图像生成

PTQ4ARVG: Post-Training Quantization for AutoRegressive Visual Generation Models

PTQ4ARVG：后训练量化用于自回归视觉生成模型

Xuewen Liu, Zhikai Li, Jing Zhang, Mengjuan Chen, Qingyi Gu

机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） 纠错

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

AI总结 PTQ4ARVG提出一种无需训练的后训练量化框架，解决ARVG模型在通道、令牌和样本层面的量化难题，实现8位和6位高效量化。

Comments ICLR 2026

Efficient4D: Fast Dynamic 3D Object Generation from a Single-view Video

Efficient4D: 从单视角视频快速生成动态3D对象

Zijie Pan, Zeyu Yang, Xiatian Zhu, Li Zhang

机构 * School of Data Science, Fudan University（复旦大学数据科学学院） ； University of Surrey（Surrey大学） 纠错

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

AI总结 Efficient4D通过高效框架实现从单视角视频快速生成动态3D对象，提升速度10倍并保持高质量

Comments IJCV version

Thompson Sampling Algorithm for Stochastic Games

带有随机成本的随机博弈的汤普森采样算法

Asaf Cohen, Ruolan He, Yuqiong Wang

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出了一种基于汤普森采样的算法，用于解决具有随机成本的随机博弈问题，证明该算法在时间范围内具有渐近零的平均遗憾，并达到纳什均衡。

Efficient Learning of Stationary Diffusions with Stein-type Discrepancies

高效学习平稳扩散的Stein型不一致度

Fabian Bleile, Sarah Lumpp, Mathias Drton

机构 * Technical University of Munich（慕尼黑技术大学） ； Munich Center for Machine Learning（慕尼黑机器学习中心） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出Stein型KDS方法，用于高效学习平稳扩散，通过凸优化减少计算成本并提升性能。

Expanding the Chaos: Neural Operator for Stochastic (Partial) Differential Equations

扩展混沌：用于随机（偏）微分方程的神经算子

Dai Shi, Lequan Lin, Andi Han, Luke Thompson, José Miguel Hernández-Lobato, Zhiyong Wang, Junbin Gao

机构 * University of Cambridge（剑桥大学） ； University of Sydney（悉尼大学） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出基于Wiener-chaos展开的神经算子，用于高效求解随机微分方程和随机偏微分方程，通过参数化混沌系数实现快速轨迹重建，并在多个任务中展示了其有效性。

NEAT: Neighborhood-Guided, Efficient, Autoregressive Set Transformer for 3D Molecular Generation

NEAT：基于邻域指导、高效、自回归的集合变换器用于3D分子生成

Daniel Rose, Roxane Axel Jacob, Johannes Kirchmair, Thierry Langer

机构 * Department of Pharmaceutical Sciences, University of Vienna（维也纳大学药学系） ； Christian Doppler Laboratory for Molecular Informatics in the Biosciences（生物医学分子信息学克里斯蒂安·多普勒实验室） ； Vienna Doctoral School of Pharmaceutical, Nutritional and Sport Sciences（维也纳药学、营养学和运动科学博士学院） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 NEAT是一种基于邻域指导、高效、自回归的集合变换器，用于3D分子生成，通过不依赖顺序的分布学习实现原子排列不变性，提升生成性能。