图像生成 - arXivDaily 专题

2512.22374 2025-12-30 cs.CV cs.AI cs.LG 89%

Self-Evaluation Unlocks Any-Step Text-to-Image Generation

自我评估解锁任意步文本到图像生成

Xin Yu, Xiaojuan Qi, Zhengqi Li, Kai Zhang, Richard Zhang, Zhe Lin, Eli Shechtman, Tianyu Wang, Yotam Nitzan

机构 * The University of Hong Kong（香港大学）； Adobe Research（Adobe研究）

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

AI总结 Self-E 是一种新颖的从头开始训练方法，通过自我评估机制实现任意步文本到图像生成，兼具高效与高质量生成能力。

Comments Project page: https://xinyu-andy.github.io/SelfE-project/

2512.23576 2025-12-30 cs.CV 79%

LiveTalk: Real-Time Multimodal Interactive Video Diffusion via Improved On-Policy Distillation

LiveTalk: 通过改进的在线策略蒸馏实现实时多模态交互视频扩散

Ethan Chern, Zhulin Hu, Bohao Tang, Jiadi Su, Steffi Chern, Zhijie Deng, Pengfei Liu

机构 * SII SJTU GAIR

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

AI总结本文提出LiveTalk系统，通过改进的在线策略蒸馏实现实时多模态交互视频生成，显著提升效率和质量。

2512.22802 2025-12-30 cs.LG cs.CV 79%

ReDiF: Reinforced Distillation for Few Step Diffusion

ReDiF: 基于强化学习的少步扩散模型知识蒸馏

Amirhossein Tighkhorshid, Zahra Dehghanian, Gholamali Aminian, Chengchun Shi, Hamid R. Rabiee

机构 * London School of Economics（伦敦经济学院）

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

AI总结 ReDiF通过强化学习方法实现少步扩散模型的知识蒸馏，以更高效的方式生成高质量样本。

2512.21710 2025-12-30 cs.CV 57%

RAPTOR: Real-Time High-Resolution UAV Video Prediction with Efficient Video Attention

RAPTOR: 用于高效视频注意的实时高分辨率无人机视频预测

Zhan Chen, Zile Guo, Enze Zhu, Peirong Zhang, Xiaoxuan Liu, Lei Wang, Yidan Zhang

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

AI总结 RAPTOR通过高效视频注意机制实现了实时高分辨率视频预测，首次在Jetson AGX Orin上达到30 FPS以上，提升了无人机任务成功率18%。

Comments Accepted by AAAI2026

2512.04678 2025-12-30 cs.CV 57%

Reward Forcing: Efficient Streaming Video Generation with Rewarded Distribution Matching Distillation

奖励强制：基于奖励分布匹配蒸馏的高效流式视频生成

Yunhong Lu, Yanhong Zeng, Haobo Li, Hao Ouyang, Qiuyu Wang, Ka Leong Cheng, Jiapeng Zhu, Hengyuan Cao, Zhipeng Zhang, Xing Zhu, Yujun Shen, Min Zhang

机构 * Zhejiang University（浙江大学）； Ant Group（蚂蚁集团）； SIAS-ZJU ； SJTU（上海交通大学）

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

AI总结奖励强制通过EMA-Sink和Re-DMD提升流式视频生成效率与质量，实现23.1 FPS的高性能视频生成。

2512.22166 2025-12-30 cs.SD eess.AS 50%

AudioGAN: A Compact and Efficient Framework for Real-Time High-Fidelity Text-to-Audio Generation

AudioGAN: 一种用于实时高保真文本到音频生成的紧凑高效框架

HaeChun Chung

机构 * KT Corporation（KT公司）

专题命中效率与蒸馏：diffusion(abstract)

AI总结 AudioGAN通过单次通过生成音频，以更少的参数和更快的速度实现高保真文本到音频生成。

Comments 10 pages, 6 figures, Accepted to AES AIMLA 2025

1. 效率与蒸馏 6 篇