图像生成

Learning Structure-Semantic Evolution Trajectories for Graph Domain Adaptation

学习结构-语义演进轨迹用于图域适应

Wei Chen, Xingyu Guo, Shuang Li, Yan Zhong, Zhao Zhang, Fuzhen Zhuang, Hongrui Liu, Libang Zhang, Guo Ye, Huimei He

机构 * School of Artificial Intelligence, Beihang University, Beijing, China（北京航空航天大学人工智能学院） ； School of Mathematical Sciences, Peking University, Beijing, China（北京大学数学科学学院） ； School of Computer Science and Engineering, Beihang University, Beijing, China（北京航空航天大学计算机科学与工程学院） ； Zhongguancun Laboratory, Beijng, China（中关村实验室） ； Independent Researcher, Beijing, China（独立研究者） 纠错

专题命中 可控生成 ：diffusion(abstract)

AI总结 DiffGDA通过建模连续时间生成过程，以结构和语义转换的联合建模方式解决图域适应中的连续非线性演进问题，实验表明其在多个数据集上优于现有方法。

Comments accepted by ICLR 2026, 21 pages

GenDR: Lighten Generative Detail Restoration

GenDR：轻量级生成细节修复

Yan Wang, Shijie Zhao, Kexin Zhang, Junlin Li, Li Zhang

机构 * MMLab, ByteDance（字节dance实验室） 纠错

专题命中 图像修复 ：text-to-image(abstract)；diffusion(abstract)；分类 cs.CV

AI总结 GenDR通过单步扩散模型和改进的蒸馏技术，实现高效且高质量的生成细节修复。

Comments Accepted by ICLR 2026

Eliminating VAE for Fast and High-Resolution Generative Detail Restoration

消除VAE以实现快速且高分辨率的生成细节修复

Yan Wang, Shijie Zhao, Junlin Li, Li Zhang

机构 * MMLab, ByteDance（字节实验室，字节跳动） 纠错

专题命中 图像修复 ：diffusion(abstract)；分类 cs.CV

AI总结 GenDR-Pix通过消除VAE并引入多阶段对抗蒸馏和傅里叶空间损失，实现了快速且高分辨率的生成细节修复，推理速度提升2.8倍，内存节省60%。

Comments Accepted by ICLR 2026

Diffusion posterior sampling for simulation-based inference in tall data settings

扩散后验采样用于高数据设置下的基于模拟的推断

Julia Linhart, Gabriel Victorino Cardoso, Alexandre Gramfort, Sylvain Le Corff, Pedro L. C. Rodrigues

机构 * Université Paris-Saclay（巴黎-萨克雷大学） ； Inria（法国国家信息与自动化技术研究院） ； CEA（法国原子能委员会） ； CMAP, École Polytechnique（高等理工学院CMAP部门） ； Institut Polytechnique de Paris（巴黎理工 institute） ； CNRS（法国国家科学研究中心） ； Grenoble INP（格勒诺布尔INP） ； LJK（格勒诺布尔联合实验室） 纠错

专题命中 效率与蒸馏 ：diffusion(title,abstract)

AI总结 本文提出了一种无需兰格-动态步骤的扩散后验采样方法，提高了高数据设置下基于模拟的推断效率和稳定性。

Comments 49 pages, 24 figures, 3 tables, 2 algorithms, 12 appendices, TMLR acceptance

An Efficient Energy Stable Structure Preserving Method for The Landau-Lifshitz Equation

一种高效的能量稳定结构保持方法用于Landau-Lifshitz方程

Changjian Xie, Yingxi Miao, Haocheng Yang

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出了一种基于Gauss-Seidel、双扩散和Crank-Nicolson迭代的结构保持方法，用于高效稳定地求解Landau-Lifshitz方程的范数约束问题。

Deep Bootstrap

深度Bootstrap

Jinyuan Chang, Yuling Jiao, Lican Kang, Junjie Shi

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出基于条件扩散模型的深度Bootstrap框架，用于非参数回归，通过统一生成框架实现高效采样和准确估计。

Biologically Plausible Learning via Bidirectional Spike-Based Distillation

通过双向脉冲基于蒸馏实现生物合理的学习

Changze Lv, Yifei Wang, Yanxun Zhang, Yiyang Lu, Jingwen Xu, Xiaohua Wang, Di Yu, Xin Du, Xuanjing Huang, Xiaoqing Zheng

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

AI总结 本文提出双向脉冲基于蒸馏算法，通过联合训练前馈和反向脉冲网络，实现与反向传播相当的性能，推动生物合理神经网络学习的发展。