图像生成

LSGQuant: Layer-Sensitivity Guided Quantization for One-Step Diffusion Real-World Video Super-Resolution

LSGQuant: 层敏感性引导的量化方法用于一步扩散现实视频超分辨率

Tianxing Wu, Zheng Chen, Cirou Xu, Bowen Chai, Yong Guo, Yutong Liu, Linghe Kong, Yulun Zhang

机构 * Shanghai Jiao Tong University（上海交通大学） ； Huawei（华为） 纠错

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

AI总结 LSGQuant 通过动态范围自适应量化器和层敏感性引导策略，实现了一步扩散现实视频超分辨率的高效量化方法，显著提升了模型压缩效果。

Comments Code is available at: https://github.com/zhengchen1999/LSGQuant

Ultra Fast PDE Solving via Physics Guided Few-step Diffusion

通过物理引导的少步扩散实现超快PDE求解

Cindy Xiangrui Kong, Yueqi Wang, Haoyang Zheng, Weijian Luo, Guang Lin

机构 * Purdue University（普渡大学） ； hi-Lab, Xiaohongshu Inc（小红书实验室，小红书公司） 纠错

专题命中 效率与蒸馏 ：diffusion(title,abstract)

AI总结 Phys-Instruct通过物理引导的蒸馏框架，实现PDE求解的高效与高物理一致性。

Spectral Evolution Search: Efficient Inference-Time Scaling for Reward-Aligned Image Generation

谱演化搜索：用于奖励对齐图像生成的高效推理时缩放

Jinyan Ye, Zhongjie Duan, Zhiwen Li, Cen Chen, Daoyuan Chen, Yaliang Li, Yingda Chen

机构 * School of Data Science and Engineering, East China Normal University, Shanghai, China（数据科学与工程学院，东华大学，上海，中国） ； Alibaba Group, Hangzhou, China（阿里巴巴集团，杭州，中国） 纠错

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

AI总结 本文提出谱演化搜索（SES），通过在低频子空间内执行梯度自由演化搜索，提升奖励对齐图像生成的效率和质量。

Trajectory Consistency for One-Step Generation on Euler Mean Flows

Euler均流用于欧拉步生成的轨迹一致性

Zhiqi Li, Yuchen Sun, Duowen Chen, Jinjin He, Bo Zhu

机构 * College of Computing, Georgia Tech, Location, Country（计算学院，佐治亚理工学院） 纠错

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

AI总结 本文提出Euler均流框架，通过线性替代物实现长时间轨迹一致性，提升生成稳定性与效率，减少训练时间和内存消耗。

Comments 40 pages, 27 figures

From Tokens to Numbers: Continuous Number Modeling for SVG Generation

从标记到数字：用于SVG生成的连续数字建模

Michael Ogezi, Martin Bell, Freda Shi, Ethan Smith

机构 * Cheriton School of Computer Science, University of Waterloo, Waterloo, ON, Canada（滑铁卢大学计算机科学学院） ； Vector Institute（向量研究所） 纠错

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

AI总结 本文提出连续数字建模（CNM）方法，通过直接建模连续数值提升SVG生成的效率与质量，实现训练速度提升30%及更高的视觉保真度。

Fast Sampling for Flows and Diffusions with Lazy and Point Mass Stochastic Interpolants

流与扩散的快速采样：懒惰与点质量随机插值法

Gabriel Damsholt, Jes Frellsen, Susanne Ditlevsen

机构 * University of Copenhagen（哥本哈根大学） ； Technical University of Denmark（丹麦技术大学） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出了一种基于懒惰和点质量随机插值法的快速采样方法，用于流和扩散模型，通过转换插值计划和扩散系数，提升生成效率。

Bayesian Methods for the Navier-Stokes Equations

贝叶斯方法用于纳维-斯托克斯方程

Nicholas Polson, Vadim Sokolov

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出了一种贝叶斯方法用于求解具有不确定性的纳维-斯托克斯方程，通过粒子学习和随机表示提升计算稳定性与不确定性传播效率。

Efficient Counterfactual Estimation of Conditional Greeks via Malliavin-based Weak Derivatives

通过马尔可夫算子弱导数高效估计条件希腊值

Vikram Krishnamurthy, Luke Snow

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出了一种基于马尔可夫算子弱导数的高效方法，用于估计稀有事件下的条件希腊值，通过两阶段无核技术提升反事实梯度估计的效率和稳定性。

TabPFN for Zero-shot Parametric Engineering Design Generation

基于TabPFN的零样本参数化工程设计生成

Ke Wang, Yifan Tang, Nguyen Gia Hien Vu, Faez Ahmed, G. Gary Wang

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 基于TabPFN的零样本生成方法，通过少量参考样本实现高效参数化工程设计生成，减少计算和数据需求，提升设计灵活性和实用性。

Comments 14 pages, 8 figures