图像生成

Can Synthetic Images Serve as Effective and Efficient Class Prototypes?

合成图像能否作为有效的高效类别原型？

Dianxing Shi, Dingjie Fu, Yuqiao Liu, Jun Wang

机构 * Beijing Research Institute of Uranium Geology（铀矿北京研究机构） ； Huazhong University of Science and Technology（华中科技大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Great Bay University（大湾大学） 纠错

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

AI总结 LGCLIP通过大语言模型生成类别特定提示，利用扩散模型合成参考图像，以实现高效的零样本分类。

Comments Accepted by IEEE ICASSP2026

Training-Efficient Text-to-Music Generation with State-Space Modeling

基于状态空间建模的高效文本到音乐生成

Wei-Jaw Lee, Fang-Chih Hsieh, Xuanjun Chen, Fang-Duo Tsai, Yi-Hsuan Yang

机构 * Graduate Institute of Communication Engineering, National Taiwan University（通讯工程研究所，国立台湾大学） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出基于状态空间模型的高效文本到音乐生成方法，通过减少参数和计算资源实现更高效率，同时保持与基准模型相当的性能。

Comments 9 pages, 3 figures. This is a preprint of a paper submitted to IEEE/ACM TASLP

Differential Privacy Image Generation with Reconstruction Loss and Noise Injection Using an Error Feedback SGD

基于重构损失和噪声注入的差分隐私图像生成

Qiwei Ma, Jun Zhang

机构 * Shenzhen University（深圳大学） 纠错

专题命中 其他图像生成 ：image generation(title)；分类 cs.CV

AI总结 本文提出基于重构损失和噪声注入的差分隐私图像生成框架，采用EFSGD方法在保持隐私预算的前提下提升图像生成质量与实用性。