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。

2026-02-12 至 2026-02-12 共收录 4 篇信号源：cs.CV, cs.GR, cs.MM

1. 效率与蒸馏 4 篇

2404.07593 2026-02-12 stat.ML cs.LG stat.ME 78%

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）

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

2602.10689 2026-02-12 math.NA cs.NA 50%

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。

2602.10587 2026-02-12 stat.ML cs.LG 50%

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。

2509.20284 2026-02-12 cs.NE 50%

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。