图像生成

C2NP: A Benchmark for Learning Scale-Dependent Geometric Invariances in 3D Materials Generation

C2NP：一个用于学习3D材料生成中尺度依赖几何不变性的基准

Can Polat, Erchin Serpedin, Mustafa Kurban, Hasan Kurban

机构 * Texas A&M University（德克萨斯大学） ； Ankara University（安卡拉大学） ； Texas A&M University at Qatar（德克萨斯大学（多哈）） ； Hamad Bin Khalifa University（哈马德·本·卡西姆大学） 纠错

专题命中 图像生成评测 ：diffusion(abstract)

AI总结 C2NP是一个用于评估3D材料生成模型在不同尺度间几何不变性学习能力的基准，通过生成和恢复纳米粒子结构来测试模型对表面效应和尺寸依赖畸变的处理能力。

Token Caching for Diffusion Transformer Acceleration

扩散变换器加速的标记缓存

Jinming Lou, Wenyang Luo, Yufan Liu, Bing Li, Xinmiao Ding, Weiming Hu, Yuming Li, Chenguang Ma

机构 * State Key Laboratory of Multimodal Artificial Intelligence Systems, Institute of Automation, Chinese Academy of Sciences（多模态人工智能系统国家重点实验室，自动化研究所） ； School of Information and Electronic Engineering, Shandong Technology and Business University（山东科技职业大学信息与电子工程学院） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； PeopleAl, Inc.（PeopleAl公司） ； School of Information Science and Technology, ShanghaiTech University（上海科技大学信息科学与技术学院） ； Terminal Technology Department, Alipay, Ant Group（蚂蚁集团支付宝终端技术部） 纠错

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

AI总结 TokenCache通过标记缓存技术优化扩散变换器的计算效率，在生成质量和推理速度之间取得平衡。

Enhanced posterior sampling via diffusion models for efficient metasurfaces inverse design

通过扩散模型增强后验采样以实现高效的超材料逆设计

Mathys Le Grand, Pascal Urard, Denis Rideau, Loumi Trémas, Damien Maitre, Louis-Henri Fernandez-Mouron, Adam Fuchs, Régis Orobtchouk

专题命中 效率与蒸馏 ：diffusion(title,abstract)

AI总结 本文提出基于扩散模型的逆设计方法，通过增强后验采样和一致性约束，实现高效且高精度的超材料设计。

Comments 32 pages, 16 figures; Abstract typos corrected, errors corrected in Table 2 and Figure 6; Typos corrected

Generation then Reconstruction: Accelerating Masked Autoregressive Models via Two-Stage Sampling

生成然后重建：通过两阶段采样加速遮蔽自回归模型

Feihong Yan, Peiru Wang, Yao Zhu, Kaiyu Pang, Qingyan Wei, Huiqi Li, Linfeng Zhang

机构 * Beijing Institute of Technology（北京理工大学） ； EPIC Lab, SJTU（上海交通大学EPIC实验室） ； Tsinghua University（清华大学） 纠错

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

AI总结 GtR通过两阶段采样加速遮蔽自回归模型，实现3.72倍速度提升并保持高质量生成。

Comments 12 pages, 6 figures

An Efficient Wavelet-based Physics Informed Residual Neural Networks for Flow Field Reconstruction with Extremely Sparse Data

一种高效的基于小波的物理信息残差神经网络用于极稀疏数据下的流场重构

Biswanath Barman, Rajendra K. Ray

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出了一种高效的基于小波的物理信息残差神经网络，用于极稀疏数据下的流场重构，并在正向和逆向问题中实现了高精度的PDE求解。

Comments total 48 pages, 33 figures, 10 tables

SelfieAvatar: Real-time Head Avatar reenactment from a Selfie Video

SelfieAvatar: 从自拍视频实现实时头部虚拟形象重现

Wei Liang, Hui Yu, Derui Ding, Rachael E. Jack, Philippe G. Schyns

机构 * Department of Control Science and Engineering, University of Shanghai for Science and Technology（上海理工大学控制科学与工程系） ； School of Psychology and Neuroscience, University of Glasgow（格拉斯哥大学心理学与神经科学学院） 纠错

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

AI总结 本研究提出基于3DMM和StyleGAN的方法，利用自拍视频实现实时头部虚拟形象重现，提升细节还原与高保真度。