视觉与机器人

图像生成

图像生成、文生图、图像编辑、扩散模型和可控生成。

2026-01-09 至 2026-01-09 共收录 2 篇信号源：cs.CV, cs.GR, cs.MM

1. 效率与蒸馏 2 篇

2505.21400 2026-01-09 cs.LG cs.IT math.IT math.ST stat.ML stat.TH 78%

Breaking AR's Sampling Bottleneck: Provable Acceleration via Diffusion Language Models

突破生成模型的采样瓶颈：通过扩散语言模型实现可证明的加速

Gen Li, Changxiao Cai

机构 * Department of Statistics and Data Science, Chinese University of Hong Kong, Hong Kong（统计与数据科学系，香港中文大学）； Department of Industrial and Operations Engineering, University of Michigan, Ann Arbor, USA（工业与运营管理系，密歇根大学）

专题命中效率与蒸馏：diffusion(title,abstract)

AI总结本文从信息论角度为扩散语言模型提供收敛保证，证明采样误差随迭代次数减少而降低，从而突破自回归模型所需的L步瓶颈，为生成高质量样本提供理论支持。

Comments This is the full version of a paper published at NeurIPS 2025

2601.04792 2026-01-09 cs.CV 57%

PyramidalWan: On Making Pretrained Video Model Pyramidal for Efficient Inference

PyramidalWan: 关于使预训练视频模型金字塔化以实现高效推理

Denis Korzhenkov, Adil Karjauv, Animesh Karnewar, Mohsen Ghafoorian, Amirhossein Habibian

机构 * Qualcomm AI Research（高通人工智能研究）

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

AI总结 PyramidalWan通过低成本微调将预训练扩散模型转换为金字塔模型，提升视频推理效率并保持输出质量。