图像生成

Few-Step Distillation for Text-to-Image Generation: A Practical Guide

文本到图像生成的少步蒸馏：一份实用指南

Yifan Pu, Yizeng Han, Zhiwei Tang, Jiasheng Tang, Fan Wang, Bohan Zhuang, Gao Huang

机构 * Tsinghua University（清华大学） ； DAMO Academy, Alibaba Group（阿里达摩院） ； Hupan Lab（华研实验室） ； Zhejiang University（浙江大学） 纠错

专题命中 效率与蒸馏 ：text-to-image(title,abstract)；image generation(title)；diffusion(abstract)；image synthesis(abstract)

AI总结 本文提出了一种少步蒸馏方法，用于文本到图像生成，通过比较先进技术并提供实用指南，以提高生成质量和效率。

Distillation of Discrete Diffusion by Exact Conditional Distribution Matching

通过精确条件分布匹配实现离散扩散模型的蒸馏

Yansong Gao, Yu Sun

机构 * Google（谷歌） 纠错

专题命中 效率与蒸馏 ：diffusion(title,abstract)

AI总结 本文提出了一种基于条件分布匹配的蒸馏方法，用于加速离散扩散模型的推断过程，通过匹配教师和学生模型的条件分布来提高效率。

Comments [work in progress]

An Efficient and Harmonized Framework for Balanced Cross-Domain Feature Integration

一种高效且协调的平衡跨域特征整合框架

Shaoxu Li, Ye Pan

机构 * Shaoxu Li, Ye Pan Corresponding author（Shaoxu Li, Ye Pan 通讯作者） 纠错

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

AI总结 本文提出了一种高效协调的跨域特征整合框架，通过定制模型和多模型组合提升内容与风格的平衡能力。

Comments https://github.com/lishaoxu1994/DiffStyler, AAAI2026

Transition to Petschek Reconnection in Subrelativistic Pair Plasmas: Implications for Particle Acceleration

亚相对论等离子体中向佩斯切克重联转变：对粒子加速的启示

Adam Robbins, Anatoly Spitkovsky

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 研究亚相对论等离子体中重联几何转变及其对粒子加速的影响，揭示佩斯切克几何与等离子体链在能量谱上的差异。

Comments 13 pages, 9 figures, accepted to ApJ. Comments welcome

Tracking large chemical reaction networks and rare events by neural networks

通过神经网络追踪大规模化学反应网络和罕见事件

Jiayu Weng, Xinyi Zhu, Jing Liu, Linyuan Lü, Pan Zhang, Ying Tang

机构 * Institute of Data Science, University of Hong Kong, Hong Kong（数据科学研究所，香港大学） ； Department of Systems Science, Faculty of Arts and Sciences, Beijing Normal University, Zhuhai 519087, China（艺术与科学学院系统科学系，北京师范大学） ； School of Physics, University of Electronic Science and Technology of China, Chengdu 611731, China（电子科学与技术大学物理学院） ； School of Physical Science and Technology, Beijing University of Posts and Telecommunications, Beijing 102206, China（邮电大学物理科学与技术学院） ； Institute of Theoretical Physics, Chinese Academy of Sciences, Beijing 100190, China（中国科学院理论物理研究所） ； School of Cyber Science and Technology, University of Science and Technology of China, Hefei 230027, China（科学技术大学网络科学与技术学院） ； School of Fundamental Physics and Mathematical Sciences, Hangzhou Institute for Advanced Study, UCAS, Hangzhou 310024, China（杭州高等研究院基础物理与数学科学学院） ； Institute of Fundamental and Frontier Sciences, University of Electronic Science and Technology of China, Chengdu 611731, China（电子科学与技术大学基础与前沿科学研究所） ； Non-classical Information Science Basic Discipline Research Center of Sichuan Province, University of Electronic Science and Technology of China, Chengdu 611731, China（四川省非经典信息科学基础学科研究中心，电子科学与技术大学） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出通过神经网络高效追踪大规模化学反应网络及罕见事件的方法，结合优化算法和增强采样策略，实现显著加速和高精度建模。

SuperGen: An Efficient Ultra-high-resolution Video Generation System with Sketching and Tiling

SuperGen: 一种高效的超高清视频生成系统，支持草图和分块

Fanjiang Ye, Zepeng Zhao, Yi Mu, Jucheng Shen, Renjie Li, Kaijian Wang, Saurabh Agarwal, Myungjin Lee, Triston Cao, Aditya Akella, Arvind Krishnamurthy, T. S. Eugene Ng, Zhengzhong Tu, Yuke Wang

机构 * Rice University（里士满大学） ； Carnegie Mellon University（卡内基梅隆大学） ； University of Illinois Urbana Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Texas A&M University（德克萨斯农工大学） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Cisco（思科公司） ； NVIDIA（英伟达公司） ； University of Washington（华盛顿大学） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 SuperGen通过分块技术实现高效超高清视频生成，无需额外训练，降低计算和内存成本，提升生成速度和质量。