图像生成

StepVAR: Structure-Texture Guided Pruning for Visual Autoregressive Models

StepVAR: 结构-纹理引导的视觉自回归模型剪枝

Keli Liu, Zhendong Wang, Wengang Zhou, Houqiang Li

机构 * University of Science and Technology of China（中国科学技术大学） 纠错

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

AI总结 StepVAR通过结合结构和纹理重要性，提出无需训练的token剪枝框架，实现视觉自回归模型的高效推理加速。

SoFlow: Solution Flow Models for One-Step Generative Modeling

SoFlow：用于一步生成建模的解流模型

Tianze Luo, Haotian Yuan, Zhuang Liu

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 SoFlow通过引入流匹配损失和解一致性损失，实现从头开始的一步生成建模，提升生成性能并优化计算效率。

Comments Accepted to ICLR 2026. Our code is available at https://github.com/zlab-princeton/SoFlow

StreamDiffusionV2: A Streaming System for Dynamic and Interactive Video Generation

StreamDiffusionV2：动态交互视频生成的流式系统

Tianrui Feng, Zhi Li, Shuo Yang, Haocheng Xi, Muyang Li, Xiuyu Li, Lvmin Zhang, Keting Yang, Kelly Peng, Song Han, Maneesh Agrawala, Kurt Keutzer, Akio Kodaira, Chenfeng Xu

机构 * Stanford University（斯坦福大学） ； MIT（麻省理工学院） 纠错

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

AI总结 StreamDiffusionV2通过无训练管道和系统级优化，实现了低延迟、高效率的实时视频生成，支持灵活的去噪步骤和多GPU扩展，推动生成直播的实用化和普及。

Comments Accepted by MLSys 2026. Project Page: http://streamdiffusionv2.github.io

LinVideo: A Post-Training Framework towards O(n) Attention in Efficient Video Generation

LinVideo: 一种面向高效视频生成的O(n)注意力后训练框架

Yushi Huang, Xingtong Ge, Ruihao Gong, Chengtao Lv, Jun Zhang

机构 * Hong Kong University of Science and Technology（香港科技大学） ； Beihang University（北航） ； Sensetime Research（商汤科技研究院） ； 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 LinVideo提出一种高效的无数据后训练框架，通过选择性迁移将部分自注意力模块替换为线性注意力，从而在保持性能的同时显著提升视频生成效率。

Comments Accepted by CVPR 2026

Beyond Stationarity: Rethinking Codebook Collapse in Vector Quantization

超越平稳性：重新思考向量量化中的代码书坍缩

Hao Lu, Onur C. Koyun, Yongxin Guo, Zhengjie Zhu, Abbas Alili, Metin Nafi Gurcan

机构 * Wake Forest University School of Medicine（威斯康星大学福林斯医学院） 纠错

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

AI总结 本文提出NSVQ和TransVQ方法，通过非平稳性机制解决向量量化中的代码书坍缩问题，提升生成模型的代码书利用率和重建质量。

Joint Post-Training Quantization of Vision Transformers with Learned Prompt-Guided Data Generation

面向图像分类的视觉变换器联合后训练量化框架

Shile Li, Markus Karmann, Onay Urfalioglu

机构 * vivo Tech Research GmbH（vivo科技研究有限公司） 纠错

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

AI总结 本文提出一种无标注数据的视觉变换器联合后训练量化方法，实现低比特下的高精度，并引入无数据校准策略提升边缘部署效率。

CMT: Mid-Training for Efficient Learning of Consistency, Mean Flow, and Flow Map Models

CMT：中期训练用于高效学习一致性、均流和流映射模型

Zheyuan Hu, Chieh-Hsin Lai, Yuki Mitsufuji, Stefano Ermon

机构 * Sony AI（索尼人工智能） ； Sony Group Corporation（索尼集团） ； Stanford University（斯坦福大学） 纠错

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

AI总结 CMT通过中期训练方法，实现流映射模型高效稳定训练，显著提升生成质量并减少训练成本。

Comments ICLR 2026. Code available at https://github.com/sony/cmt

pi-Flow: Policy-Based Few-Step Generation via Imitation Distillation

pi-Flow：基于策略的少步生成通过模仿蒸馏

Hansheng Chen, Kai Zhang, Hao Tan, Leonidas Guibas, Gordon Wetzstein, Sai Bi

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

AI总结 pi-Flow通过模仿蒸馏策略，实现少步生成模型的稳定训练和高质量输出。

Comments ICLR 2026. Code: https://github.com/Lakonik/piFlow Demos: https://huggingface.co/spaces/Lakonik/pi-Qwen | https://huggingface.co/spaces/Lakonik/pi-FLUX.1 | https://huggingface.co/spaces/Lakonik/pi-FLUX.2

Motion Prior Distillation in Time Reversal Sampling for Generative Inbetweening

时间反演采样中用于生成中间帧的运动先验蒸馏

Wooseok Jeon, Seunghyun Shin, Dongmin Shin, Hae-Gon Jeon

机构 * Department of Artificial Intelligence, Yonsei University（延世大学人工智能系） ； AI Graduate School, GIST（韩国国立信息科学院人工智能研究生院） 纠错

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

AI总结 本文提出运动先验蒸馏技术，通过蒸馏正向路径的运动残差到反向路径，以减少时间反演采样中的不连续性和伪影，提升生成中间帧的连贯性。

Comments Accepted at ICLR 2026. Project page: https://vvsjeon.github.io/MPD/

Label-Consistent Dataset Distillation with Detector-Guided Refinement

带检测器引导的精修数据集蒸馏

Yawen Zou, Guang Li, Zi Wang, Chunzhi Gu, Chao Zhang

机构 * University of Toyama（东浓大学） ； Hokkaido University（北海道大学） ； Niigata University（新潟大学） ； Toyohashi University of Technology（toyohashi技术大学） 纠错

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

AI总结 本文提出一种检测器引导的数据集蒸馏方法，通过利用预训练检测器识别并精修异常合成样本，提升数据集的标签一致性和图像质量，实现更优的下游性能。

SpargeAttention2: Trainable Sparse Attention via Hybrid Top-k+Top-p Masking and Distillation Fine-Tuning

SpargeAttention2: 通过混合Top-k+Top-p掩码和蒸馏微调实现可训练稀疏注意力

Jintao Zhang, Kai Jiang, Chendong Xiang, Weiqi Feng, Yuezhou Hu, Haocheng Xi, Jianfei Chen, Jun Zhu

机构 * Tsinghua University（清华大学） 纠错

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

AI总结 SpargeAttention2通过混合Top-k+Top-p掩码和蒸馏微调，实现高稀疏性且不降低生成质量。

MonarchRT: Efficient Attention for Real-Time Video Generation

MonarchRT：实时视频生成中的高效注意力机制

Krish Agarwal, Zhuoming Chen, Cheng Luo, Yongqi Chen, Haizhong Zheng, Xun Huang, Atri Rudra, Beidi Chen

机构 * Carnegie Mellon University（卡内基梅隆大学） ； University at Buffalo（布法罗大学） ； Morpheus AI 纠错

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

AI总结 MonarchRT通过结构化注意力参数化方法，实现高效实时视频生成，达到95%的注意力稀疏性，优于现有内核性能。

MTS-CSNet: Multiscale Tensor Factorization for Deep Compressive Sensing on RGB Images

MTS-CSNet: 多尺度张量分解用于RGB图像的深度压缩感知

Mehmet Yamac, Lei Xu, Serkan Kiranyaz, Moncef Gabbouj

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

AI总结 MTS-CSNet通过多尺度张量分解实现高效RGB图像压缩感知，提供更优的重建性能和更快的推理速度。

Comments 6 pages, 5 figures

Dataset Distillation as Pushforward Optimal Quantization

数据集蒸馏作为推前最优量化

Hong Ye Tan, Emma Slade

机构 * UCLA University of Cambridge（加州大学洛杉矶分校剑桥大学） ； Tangram Therapeutics 纠错

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

AI总结 本文提出基于最优量化的数据集蒸馏方法，通过潜在空间聚类提升ImageNet-1K数据集的蒸馏性能，优于现有SOTA方法。

Comments ICLR 2026, https://openreview.net/forum?id=FMSp8AUF3m

From Tokens to Numbers: Continuous Number Modeling for SVG Generation

从标记到数字：用于SVG生成的连续数字建模

Michael Ogezi, Martin Bell, Freda Shi, Ethan Smith

机构 * Cheriton School of Computer Science, University of Waterloo, Waterloo, ON, Canada（滑铁卢大学计算机科学学院） ； Vector Institute（向量研究所） 纠错

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

AI总结 本文提出连续数字建模（CNM）方法，通过直接建模连续数值提升SVG生成的效率与质量，实现训练速度提升30%及更高的视觉保真度。

GPD: Guided Progressive Distillation for Fast and High-Quality Video Generation

GPD: 用于快速高质量视频生成的引导渐进蒸馏

Xiao Liang, Yunzhu Zhang, Linchao Zhu

机构 * College of Computer Science and Technology, Zhejiang University（浙江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 GPD通过引导渐进蒸馏方法，减少视频生成的采样步骤，同时保持高质量输出。

PTQ4ARVG: Post-Training Quantization for AutoRegressive Visual Generation Models

PTQ4ARVG：后训练量化用于自回归视觉生成模型

Xuewen Liu, Zhikai Li, Jing Zhang, Mengjuan Chen, Qingyi Gu

机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） 纠错

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

AI总结 PTQ4ARVG提出一种无需训练的后训练量化框架，解决ARVG模型在通道、令牌和样本层面的量化难题，实现8位和6位高效量化。

Comments ICLR 2026

Efficient4D: Fast Dynamic 3D Object Generation from a Single-view Video

Efficient4D: 从单视角视频快速生成动态3D对象

Zijie Pan, Zeyu Yang, Xiatian Zhu, Li Zhang

机构 * School of Data Science, Fudan University（复旦大学数据科学学院） ； University of Surrey（Surrey大学） 纠错

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

AI总结 Efficient4D通过高效框架实现从单视角视频快速生成动态3D对象，提升速度10倍并保持高质量

Comments IJCV version

Efficient Token Pruning for LLaDA-V

LLaDA-V的高效令牌修剪

Zhewen Wan, Tianchen Song, Chen Lin, Zhiyong Zhao, Xianpeng Lang

机构 * Li Auto Inc.（利自动公司） ； 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 本文提出了一种针对LLaDA-V的结构化令牌修剪方法，通过在中层到后期层移除部分视觉令牌，减少计算开销并保持95%的任务性能。

QVGen: Pushing the Limit of Quantized Video Generative Models

QVGen：推动量化视频生成模型的极限

Yushi Huang, Ruihao Gong, Jing Liu, Yifu Ding, Chengtao Lv, Haotong Qin, Jun Zhang

机构 * Hong Kong University of Science and Technology（香港理工大学） ； Beihang University（北京航空航天大学） ； SenseTime Research（商汤科技研究院） ； Monash University（墨尔本大学） ； Nanyang Technological University（南洋理工大学） ； ETH Zürich（苏黎世联邦理工学院） 纠错

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

AI总结 QVGen通过量化感知训练框架在极低比特下实现高性能视频生成模型，首次达到全精度质量并优于现有方法。

Comments Accepted by ICLR 2026

Cross-Domain Transfer with Self-Supervised Spectral-Spatial Modeling for Hyperspectral Image Classification

跨领域迁移的自监督光谱-空间建模用于超分辨率图像分类

Jianshu Chao, Tianhua Lv, Qiqiong Ma, Yunfei Qiu, Li Fang, Huifang Shen, Wei Yao

机构 * Quanzhou Institute of Equipment Manufacturing, Haixi Institutes, Chinese Academy of Sciences（泉州装备制造研究所、海西院、中国科学院） ； Fujian Institute of Research on the Structure of Matter, Chinese Academy of Sciences（福建物质结构研究所、中国科学院） ； Liaoning Technical University（辽宁技术大学） ； State Key Laboratory of Regional and Urban Ecology, Institute of Urban Environment, Chinese Academy of Sciences（区域与城市生态国家重点实验室、城市环境研究所、中国科学院） 纠错

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

AI总结 本文提出了一种自监督跨领域迁移框架，通过自监督学习实现光谱-空间联合表示，结合频率域约束和扩散对齐微调机制，提升超光谱图像分类的跨领域适应能力。

Implicit Neural Representation Facilitates Unified Universal Vision Encoding

隐式神经表示促进统一的通用视觉编码

Matthew Gwilliam, Xiao Wang, Xuefeng Hu, Zhenheng Yang

机构 * TikTok 纠错

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

AI总结 本文提出一种首创的隐式神经表示超网络，统一图像识别与生成任务，通过知识蒸馏提升泛化能力，并在多种视觉任务中表现优异。

Comments 18 pages, 16 tables, 4 figures

A one-step generation model with a Single-Layer Transformer: Layer number re-distillation of FreeFlow

基于单层Transformer的一步生成模型：FreeFlow的层数再蒸馏

Haonan Wei, Linyuan Wang, Nuolin Sun, Zhizhong Zheng, Lei Li, Bin Yan

机构 * Information Engineering University（信息工程大学） 纠错

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

AI总结 本文提出单层Transformer模型SLT，通过蒸馏压缩FreeFlow的28层结构，提升生成图像质量与采样效率。

X-Distill: Cross-Architecture Vision Distillation for Visuomotor Learning

X-Distill：跨架构视觉蒸馏用于视觉-运动学习

Maanping Shao, Feihong Zhang, Gu Zhang, Baiye Cheng, Zhengrong Xue, Huazhe Xu

机构 * Tsinghua University（清华大学） ； Institute for Interdisciplinary Information Sciences（交叉信息研究院） ； Shanghai Qi Zhi Institute（上海启智研究院） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Huazhong University of Science and Technology（华中科技大学） 纠错

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

AI总结 X-Distill通过跨架构知识蒸馏结合视觉转换器和紧凑型CNN，实现了在数据有限的机器人操作任务中优于其他方法的性能。

ELITE: Efficient Gaussian Head Avatar from a Monocular Video via Learned Initialization and TEst-time Generative Adaptation

ELITE: 通过学习初始化和测试时生成适应从单目视频高效生成高斯头人偶

Kim Youwang, Lee Hyoseok, Subin Park, Gerard Pons-Moll, Tae-Hyun Oh

机构 * Dept. of Electrical Engineering, POSTECH（POSTECH电子工程系） ； School of Computing, KAIST（韩国科学技术院计算机学院） ； UNIST（全南大学） ； University of Tübingen（图宾根大学） ； Tübingen AI Center（图宾根人工智能中心） ； Max Planck Institute for Informatics（马克斯·普朗克信息研究所） 纠错

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

AI总结 ELITE通过学习初始化和测试时生成适应，高效生成高斯头人偶，实现高保真和强野外泛化，合成速度比2D方法快60倍。

Comments Project page: https://kim-youwang.github.io/elite

MAD: Motion Appearance Decoupling for efficient Driving World Models

MAD：用于高效驾驶世界模型的运动外观解耦

Ahmad Rahimi, Valentin Gerard, Eloi Zablocki, Matthieu Cord, Alexandre Alahi

机构 * Sorbonne Université（索邦大学） 纠错

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

AI总结 MAD通过解耦运动学习与外观合成，高效地将通用视频扩散模型转化为可控的驾驶世界模型，实现低计算成本和高性能

Frequency Error-Guided Under-sampling Optimization for Multi-Contrast MRI Reconstruction

频率误差引导的多对比MRI重建下采样优化

Xinming Fang, Chaoyan Huang, Juncheng Li, Jun Wang, Jun Shi, Guixu Zhang

机构 * School of Communication and Information Engineering, Shanghai University, Shanghai, 200444, China（通信与信息工程学院，上海大学，上海，200444，中国） ； School of Computational Mathematics Science and Engineering, Michigan State University, Ann Arbor, USA（计算数学科学与工程学院，密歇根州立大学，安阿伯，美国） ； School of Computer Science and Technology, East China Normal University, Shanghai, 200062, China（计算机科学与技术学院，华东师范大学，上海，200062，中国） 纠错

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

AI总结 本文提出一种频率误差引导的MRI重建方法，通过联合优化下采样模式和重建网络，提升多对比MRI重建的效率和可解释性。

Comments 44 pages, 12 figures, 7 tables

R$^2$BD: A Reconstruction-Based Method for Generalizable and Efficient Detection of Fake Images

R$^2$BD: 一种基于重建的方法，用于通用性和高效的假图像检测

Qingyu Liu, Zhongjie Ba, Jianmin Guo, Qiu Wang, Zhibo Wang, Jie Shi, Kui Ren

机构 * State Key Laboratory of Blockchain and Data Security, Zhejiang University（区块链与数据安全国家重点实验室，浙江大学） ； Huawei International（华为国际） 纠错

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

AI总结 R$^2$BD通过统一的重建模型和残差偏差计算模块，实现了高效且通用的假图像检测，检测精度和效率均优于现有方法。

MHLA: Restoring Expressivity of Linear Attention via Token-Level Multi-Head

MHLA: 通过令牌级多头恢复线性注意力的表达性

Kewei Zhang, Ye Huang, Yufan Deng, Jincheng Yu, Junsong Chen, Huan Ling, Enze Xie, Daquan Zhou

机构 * Peking University（北京大学） ； NVIDIA（英伟达） 纠错

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

AI总结 MHLA通过令牌级多头机制恢复线性注意力的表达性，提升多个领域任务性能

Comments Code: https://github.com/DAGroup-PKU/MHLA/ Project website: https://dagroup-pku.github.io/MHLA/

PyramidalWan: On Making Pretrained Video Model Pyramidal for Efficient Inference

PyramidalWan: 关于使预训练视频模型金字塔化以实现高效推理

Denis Korzhenkov, Adil Karjauv, Animesh Karnewar, Mohsen Ghafoorian, Amirhossein Habibian

机构 * Qualcomm AI Research（高通人工智能研究） 纠错

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

AI总结 PyramidalWan通过低成本微调将预训练扩散模型转换为金字塔模型，提升视频推理效率并保持输出质量。