图像生成

Flash-DMD: Towards High-Fidelity Few-Step Image Generation with Efficient Distillation and Joint Reinforcement Learning

Flash-DMD: 向高保真少步图像生成迈进：高效蒸馏与联合强化学习

Guanjie Chen, Shirui Huang, Kai Liu, Jianchen Zhu, Xiaoye Qu, Peng Chen, Yu Cheng, Yifu Sun

机构 * Shanghai Jiao Tong University（上海交通大学） ； Tencent（腾讯） ； Huazhong University of Science and Technology（华中科技大学） ； The Chinese University of Hong Kong（香港中文大学） 纠错

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

AI总结 Flash-DMD通过高效蒸馏和联合强化学习实现快速收敛，提升少步图像生成的保真度和稳定性。

PromptMoG: Enhancing Diversity in Long-Prompt Image Generation via Prompt Embedding Mixture-of-Gaussian Sampling

PromptMoG: 通过提示嵌入混合高斯采样增强长提示图像生成的多样性

Bo-Kai Ruan, Teng-Fang Hsiao, Ling Lo, Yi-Lun Wu, Hong-Han Shuai

机构 * National Yang Ming Chiao Tung University（国立阳明交通大学） 纠错

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

AI总结 PromptMoG通过混合高斯采样提升长提示图像生成的多样性，保持语义一致性。

Comments Technical Report

Image-Free Timestep Distillation via Continuous-Time Consistency with Trajectory-Sampled Pairs

无图像时间步蒸馏：通过连续时间一致性与轨迹采样对偶

Bao Tang, Shuai Zhang, Yueting Zhu, Jijun Xiang, Xin Yang, Li Yu, Wenyu Liu, Xinggang Wang

机构 * Huazhong University of Science and Technology（华中科技大学） 纠错

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

AI总结 TBCM通过直接提取教师模型生成轨迹的潜在表示，实现无训练数据依赖的时间步蒸馏，提升效率和简洁性，同时在生成质量与资源消耗上表现优异。

Rectified SpaAttn: Revisiting Attention Sparsity for Efficient Video Generation

校正SpaAttn：重新审视注意力稀疏性以实现高效的视频生成

Xuewen Liu, Zhikai Li, Jing Zhang, Mengjuan Chen, Qingyi Gu

机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） 纠错

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

AI总结 本文提出Rectified SpaAttn，通过校正注意力分配提升视频生成效率，实现显著速度提升且保持生成质量。

Comments Code at https://github.com/BienLuky/Rectified-SpaAttn

Segmentation-Aware Generative Reinforcement Network (GRN) for Tissue Layer Segmentation in 3-D Ultrasound Images for Chronic Low-back Pain (cLBP) Assessment

面向慢性低背痛（cLBP）评估的3D超声图像组织层分割的分割感知生成强化网络（GRN）

Zixue Zeng, Xiaoyan Zhao, Matthew Cartier, Tong Yu, Jing Wang, Xin Meng, Zhiyu Sheng, Maryam Satarpour, John M Cormack, Allison Bean, Ryan Nussbaum, Maya Maurer, Emily Landis-Walkenhorst, Dinesh Kumbhare, Kang Kim, Ajay Wasan, Jiantao Pu

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

AI总结 GRN通过整合分割损失反馈，实现图像生成与分割的联合训练，显著减少标注数据需求，提升3D超声图像中组织层分割的性能。

Non-equilibrium Annealed Adjoint Sampler

非平衡退火共轭采样器

Jaemoo Choi, Yongxin Chen, Molei Tao, Guan-Horng Liu

机构 * Georgia Institute of Technology（佐治亚理工学院） ； FAIR at Meta（Meta的FAIR） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 非平衡退火共轭采样器通过引入退火参考动力学，提升扩散模型在学习控制的稳定性和效率，适用于多种采样任务。

Comments 26 pages, 8 figures

Pixellated Posterior Sampling of Point Spread Functions in Astronomical Images

像素化的点扩散函数后验采样在天文学图像中

Connor Stone, Ronan Legin, Alexandre Adam, Nikolay Malkin, Gabriel Missael Barco, Laurence Perreaul-Levasseur, Yashar Hezaveh

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出了一种基于生成扩散模型的像素级PSF后验采样方法，通过结合高斯似然与生成模型先验，实现对天文学图像中点扩散函数的高精度建模，提升后续分析的不确定性传播能力。

Comments 17 pages, 10 figures