图像生成

ArcFlow: Unleashing 2-Step Text-to-Image Generation via High-Precision Non-Linear Flow Distillation

ArcFlow：通过高精度非线性流蒸馏实现两步文本到图像生成

Zihan Yang, Shuyuan Tu, Licheng Zhang, Qi Dai, Yu-Gang Jiang, Zuxuan Wu

机构 * Fudan University（复旦大学） ； Microsoft Research Asia（微软亚洲研究院） 纠错

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

AI总结 ArcFlow通过高精度非线性流蒸馏实现两步文本到图像生成，提升生成速度并保持质量。

Autoregressive Image Generation with Masked Bit Modeling

基于掩码位建模的自回归图像生成

Qihang Yu, Qihao Liu, Ju He, Xinyang Zhang, Yang Liu, Liang-Chieh Chen, Xi Chen

机构 * Amazon FAR (Frontier AI \& Robotics) 纠错

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

AI总结 本文提出基于掩码位建模的自回归框架，通过扩大代码本大小有效缩小离散与连续方法的性能差距，实现更高效的图像生成。

Comments SOTA discrete visual generation defeats diffusion models with 0.99 FID score, project page is available at https://bar-gen.github.io/

MAMBO-G: Magnitude-Aware Mitigation for Boosted Guidance

MAMBO-G：基于幅度的提升引导抑制

Shangwen Zhu, Qianyu Peng, Zhilei Shu, Yuting Hu, Zhantao Yang, Han Zhang, Zhao Pu, Andy Zheng, Xinyu Cui, Jian Zhao, Ruili Feng, Fan Cheng

机构 * Shanghai Jiao Tong University（上海交通大学） ； The University of Hong Kong（香港大学） ； University of Science and Technology of China（中国科学技术大学） ； University of Waterloo（滑铁卢大学） ； Chinese Academy of Sciences（中国科学院） ； Zhongguancun Academy（中关村学院） 纠错

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

AI总结 MAMBO-G通过动态优化引导幅度，显著降低计算成本，实现视频生成任务的高效加速。

MTS-CSNet: Multiscale Tensor Factorization for Deep Compressive Sensing on RGB Images

MTS-CSNet: 多尺度张量分解用于RGB图像的深度压缩感知

Mehmet Yamac, Lei Xu, Serkan Kiranyaz, Moncef Gabbouj

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

AI总结 MTS-CSNet通过多尺度张量分解实现高效RGB图像压缩感知，提供更优的重建性能和更快的推理速度。

Comments 6 pages, 5 figures

Improved sampling algorithms and functional inequalities for non-log-concave distributions

改进的采样算法与非对数凹分布的函数不等式

Yuchen He, Zhehan Lei, Jianan Shao, Chihao Zhang

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

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文改进了非对数凹分布采样算法，通过加强假设获得更优的查询复杂度和Poincaré常数界。

Direct Soft-Policy Sampling via Langevin Dynamics

通过 Langevin 动力学实现直接软策略采样

Donghyeon Ki, Hee-Jun Ahn, Kyungyoon Kim, Byung-Jun Lee

机构 * Department of Artificial Intelligence, Korea University, Seoul, Republic of Korea（韩国大学人工智能系） ； Gauss Labs Inc（Gauss实验室） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 通过引入噪声条件化的 Langevin 动力学，NC-LQL 实现了高效的软策略采样，提升了在线强化学习的性能。

Generalised Flow Maps for Few-Step Generative Modelling on Riemannian Manifolds

广义流映射用于黎曼流形上的少步生成建模

Oscar Davis, Michael S. Albergo, Nicholas M. Boffi, Michael M. Bronstein, Avishek Joey Bose

机构 * University of Oxford（牛津大学） ； Harvard University（哈佛大学） ； Kempner Institute（凯普纳研究所） ； Institute for Artificial Intelligence and Fundamental Interactions, MIT（人工智能与基本相互作用研究所，MIT） ； Carnegie Mellon University（卡内基梅隆大学） ； AITHYRA（AITHYRA研究所） ； Mila（Mila研究所） ； Imperial College London（伦敦帝国学院） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出广义流映射（GFM）用于黎曼流形上的少步生成建模，通过自蒸馏方法提升现有生成模型性能。

Comments Under review