Korea Advanced Institute of Science and Technology（韩国科学技术院）

WAND: Windowed Attention and Knowledge Distillation for Efficient Autoregressive Text-to-Speech Models

WAND: 窗口注意力与知识蒸馏用于高效自回归文本到语音模型

Hanna Lee, Tan Dat Nguyen, Jaehoon Kang, Kyuhong Shim

机构 * Korea Advanced Institute of Science and Technology, Republic of Korea（韩国科学技术院） ； Sungkyunkwan University, Republic of Korea（成均馆大学） 纠错

AI总结 提出WAND框架，通过分离注意力为全局持久注意力和局部滑动窗口注意力，结合课程学习与知识蒸馏，在保持合成质量的同时将AR-TTS模型的计算和内存复杂度降至常数，KV缓存减少66.2%。

Comments Accepted at Interspeech 2026

MSPL: Multi-Step Pseudo-Labeling for Open-Vocabulary Object Detection

MSPL: 用于开放词汇目标检测的多步伪标签方法

Hojun Choi, Youngsun Lim, Jaeyo Shin, Hyunjung Shim

机构 * KAIST AI（韩国韩世大学AI研究所） ； Boston University（波士顿大学） 纠错

AI总结 提出MSPL框架，通过多步视觉推理（目标定位、类别识别、背景确认）生成伪标签，解决开放词汇检测中单步图像-文本匹配忽略中间推理步骤的问题，在OV-COCO和OV-LVIS上取得最优性能。

Comments This paper has been accepted by ECCV 2026