图像生成

Memory Efficient Full-gradient Attacks (MEFA) Framework for Adversarial Defense Evaluations

内存高效的全梯度攻击（MEFA）框架用于对抗性防御评估

Yuan Du, Mitchel Hill, HanQin Cai

机构 * InnoPeak Technology（InnoPeak技术公司） 纠错

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

AI总结 本文提出MEFA框架，通过梯度检查点技术实现长净化轨迹的精确端到端梯度计算，提升对抗性防御评估的准确性，揭示了近似梯度评估的局限性。

DOLLAR: Few-Step Video Generation via Distillation and Latent Reward Optimization

DOLLAR: 通过蒸馏和潜在奖励优化实现少步视频生成

Zihan Ding, Chi Jin, Difan Liu, Haitian Zheng, Krishna Kumar Singh, Qiang Zhang, Yan Kang, Zhe Lin, Yuchen Liu

机构 * Princeton University（普林斯顿大学） ； Adobe Research（Adobe研究） 纠错

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

AI总结 本文提出结合变分分数蒸馏和一致性蒸馏的方法，实现高质量且多样化的少步视频生成，并通过潜在奖励模型微调提升生成性能，实现高效生成。

AdvDMD: Adversarial Reward Meets DMD For High-Quality Few-Step Generation

AdvDMD：对抗性奖励与DMD结合实现高质量少步生成

Xu Wang, Zexian Li, Litong Gong, Tiezheng Ge, Zhijie Deng

机构 * Shanghai Jiao Tong University（上海交通大学） ； Alimama Tech（阿里巴巴技术） 纠错

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

AI总结 本文提出AdvDMD方法，结合DMD蒸馏与强化学习，通过对抗训练的判别器作为奖励模型，提升少步生成质量并稳定训练过程。

Sample-efficient evidence estimation of score based priors for model selection

基于扩散先验的模型选择中高效证据估计

Frederic Wang, Katherine L. Bouman

机构 * Department of Computing and Mathematical Sciences（计算与数学科学系） 纠错

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

AI总结 本文提出DiME方法，通过整合后验采样方法的时间边际，利用逆扩散采样过程中的大量中间样本，高效估计扩散先验的模型证据，用于模型选择和先验误拟诊断。

Comments ICLR 2026

Long-Horizon Streaming Video Generation via Hybrid Attention with Decoupled Distillation

通过混合注意力与解耦蒸馏实现长时域流式视频生成

Ruibin Li, Tao Yang, Fangzhou Ai, Tianhe Wu, Shilei Wen, Bingyue Peng, Lei Zhang

机构 * The Hong Kong Polytechnic University（香港理工大学） ； ByteDance（字节跳动） ； City University of Hong Kong（香港城市大学） 纠错

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

AI总结 本文提出混合强制方法，通过混合注意力设计联合优化时序信息保留与计算效率，采用轻量线性时序注意力和块稀疏注意力，实现高效稳定流式视频生成，实测在单块H100 GPU上达到29.5 FPS的实时832x480视频生成

Point-MF: One-step Point Cloud Generation from a Single Image via Mean Flows

点-流：通过均流实现单图像点云生成

Yuta Baba, Keiji Yanai

机构 * The University of Electro-Communications（电子通信大学） 纠错

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

AI总结 本文提出Point-MF框架，通过均流与辅助损失实现单图像点云重建，以单次网络调用完成高精度重建，提升效率与质量。

Comments 28 pages, 14 figures

X-Cache: Cross-Chunk Block Caching for Few-Step Autoregressive World Models Inference

X-Cache：跨块块缓存用于少步自回归世界模型推理

Yixiao Zeng, Jianlei Zheng, Chaoda Zheng, Shijia Chen, Mingdian Liu, Tongping Liu, Tengwei Luo, Yu Zhang, Boyang Wang, Linkun Xu, Siyuan Lu, Bo Tian, Xianming Liu

机构 * AI Infra Team, XPeng Inc.（AI基础设施团队，小鹏汽车） 纠错

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

AI总结 本文提出X-Cache，一种无需训练的加速方法，通过跨连续生成块缓存而非去噪步骤来提升少步自回归世界模型的推理效率，实现71%的块跳过率和2.6倍的速度提升，同时保持最小的性能下降。

Comments Technical Report

Weak-to-Strong Knowledge Distillation Accelerates Visual Learning

弱到强知识蒸馏加速视觉学习

Baiang Li, Wenhao Chai, Felix Heide

机构 * Princeton University（普林斯顿大学） 纠错

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

AI总结 本文提出一种通用知识蒸馏方法，通过冻结弱教师模型并在早期训练中应用蒸馏，加速强学生模型训练，实验表明在ImageNet和CIFAR分类中提升训练效率达4.8倍。

Comments 18 pages, 7 figures

Guiding Distribution Matching Distillation with Gradient-Based Reinforcement Learning

通过基于梯度的强化学习引导分布匹配蒸馏

Linwei Dong, Ruoyu Guo, Ge Bai, Zehuan Yuan, Yawei Luo, Changqing Zou

机构 * Zhejiang University（浙江大学） ； Bytedance Inc.（字节跳动公司） ； Zhejiang Lab（浙江实验室） 纠错

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

AI总结 本文提出GDMD框架，通过优先考虑蒸馏梯度而非原始像素输出来优化奖励机制，提升了少步生成的质量与稳定性，实验证明其在生成质量与人类偏好指标上均优于现有方法。

Speculative Decoding for Autoregressive Video Generation

推测解码用于自回归视频生成

Yuezhou Hu, Jintao Zhang

机构 * University of California, Berkeley（加州大学伯克利分校） 纠错

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

AI总结 本文探讨了推测解码在自回归视频生成中的应用，通过引入SDVG框架，利用图像质量路由替代token验证，实现高效视频生成，同时保持高质量并提升生成速度。

Joint Distillation for Fast Likelihood Evaluation and Sampling in Flow-based Models

基于流模型的快速似然评估与采样联合蒸馏

Xinyue Ai, Yutong He, Albert Gu, Ruslan Salakhutdinov, J Zico Kolter, Nicholas Matthew Boffi, Max Simchowitz

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Peking University（北京大学） 纠错

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

AI总结 本文提出F2D2框架，通过联合蒸馏减少流模型采样和似然评估的NFE数量，实现高效计算与高精度似然估计。

Comments Project page: https://kellyyutonghe.github.io/f2d2/

Concept Drift Guided LayerNorm Tuning for Efficient Multimodal Metaphor Identification

概念漂移引导的层归一化调优用于高效的多模态隐喻识别

Wenhao Qian, Zhenzhen Hu, Zijie Song, Jia Li

机构 * Hefei University of Technology（合肥工业大学） 纠错

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

AI总结 本文提出CDGLT框架，通过概念漂移和提示构造策略提升多模态隐喻识别效率，实现MET-Meme基准的最先进性能并降低训练成本。

Comments ICMR'25, June 30-July 3, 2025, Chicago, IL, USA

Euler-inspired Decoupling Neural Operator for Efficient Pansharpening

受欧拉启发的解耦神经算子用于高效全色增强

Anqi Zhu, Mengting Ma, Yizhen Jiang, Xiangdong Li, Kai Zheng, Jiaxin Li, Wei Zhang

机构 * School of Software Technology, Zhejiang University（浙江大学软件技术学院） ； School of Computer Science and Technology , Chongqing University of Post and Telecommunications（重庆邮电大学计算机科学与技术学院） 纠错

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

AI总结 本文提出EDNO框架，通过欧拉公式将特征转换为极坐标系统，实现显式-隐式交互机制，提升全色增强的效率与性能平衡。

Any 3D Scene is Worth 1K Tokens: 3D-Grounded Representation for Scene Generation at Scale

任何3D场景都值得1000个标记：面向大规模场景生成的3D grounded表示

Dongxu Wei, Qi Xu, Zhiqi Li, Hangning Zhou, Cong Qiu, Hailong Qin, Mu Yang, Zhaopeng Cui, Peidong Liu

机构 * Westlake University（西湖大学） ； Afari Intelligent Drive（阿法里智能驾驶） ； Zhejiang University（浙江大学） 纠错

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

AI总结 本文提出在隐式3D潜在空间中直接生成3D场景，解决传统2D方法在3D空间扩展中的不足，通过3DRAE和3DDiT实现高效且一致的3D生成。

Comments Under Review. Project Page: https://wswdx.github.io/3DRAE

Matrix-Game 3.0: Real-Time and Streaming Interactive World Model with Long-Horizon Memory

矩阵游戏3.0：具有长时程记忆的实时和流式交互世界模型

Zile Wang, Zexiang Liu, Jiaxing Li, Kaichen Huang, Baixin Xu, Fei Kang, Mengyin An, Peiyu Wang, Biao Jiang, Yichen Wei, Yidan Xietian, Jiangbo Pei, Liang Hu, Boyi Jiang, Hua Xue, Zidong Wang, Haofeng Sun, Wei Li, Wanli Ouyang, Xianglong He, Yang Liu, Yangguang Li, Yahui Zhou

机构 * Skywork AI（天工AI） 纠错

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

AI总结 矩阵游戏3.0通过改进数据、模型和推理方法，实现了720p实时长视频生成，支持长时程时空一致性，提升了生成效率和质量。

Comments Project page: https://matrix-game-v3.github.io/

Purify-then-Align: Towards Robust Human Sensing under Modality Missing with Knowledge Distillation from Noisy Multimodal Teacher

在模态缺失情况下通过知识蒸馏从噪声多模态教师中实现鲁棒的人体感知：Purify-then-Align

Pengcheng Weng, Yanyu Qian, Yangxin Xu, Fei Wang

机构 * School of Software Engineering, Xi’an Jiaotong University（西安交通大学软件工程学院） ； Institute of Computer Science, Universität Bern（伯尔尼大学计算机科学研究所） ； College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院） 纠错

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

AI总结 本文提出PTA框架，通过元学习和知识扩散解决多模态人体感知中模态缺失问题，通过净化知识源和对齐模态提升单模态模型鲁棒性。

Comments Accepted by CVPR 2026 Workshop On Any-to-Any Multimodal Learning

Less is More: Data-Efficient Adaptation for Controllable Text-to-Video Generation

少即是多：可控文本到视频生成的数据高效适应

Shihan Cheng, Nilesh Kulkarni, David Hyde, Dmitriy Smirnov

机构 * Vanderbilt University, USA（美国范德堡大学） ； Netflix, USA（美国Netflix） 纠错

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

AI总结 本文提出一种数据高效微调策略，通过稀疏低质量合成数据学习物理摄像参数控制，证明其优于真实数据微调结果。

InSpatio-WorldFM: An Open-Source Real-Time Generative Frame Model

InSpatio-WorldFM：一种开源的实时生成帧模型

InSpatio Team, Donghui Shen, Guofeng Zhang, Haomin Liu, Haoyu Ji, Jialin Liu, Jing Guo, Nan Wang, Siji Pan, Weihong Pan, Weijian Xie, Xiaojun Xiang, Xiaoyu Zhang, Xianbin Liu, Yifu Wang, Yipeng Chen, Zhewen Le, Zhichao Ye, Ziqiang Zhao

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

AI总结 本文提出InSpatio-WorldFM，一种基于帧的实时生成模型，通过3D锚点和隐式空间记忆保持场景几何与细节，采用三阶段训练流程实现低延迟实时生成。

Comments Project page: https://inspatio.github.io/worldfm/ Code: https://github.com/inspatio/worldfm

Matrix-game 2.0: An open-source real-time and streaming interactive world model

矩阵游戏2.0：一个开源的实时和流式交互世界模型

Xianglong He, Chunli Peng, Zexiang Liu, Boyang Wang, Yifan Zhang, Qi Cui, Fei Kang, Biao Jiang, Mengyin An, Yangyang Ren, Baixin Xu, Hao-Xiang Guo, Kaixiong Gong, Size Wu, Wei Li, Xuchen Song, Yang Liu, Yangguang Li, Yahui Zhou

机构 * Skywork AI（天工AI） 纠错

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

AI总结 本文提出Matrix-Game 2.0，通过少步自回归扩散生成长视频，解决传统交互世界模型实时性差的问题，实现25FPS高速生成。

Comments Project Page: https://matrix-game-v2.github.io

MRI-to-CT synthesis using drifting models

利用漂移模型进行MRI到CT合成

Qing Lyu, Jianxu Wang, Jeremy Hudson, Ge Wang, Chirstopher T. Whitlow

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

AI总结 本文研究了漂移模型在MRI到CT合成中的应用，通过对比不同方法验证了其在图像质量和效率上的优势，为快速高质量的骨盆合成CT生成提供了新方向。

Investigating Permutation-Invariant Discrete Representation Learning for Spatially Aligned Images

研究排列不变的离散表示学习以空间对齐图像

Jamie S. J. Stirling, Noura Al-Moubayed, Hubert P. H. Shum

机构 * Durham University（杜伦大学） 纠错

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

AI总结 本文探讨了空间对齐数据的离散表示是否需要位置信息，提出PI-VQ模型，通过约束潜在代码无位置信息，实现全局语义特征捕捉和直接图像插值，同时引入匹配量化提升信息容量。

Comments 15 pages plus references; 5 figures; supplementary appended; accepted to ICPR 2026

Coarse-Guided Visual Generation via Weighted h-Transform Sampling

通过加权h变换采样实现粗引导的视觉生成

Yanghao Wang, Ziqi Jiang, Zhen Wang, Long Chen

机构 * The Hong Kong University of Science and Technology（香港科技大学） 纠错

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

AI总结 本文提出一种基于h变换的粗引导视觉生成方法，通过调整采样步骤的概率过渡，结合噪声水平感知调度，提升生成质量与泛化能力。

Follow-Your-Motion: Video Motion Transfer via Efficient Spatial-Temporal Decoupled Finetuning

跟随你的动作：通过高效的时空解耦微调实现视频动作迁移

Yue Ma, Yulong Liu, Qiyuan Zhu, Ayden Yang, Kunyu Feng, Xinhua Zhang, Zexuan Yan, Zhifeng Li, Sirui Han, Chenyang Qi, Qifeng Chen

机构 * HKUST（香港科技大学） ； HKUST(GZ)（香港科技大学（广州）） ； Tsinghua University（清华大学） ； XIntelligence Technology Co., Limited（星云科技股份有限公司） ； SJTU（上海交通大学） 纠错

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

AI总结 本文提出Follow-Your-Motion框架，通过高效的时空解耦微调方法，解决视频扩散变换器在动作迁移中的不一致性和效率问题，并引入MotionBench基准进行验证。

Comments Accepted by ICLR 2026, project page: https://follow-your-motion.github.io/

You Only Erase Once: Erasing Anything without Bringing Unexpected Content

你只擦除一次：无需引入意外内容的任意擦除

Yixing Zhu, Qing Zhang, Wenju Xu, Wei-Shi Zheng

机构 * School of Computer Science and Engineering, Sun Yat-sen University, China（中山大学计算机科学与工程学院） ； Amazon（亚马逊） ； Key Laboratory of Machine Intelligence and Advanced Computing, Ministry of Education, China（教育部机器智能与先进计算重点实验室） 纠错

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

AI总结 本文提出YOEO方法，通过训练无配对数据的扩散模型，实现高质量物体擦除，保留上下文一致性，优于现有方法。

Comments Accepted by CVPR2026

NeedleDB: A Generative-AI Based System for Accurate and Efficient Image Retrieval using Complex Natural Language Queries

NeedleDB: 一种基于生成式AI的图像检索系统，用于通过复杂自然语言查询实现精确高效的检索

Mahdi Erfanian, Abolfazl Asudeh

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

AI总结 NeedleDB通过生成式AI合成引导图像，将文本到图像检索转化为图像到图像搜索，提升复杂查询的精度和效率，实现93%的精度提升。

EFlow: Fast Few-Step Video Generator Training from Scratch via Efficient Solution Flow

EFlow：通过高效解流实现从零开始的快速少步视频生成训练

Dogyun Park, Yanyu Li, Sergey Tulyakov, Anil Kag

机构 * Snap Inc.（Snap公司） ； Korea University（高丽大学） 纠错

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

AI总结 本文提出EFlow框架，通过高效解流目标和改进的训练方法，减少采样步骤和计算成本，实现更高的训练吞吐量和更低的推理延迟。

PackForcing: Short Video Training Suffices for Long Video Sampling and Long Context Inference

PackForcing：短视频训练足以支持长视频采样和长上下文推理

Xiaofeng Mao, Shaohao Rui, Kaining Ying, Bo Zheng, Chuanhao Li, Mingmin Chi, Kaipeng Zhang

机构 * Alaya Studio, Shanda AI Research Tokyo（Alaya工作室，盛大AI研究东京） ； Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） 纠错

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

AI总结 本文提出PackForcing框架，通过三部分KV缓存策略有效管理生成历史，实现高效内存使用和长视频生成，展示短视频监督足以支持高质量长视频合成。

Fast3Dcache: Training-free 3D Geometry Synthesis Acceleration

Fast3Dcache: 无训练3D几何合成加速

Mengyu Yang, Yanming Yang, Chenyi Xu, Chenxi Song, Yufan Zuo, Tong Zhao, Ruibo Li, Chi Zhang

机构 * AGI Lab, Westlake University（西溪大学AGI实验室） ； University of Electronic Science and Technology of China（电子科学与技术大学） ； Nanyang Technological University（南洋理工大学） 纠错

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

AI总结 本文提出Fast3Dcache，一种无训练的几何感知缓存框架，通过动态缓存调度和时空稳定性准则，显著加速3D扩散模型推理，同时保持几何精度。

Comments Accepted by CVPR 2026; Project page: https://fast3dcache-agi.github.io

From Feature Learning to Spectral Basis Learning: A Unifying and Flexible Framework for Efficient and Robust Shape Matching

从特征学习到谱基学习：一种统一且灵活的框架，用于高效且鲁棒的形状匹配

Feifan Luo, Hongyang Chen

机构 * College of Computer Science and Technology, Zhejiang University, China（浙江大学计算机科学与技术学院，中国） ； Research Center for Computational Earth and Space Science, Zhejiang Lab, China（浙江实验室计算地球与空间科学研究中心，中国） 纠错

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

AI总结 本文提出一种统一的框架，通过学习谱基来提升形状匹配的效率和鲁棒性，引入了新的热扩散模块和无监督损失函数，实现了特征提取与基函数的联合优化。

TETO: Tracking Events with Teacher Observation for Motion Estimation and Frame Interpolation

TETO：利用教师观察进行事件跟踪以实现运动估计和帧插值

Jini Yang, Eunbeen Hong, Soowon Son, Hyunkoo Lee, Sunghwan Hong, Sunok Kim, Seungryong Kim

机构 * KAIST AI（韩国科学技术院人工智能实验室） ； ETH Zurich（苏黎世联邦理工学院） ； Korea Aerospace University（韩国航空航天大学） 纠错

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

AI总结 TETO提出一种教师-学生框架，通过知识蒸馏从预训练的RGB跟踪器中学习事件运动估计，仅用25分钟未标注真实数据实现高精度点跟踪和光流估计，提升帧插值质量。