图像生成

Efficient Generative Modeling beyond Memoryless Diffusion via Adjoint Schrödinger Bridge Matching

通过伴随Schrödinger桥匹配实现超越记忆扩散的高效生成建模

Jeongwoo Shin, Jinhwan Sul, Joonseok Lee, Jaewong Choi, Jaemoo Choi

机构 * Seoul National University（首尔国立大学） ； Georgia Institute of Technology（佐治亚理工学院） ； Sungkyunkwan University（松山大学） 纠错

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

AI总结 ASBM通过优化轨迹生成提升高维数据生成的稳定性和效率，减少采样步骤提高图像生成保真度。

Syndrome-Flow Consistency Model Achieves One-step Denoising Error Correction Codes

综合征流一致性模型实现一步去噪纠错编码

Haoyu Lei, Chin Wa Lau, Kaiwen Zhou, Nian Guo, Farzan Farnia

机构 * Department of Computer Science and Engineering, The Chinese University of Hong Kong（计算机科学与工程系，香港中文大学） ； Huawei Technologies Co., Ltd.（华为技术有限公司） ； Theory Lab（理论实验室） ； Noah’s Ark Lab（诺亚实验室） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 ECCFM通过软综合征条件重新参数化PF-ODE，实现单步高保真纠错解码，提升效率与精度。

Efficient Personalization of Generative Models via Optimal Experimental Design

通过最优实验设计实现生成模型的高效个性化

Guy Schacht, Ziyad Sheebaelhamd, Riccardo De Santi, Mojmír Mutný, Andreas Krause

机构 * ETH Zurich, Zurich, Switzerland（苏黎世联邦理工学院） ； ETH AI Center, Zurich, Switzerland（苏黎世联邦理工人工智能中心） ； Broad Institute, Boston, USA（Broad研究所） 纠错

专题命中 效率与蒸馏 ：text-to-image(abstract)

AI总结 本文通过最优实验设计方法，高效地利用人类反馈优化生成模型的个性化，减少偏好查询的数量。

Qronos: Correcting the Past by Shaping the Future... in Post-Training Quantization

Qronos：通过塑造未来修正过去……在训练后量化中

Shihao Zhang, Haoyu Zhang, Ian Colbert, Rayan Saab

机构 * Department of Mathematics University of California, San Diego（数学系加州大学圣地亚哥分校） ； Software Architecture Advanced Micro Devices, Inc.（软件架构先进微器件公司） ； Department of Mathematics & HDSI University of California, San Diego（数学系及HDSI加州大学圣地亚哥分校） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 Qronos通过迭代优化框架在训练后量化中显式纠正误差并超越现有方法，提升模型精度。