图像生成

One-Step Diffusion-Based Image Compression with Semantic Distillation

一步扩散式图像压缩与语义蒸馏

Naifu Xue, Zhaoyang Jia, Jiahao Li, Bin Li, Yuan Zhang, Yan Lu

机构 * Communication University of China（中国通信大学） ； University of Science and Technology of China（中国科学技术大学） ； Microsoft Research Asia（微软亚洲研究院） 纠错

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

AI总结 OneDC通过一步扩散生成和语义蒸馏机制实现高效图像压缩，达到SOTA感知质量，比特率降低39%且解码速度提升20倍。

Comments Accepted by NeurIPS 2025

Solving Diffusion Inverse Problems with Restart Posterior Sampling

利用重启后验抽样解决扩散逆问题

Bilal Ahmed, Joseph G. Makin

专题命中 效率与蒸馏 ：diffusion(title,abstract)

AI总结 RePS通过重启后验抽样高效解决线性和非线性逆问题，避免反向传播，提升收敛速度和重建质量。

MobileI2V: Fast and High-Resolution Image-to-Video on Mobile Devices

MobileI2V: 一种适用于移动设备的快速高分辨率图像到视频生成方法

Shuai Zhang, Bao Tang, Siyuan Yu, Yueting Zhu, Jingfeng Yao, Ya Zou, Shanglin Yuan, 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 MobileI2V通过轻量级扩散模型和优化策略，在移动设备上实现快速高分辨率图像到视频生成，生成速度提升10倍，质量与现有模型相当。

Comments Our Demo and code:https://github.com/hustvl/MobileI2V

Efficient Training for Human Video Generation with Entropy-Guided Prioritized Progressive Learning

高效训练人类视频生成的熵引导优先级渐进学习

Changlin Li, Jiawei Zhang, Shuhao Liu, Sihao Lin, Zeyi Shi, Zhihui Li, Xiaojun Chang

机构 * Stanford University（斯坦福大学） ； North China Electric Power University（华北电力大学） ； University of Adelaide（阿德莱德大学） ； University of Technology Sydney（悉尼技术大学） ； 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(abstract)；分类 cs.CV

AI总结 本文提出熵引导优先级渐进学习方法，通过条件熵膨胀和自适应渐进计划，高效训练扩散模型生成人类视频，实现训练速度提升和内存消耗降低。

Comments Project page: https://github.com/changlin31/Ent-Prog