图像生成

On the Design of One-step Diffusion via Shortcutting Flow Paths

关于通过捷径流路径设计一步扩散模型

Haitao Lin, Peiyan Hu, Minsi Ren, Zhifeng Gao, Zhi-Ming Ma, Guolin ke, Tailin Wu, Stan Z. Li

机构 * Department of Artificial Intelligence, School of Engineering, Westlake University（人工智能系，工程学院，西湖大学） ； Academy of Mathematics and Systems Science, Chinese Academy of Sciences（数学与系统科学学院，中国科学院） ； DP Technology, Beijing（北京DP技术） 纠错

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

AI总结 本文提出了一种通用设计框架，用于改进捷径模型，使一步生成模型在无分类器指导设置下达到新的SOTA FID50k值。

Comments 10 pages of main body, conference paper

F-scheduler: illuminating the free-lunch design space for fast sampling of diffusion models

F-scheduler: 探索扩散模型快速采样中的免费午餐设计空间

Zilai Li, Lujia Bai

机构 * Department of Mathematics, at Ruhr University Bochum in the group of Holger Dette, Germany（鲁尔大学博德姆数学系） ； Independent Researcher, Guangdong, China（独立研究者） 纠错

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

AI总结 F-scheduler通过优化ODE求解器与Free-U Net结合，实现扩散模型快速采样，提升图像生成质量与效率

Comments 12 pages, 8 figures

Efficient UAV trajectory prediction: A multi-modal deep diffusion framework

高效无人机轨迹预测：一种多模态深度扩散框架

Yuan Gao, Xinyu Guo, Wenjing Xie, Zifan Wang, Hongwen Yu, Gongyang Li, Shugong Xu

专题命中 效率与蒸馏 ：diffusion(title)；分类 cs.CV

AI总结 本文提出一种多模态深度融合框架，通过融合激光雷达和毫米波雷达数据提升无人机轨迹预测精度，实验显示其比基线模型提升40%。

Comments in Chinese language

GPD: Guided Progressive Distillation for Fast and High-Quality Video Generation

GPD: 用于快速高质量视频生成的引导渐进蒸馏

Xiao Liang, Yunzhu Zhang, Linchao Zhu

机构 * College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） 纠错

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

AI总结 GPD通过引导渐进蒸馏方法，减少视频生成的采样步骤，同时保持高质量输出。

Generalized Radius and Integrated Codebook Transforms for Differentiable Vector Quantization

通用半径与集成代码本变换用于可微向量量化

Haochen You, Heng Zhang, Hongyang He, Yuqi Li, Baojing Liu

机构 * Columbia University（哥伦比亚大学） ； South China Normal University（南方科技大学） ； University of Warwick（沃里克大学） ； The City College of New York（纽约城市学院） ； Hebei Institute of Communications（河北通信学院） 纠错

专题命中 效率与蒸馏 ：image generation(abstract)

AI总结 GRIT-VQ通过统一的可微框架提升向量量化性能，实现稳定梯度和高效代码本利用。

Comments This paper has been accepted as a conference paper at CPAL 2026

Sampling from multi-modal distributions on Riemannian manifolds with training-free stochastic interpolants

在黎曼流形上采样多模分布的无训练随机插值法

Alain Durmus, Maxence Noble, Thibaut Pellerin

机构 * CMAP, CNRS, Ecole polytechnique（CMAP、法国国家科学研究中心、巴黎高等师范学院） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出了一种无训练的随机插值方法，用于在黎曼流形上高效采样多模分布，通过非平衡动力学和随机插值实现无需训练的高效采样。