图像生成

BRF-GS: Hyperspectral Bidirectional Reflectance Factor Modeling and Image Generation Based on 3D Gaussian Splatting

BRF-GS：基于3D高斯溅射（3DGS）的高光谱双向反射因子建模与图像生成

Yiling Yao, Wenjuan Zhang, Bowen Wang, Bocheng Li, Wentao Song, Bing Zhang

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

AI总结 本文提出基于3D高斯溅射的BRF-GS框架，通过混合BRDF驱动核、两阶段训练策略等，结合AIR-BRF数据集，实现高保真的BRF建模与多角度高光谱反射率图像生成。

Comments 58 pages, 10 figures, 4 tables

Efficient and High-Quality Depth Estimation via Pixel-Space Diffusion with Linear Attention

基于线性注意力的像素空间扩散实现高效高质量深度估计

Bingde Liu, Wu Ran, Jinglei Zhang, Huanhuan Yuan, Chao Ma

机构 * Shanghai Jiao Tong University（上海交通大学） ； Zhiyuan College, Shanghai Jiao Tong University（上海交通大学致远学院） ； MoE Key Lab of Artificial Intelligence, Institute of AI, Shanghai Jiao Tong University（上海交通大学人工智能研究院（教育部人工智能重点实验室）） 纠错

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

AI总结 本研究提出基于线性注意力的像素空间生成框架Lapis，通过由粗到细的层级结构解决生成式深度估计的高计算成本问题，在多分辨率基准上实现SOTA精度，推理延迟大幅降低。

Comments Accepted by ECCV 2026

Memory-Efficient Training-Free Acceleration of Diffusion Transformers with BaryCache

基于BaryCache的内存高效无训练扩散Transformer加速方法

Chengjie Lu, Tianchi Deng, Zhengqi He, Zhijian Gao, Huisi Wu, Xueliang Li

机构 * College of Electronics and Information Engineering, Shenzhen University（深圳大学电子与信息工程学院） ； School of Artificial Intelligence, Shenzhen University（深圳大学人工智能学院） ； College of Computer Science and Software Engineering, Shenzhen University（深圳大学计算机与软件学院） 纠错

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

AI总结 本研究提出无训练加速方法BaryCache，采用重心外推器缓解扩散Transformer采样的振荡伪影，在图像与视频生成中实现最高3.30倍采样加速，兼顾内存与感知质量。

Comments Accepted by ICITES 2026

Sensitivity-Constrained Neural Operators for Data-Efficient Forward and Inverse Modeling of Partial Differential Equation Systems

用于偏微分方程系统数据高效正演与反演建模的灵敏度约束神经算子

Abdolmehdi Behroozi, Chaopeng Shen, Daniel Kifer, Kathryn Lawson

机构 * Penn State University（宾夕法尼亚州立大学） ； School of Electrical Engineering and Computer Science, Penn State University（宾夕法尼亚州立大学电气工程与计算机科学学院） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出灵敏度约束神经算子（SC-NO），通过采样灵敏度监督改进神经PDE代理，在正演预测、反演重建等任务中提升精度与效率，实现了更优的精度-成本权衡。

Phase-noise induced many-body interference suppression in Gaussian Boson Sampling

相位噪声诱导的高斯玻色采样中的多体干涉抑制

Dario Cilluffo, Matthias Kost, Martin B. Plenio

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本研究通过海森堡绘景张量网络形式研究高斯玻色采样，揭示相位扩散逐步抑制多体干涉，建立了连接相位涨落与量子干涉丧失的透明框架。

Comments 7 pages, 1 figure

Constraining Cosmic-Ray Acceleration and Escape in Middle-Aged Supernova Remnants with GeV-TeV Gamma-Ray Observations

利用GeV-TeV伽马射线观测约束中年超新星遗迹中的宇宙射线加速与逃逸

Siyu Chen, Bing Theodore Zhang, Yi Xing, Siming Liu, Xunxiu Zhou

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本研究通过对四个中年超新星遗迹的伽马射线辐射开展时变研究，结合多望远镜观测，约束了宇宙射线加速与逃逸参数，揭示逃逸宇宙射线对其甚高能辐射及中微子通量的重要影响。

Comments 11 pages, 6 figures

Accelerated Sampling with the Inertial Langevin Algorithm

基于惯性朗之万算法的加速采样方法

Alexander Falk, Andreas Habring, Christoph Griesbacher, Thomas Pock

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 该研究提出惯性朗之万算法加速吉布斯分布采样，证明其遍历性与偏差界，关联过松弛吉布斯采样器，经多类数值实验验证其在非强凸平滑设定下仍有效。

Adaptive teachers for amortized samplers

用于摊销采样器的自适应教师

Minsu Kim, Sanghyeok Choi, Taeyoung Yun, Emmanuel Bengio, Leo Feng, Jarrid Rector-Brooks, Sungsoo Ahn, Jinkyoo Park, Esmeralda S. Whitammer, Yoshua Bengio

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 该研究针对摊销采样器的高效探索挑战，提出用自适应训练分布（教师）指导采样器（学生）训练，经多任务验证可提升样本效率与模式覆盖范围。

Comments ICLR 2025, 27 pages, 12 figures