视觉与机器人

图像生成

图像生成、文生图、图像编辑、扩散模型和可控生成。

2026-02-05 至 2026-02-05 共收录 2 篇信号源：cs.CV, cs.GR, cs.MM

1. 效率与蒸馏 2 篇

2509.21058 2026-02-05 cs.LG 78%

SPREAD: Sampling-based Pareto front Refinement via Efficient Adaptive Diffusion

SPREAD: 基于采样的帕累托前沿精炼 via 高效自适应扩散

Sedjro Salomon Hotegni, Sebastian Peitz

机构 * Department of Computer Science, TU Dortmund University（计算机科学系，多特蒙德技术大学）； Lamarr Institute for Machine Learning and Artificial Intelligence（拉马尔机器学习与人工智能研究所）

专题命中效率与蒸馏：diffusion(title,abstract)

AI总结 SPREAD通过高效自适应扩散方法提升多目标优化的帕累托前沿覆盖效率

2602.04574 2026-02-05 cs.LG 50%

Probabilistic Label Spreading: Efficient and Consistent Estimation of Soft Labels with Epistemic Uncertainty on Graphs

概率标签传播：在图上利用epistemic不确定性进行高效且一致的软标签估计

Jonathan Klees, Tobias Riedlinger, Peter Stehr, Bennet Böddecker, Daniel Kondermann, Matthias Rottmann

机构 * Institute of Computer Science Osnabrück University（计算机科学研究所奥斯纳布鲁克大学）； Department of Mathematics Technical University of Berlin（数学系柏林技术大学）； Department of Mathematics University of Wuppertal（数学系威斯巴赫大学）； Quality Match GmbH Heidelberg, Germany（Quality Match GmbH 海德堡德国）

专题命中效率与蒸馏：diffusion(abstract)

AI总结本文提出概率标签传播方法，通过图扩散技术高效估计软标签的epistemic不确定性，减少标注成本并提升图像分类性能。