWeight通过动态梯度加权方法，提高了扩散采样效率，实现更少的函数评估和更稳定的生成效果。

Comments Code Link: see AGI-Lab/DyWeight" target="_blank" rel="noopener">https://github.com/Westlake-AGI-Lab/DyWeight

Locality-aware Parallel Decoding for Efficient Autoregressive Image Generation

具有局部性的并行解码以提高自回归图像生成的效率

Zhuoyang Zhang, Luke J. Huang, Chengyue Wu, Shang Yang, Kelly Peng, Yao Lu, Song Han

机构 * MIT（麻省理工学院） ； NVIDIA（英伟达） ； First Intelligence（第一智能） 纠错

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

AI总结 本文提出LPD方法，通过灵活的并行自回归建模和局部意识生成顺序，显著提升自回归图像生成的效率和质量。

Comments ICLR 2026 Oral. The first two authors contributed equally to this work

BinaryAttention: One-Bit QK-Attention for Vision and Diffusion Transformers

BinaryAttention: 一比特QK-注意力用于视觉和扩散变换器

Chaodong Xiao, Zhengqiang Zhang, Lei Zhang

机构 * The Hong Kong Polytechnic University（香港理工大学） ； OPPO Research Institute（OPPO研究院） 纠错

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

AI总结 BinaryAttention通过1比特QK-注意力实现视觉和扩散变换器的高效加速，有效提升计算效率并保持准确性。

Comments Accepted by CVPR 2026

QuantSparse: Comprehensively Compressing Video Diffusion Transformer with Model Quantization and Attention Sparsification

QuantSparse: 通过模型量化和注意力稀疏化全面压缩视频扩散变换器

Weilun Feng, Chuanguang Yang, Haotong Qin, Mingqiang Wu, Yuqi Li, Xiangqi Li, Zhulin An, Libo Huang, Yulun Zhang, Michele Magno, Yongjun Xu

机构 * State Key Laboratory of AI Safety, Institute of Computing Technology, Chinese Academy of Sciences（人工智能安全国家重点实验室，计算技术研究所，中国科学院） ； University of Chinese Academy of Sciences（中国科学院大学） ； ETH Zürich（苏黎世联邦理工学院） ； City College of New York, City University of New York, USA（纽约城市学院，纽约城市大学，美国） ； Shanghai Jiao Tong University（上海交通大学） 纠错

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

AI总结 QuantSparse通过结合模型量化和注意力稀疏化，实现视频扩散变换器的高效压缩，提升性能并减少存储与推理时间。

Comments Accepted by ICLR 2026

S$^2$Q-VDiT: Accurate Quantized Video Diffusion Transformer with Salient Data and Sparse Token Distillation

S$^2$Q-VDiT: 精确量化视频扩散变换器与显著数据和稀疏令牌蒸馏

Weilun Feng, Haotong Qin, Chuanguang Yang, Xiangqi Li, Han Yang, Yuqi Li, Zhulin An, Libo Huang, Michele Magno, Yongjun Xu

机构 * State Key Laboratory of AI Safety, Institute of Computing Technology, Chinese Academy of Sciences（人工智能安全国家重点实验室，计算技术研究所，中国科学院） ； University of Chinese Academy of Sciences（中国科学院大学） ； ETH Zürich（苏黎世联邦理工学院） 纠错

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

AI总结 S$^2$Q-VDiT通过显著数据选择和稀疏令牌蒸馏提升视频扩散变换器的量化性能，实现无损压缩和加速推理。

Comments Accepted by NeurIPS 2025

Adaptive Spectral Feature Forecasting for Diffusion Sampling Acceleration

自适应频谱特征预测用于扩散采样加速

Jiaqi Han, Juntong Shi, Puheng Li, Haotian Ye, Qiushan Guo, Stefano Ermon

机构 * Stanford University（斯坦福大学） ； ByteDance（字节跳动） 纠错

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

AI总结 本文提出Spectrum方法，通过切比雪夫多项式近似实现全局长距离特征重用，提升扩散采样速度并保持高质量样本。

Comments CVPR 2026

DistillKac: Few-Step Image Generation via Damped Wave Equations

DistillKac：通过阻尼波动方程实现少步图像生成

Weiqiao Han, Chenlin Meng, Christopher D. Manning, Stefano Ermon

机构 * MIT（麻省理工学院） ； Stanford（斯坦福大学） 纠错

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

AI总结 DistillKac通过阻尼波动方程和随机Kac表示实现少步高质量图像生成，结合无分类指导和终点蒸馏方法，在保持数值稳定性的同时提升生成质量。

Comments Accepted to ICLR 2026

Physics-Consistent Diffusion for Efficient Fluid Super-Resolution via Multiscale Residual Correction

基于多尺度残差校正的物理一致扩散用于高效流体超分辨率

Zhihao Li, Shengwei Dong, Chuang Yi, Junxuan Gao, Zhilu Lai, Zhiqiang Liu, Wei Wang, Guangtao Zhang

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

AI总结 ReMD通过多网格残差校正和多小波多尺度建模实现高效流体超分辨率，提升精度和频谱保真度，减少发散并降低采样步骤。

Comments Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR 2026)

Formalizing the Sampling Design Space of Diffusion-Based Generative Models via Adaptive Solvers and Wasserstein-Bounded Timesteps

通过自适应求解器和Wasserstein有界时间步长形式化扩散基生成模型的采样设计空间

Sangwoo Jo, Sungjoon Choi

机构 * Department of Artificial Intelligence, Korea University, Seoul, South Korea（人工智能系，韩国大学，首尔，韩国） 纠错

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

AI总结 SDM通过自适应求解器和Wasserstein有界时间步长，提升扩散生成模型的采样效率与性能。

Understanding Generalization in Diffusion Distillation via Probability Flow Distance

通过概率流距离理解扩散蒸馏中的泛化

Huijie Zhang, Zijian Huang, Siyi Chen, Jinfan Zhou, Zekai Zhang, Peng Wang, Qing Qu

机构 * University of Michigan（密歇根大学） ； University of Macau（澳门大学） ； University of Chicago（芝加哥大学） 纠错

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

AI总结 本研究通过引入概率流距离（PFD）度量标准，揭示了扩散蒸馏中泛化能力的关键行为，包括从记忆到泛化的缩放、双下降动态和偏差-方差分解。

Comments 41 pages, 15 figures

ERTACache: Error Rectification and Timesteps Adjustment for Efficient Diffusion

ERTACache：误差修正与时间步调整以实现高效的扩散模型

Xurui Peng, Chenqian Yan, Hong Liu, Rui Ma, Fangmin Chen, Xing Wang, Zhihua Wu, Songwei Liu, Mingbao Lin

机构 * ByteDance Inc.（字节跳动公司） ； Rakuten Asia（乐天亚洲） 纠错

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

AI总结 ERTACache通过误差修正和时间步调整，实现高效扩散模型的加速，保持视觉质量的同时提升推理效率。

LSGQuant: Layer-Sensitivity Guided Quantization for One-Step Diffusion Real-World Video Super-Resolution

LSGQuant: 层敏感性引导的量化方法用于一步扩散现实视频超分辨率

Tianxing Wu, Zheng Chen, Cirou Xu, Bowen Chai, Yong Guo, Yutong Liu, Linghe Kong, Yulun Zhang

机构 * Shanghai Jiao Tong University（上海交通大学） ； Huawei（华为） 纠错

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

AI总结 LSGQuant 通过动态范围自适应量化器和层敏感性引导策略，实现了一步扩散现实视频超分辨率的高效量化方法，显著提升了模型压缩效果。

Comments Code is available at: https://github.com/zhengchen1999/LSGQuant

On the Design of One-step Diffusion via Shortcutting Flow Paths

关于通过捷径流路径设计一步扩散模型

Haitao Lin, Peiyan Hu, Minsi Ren, Zhifeng Gao, Zhi-Ming Ma, Guolin ke, Tailin Wu, Stan Z. Li

机构 * Department of Artificial Intelligence, School of Engineering, Westlake University（人工智能系，工程学院，西湖大学） ； Academy of Mathematics and Systems Science, Chinese Academy of Sciences（数学与系统科学学院，中国科学院） ； DP Technology, Beijing（北京DP技术） 纠错

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

AI总结 本文提出了一种通用设计框架，用于改进捷径模型，使一步生成模型在无分类器指导设置下达到新的SOTA FID50k值。

Comments 10 pages of main body, conference paper

F-scheduler: illuminating the free-lunch design space for fast sampling of diffusion models

F-scheduler: 探索扩散模型快速采样中的免费午餐设计空间

Zilai Li, Lujia Bai

机构 * Department of Mathematics, at Ruhr University Bochum in the group of Holger Dette, Germany（鲁尔大学博德姆数学系） ； Independent Researcher, Guangdong, China（独立研究者） 纠错

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

AI总结 F-scheduler通过优化ODE求解器与Free-U Net结合，实现扩散模型快速采样，提升图像生成质量与效率

Comments 12 pages, 8 figures

NativeTok: Native Visual Tokenization for Improved Image Generation

NativeTok: 原生视觉令牌化以提升图像生成

Bin Wu, Mengqi Huang, Weinan Jia, Zhendong Mao

机构 * University of Science and Technology of China（科学技术大学） 纠错

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

AI总结 NativeTok通过强制因果依赖关系提升图像生成效果，采用元图像变换器和因果专家变换器实现高效重建与关系约束。

SeedVR2: One-Step Video Restoration via Diffusion Adversarial Post-Training

SeedVR2: 通过扩散对抗后训练实现一步视频修复

Jianyi Wang, Shanchuan Lin, Zhijie Lin, Yuxi Ren, Meng Wei, Zongsheng Yue, Shangchen Zhou, Hao Chen, Yang Zhao, Ceyuan Yang, Xuefeng Xiao, Chen Change Loy, Lu Jiang

机构 * Nanyang Technological University（南洋理工大学） ； ByteDance Seed（字节跳动实验室） 纠错

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

AI总结 SeedVR2通过引入自适应窗口注意力机制和改进的损失函数，实现高分辨率视频修复的一步式高效修复方法。

Comments Camera Ready of ICLR2026. Project page: https://iceclear.github.io/projects/seedvr2/

Token Caching for Diffusion Transformer Acceleration

扩散变换器加速的标记缓存

Jinming Lou, Wenyang Luo, Yufan Liu, Bing Li, Xinmiao Ding, Weiming Hu, Yuming Li, Chenguang Ma

机构 * State Key Laboratory of Multimodal Artificial Intelligence Systems, Institute of Automation, Chinese Academy of Sciences（多模态人工智能系统国家重点实验室，自动化研究所） ； School of Information and Electronic Engineering, Shandong Technology and Business University（山东科技职业大学信息与电子工程学院） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； PeopleAl, Inc.（PeopleAl公司） ； School of Information Science and Technology, ShanghaiTech University（上海科技大学信息科学与技术学院） ； Terminal Technology Department, Alipay, Ant Group（蚂蚁集团支付宝终端技术部） 纠错

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

AI总结 TokenCache通过标记缓存技术优化扩散变换器的计算效率，在生成质量和推理速度之间取得平衡。

CamPilot: Improving Camera Control in Video Diffusion Model with Efficient Camera Reward Feedback

CamPilot: 通过高效的相机奖励反馈提升视频扩散模型的相机控制

Wenhang Ge, Guibao Shen, Jiawei Feng, Luozhou Wang, Hao Lu, Xingye Tian, Xin Tao, Ying-Cong Chen

机构 * HKUST(GZ)（香港科技大学（广州）） ； HKUST（香港科技大学） ； Kling Team, Kuaishou Technology（快手科技 Kling 团队） 纠错

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

AI总结 CamPilot通过高效的3D解码器和奖励机制提升视频扩散模型的相机控制能力

DiffMM: Efficient Method for Accurate Noisy and Sparse Trajectory Map Matching via One Step Diffusion

DiffMM: 一种用于准确匹配噪声和稀疏轨迹图的高效方法通过一步扩散

Chenxu Han, Sean Bin Yang, Jilin Hu

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

AI总结 DiffMM通过一步扩散方法，高效准确地匹配噪声和稀疏轨迹，提升交通调度和流分析的应用性能。

Comments AAAI-26

From Sketch to Fresco: Efficient Diffusion Transformer with Progressive Resolution

从草图到壁画：高效的扩散变换器与渐进分辨率

Shikang Zheng, Guantao Chen, Lixuan He, Jiacheng Liu, Yuqi Lin, Chang Zou, Linfeng Zhang

机构 * Shanghai Jiao Tong University（上海交通大学） ； South China University of Technology（华南理工大学） ； Tsinghua University（清华大学） 纠错

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

AI总结 Fresco通过渐进式上采样统一重加噪和全局结构，实现高效扩散变换器的加速，适用于多种模型和领域。