Tag · 3 篇
潜变量扩散
分布 生成模型与扩散2高效模型与推理加速1
01 02 03
SURF：保留签名的快速视频生成
SURF: Signature-Retained Fast Video Generation
提出免训练的 noise reshifting：先在原分辨率做前几步去噪再切到低分辨率，避免高分辨率模型在低分辨率推理时的签名损失；配合预览-精修两阶段与窗口移位 Refiner，可作为插件套到任意视频扩散基座与加速方法上，做高分辨率视频生成的即插即用加速。
PAVAS：物理感知的视频到音频合成
PAVAS: Physics-Aware Video-to-Audio Synthesis
把 VLM 估计的物体质量与基于分割的动态三维重建得到的运动轨迹作为物理条件注入潜变量扩散，为视觉研究者提供了一条「从视频中显式提取物理量再驱动跨模态生成」的可复用管线，也给出了用 APCC 衡量生成结果物理一致性的评测思路。
恰逢其时：面向扩散 Transformer 的免训练空间加速
Just-in-Time: Training-Free Spatial Acceleration for Diffusion Transformers
JiT 把扩散 Transformer 的采样加速从时间维度转到空间维度：只对动态选出的稀疏锚 token 计算 ODE，再用确定性 micro-flow 把新增 token 平滑接入潜变量，可直接套用到 FLUX、DiT 类骨干上做免训练推理加速。