图像生成

Localized Concept Erasure in Text-to-Image Diffusion Models via High-Level Representation Misdirection

通过高层表示误导实现文本到图像扩散模型中的局部概念擦除

Uichan Lee, Jeonghyeon Kim, Sangheum Hwang

机构 * Department of Data Science, Seoul National University of Science and Technology（数据科学系，首尔科学技术大学） 纠错

专题命中 文生图 ：text-to-image(title,abstract)；diffusion(title,abstract)；分类 cs.CV

AI总结 本文提出HiRM方法，通过误导文本编码器中的高层表示来实现精确的概念擦除，减少对非目标概念的影响，并在低训练成本下保持生成能力。

Comments Accepted at ICLR 2026. The first two authors contributed equally

PoseCraft: Tokenized 3D Body Landmark and Camera Conditioning for Photorealistic Human Image Synthesis

PoseCraft: 基于令牌化的3D人体姿态和相机条件化的人像图像合成

Zhilin Guo, Jing Yang, Kyle Fogarty, Jingyi Wan, Boqiao Zhang, Tianhao Wu, Weihao Xia, Chenliang Zhou, Sakar Khattar, Fangcheng Zhong, Cristina Nader Vasconcelos, Cengiz Oztireli

机构 * University of Cambridge（剑桥大学） ； Google（谷歌） 纠错

专题命中 文生图 ：image synthesis(title)；diffusion(abstract)；分类 cs.CV

AI总结 PoseCraft通过令牌化3D姿态和相机信息，提升人像合成的逼真度和细节保留能力。

JavisDiT++: Unified Modeling and Optimization for Joint Audio-Video Generation

JavisDiT++：联合音频视频生成的统一建模与优化

Kai Liu, Yanhao Zheng, Kai Wang, Shengqiong Wu, Rongjunchen Zhang, Jiebo Luo, Dimitrios Hatzinakos, Ziwei Liu, Hao Fei, Tat-Seng Chua

机构 * Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学） ； University of Toronto（多伦多大学） ； HiThink Research（HiThink研究） ； University of Rochester（罗切斯特大学） ； Nanyang Technological University（南洋理工大学） 纠错

专题命中 文生图 ：image generation(abstract)；text-to-image(abstract)；分类 cs.CV、cs.MM

AI总结 JavisDiT++通过统一建模与优化方法，在联合音频视频生成任务中实现高质量的同步与语义对齐。

Comments Accepted by ICLR 2026. Homepage: https://JavisVerse.github.io/JavisDiT2-page

The Intricate Dance of Prompt Complexity, Quality, Diversity, and Consistency in T2I Models

提示复杂性、质量、多样性与一致性在T2I模型中的微妙舞蹈

Zhang Xiaofeng, Aaron Courville, Michal Drozdzal, Adriana Romero-Soriano

机构 * FAIR at Meta - Montréal（Meta - Montréal 的 FAIR） ； Mila - Québec AI Institute（魁北克 AI 院） ； McGill University（麦吉尔大学） ； Canada CIFAR AI Chair（加拿大 CIFAR 人工智能 chair） 纠错

专题命中 文生图 ：text-to-image(abstract)；diffusion(abstract)；分类 cs.CV

AI总结 本文研究了提示复杂性对T2I模型生成数据质量、多样性和一致性的影响，提出新的评估框架并发现提示扩展在生成多样性与美观性上优于真实数据。

Comments accepted to ICLR 2026

Zero-shot Multi-Contrast Brain MRI Registration by Intensity Randomizing T1-weighted MRI (LUMIR25)

无监督多对比脑MRI配准：通过强度随机化T1加权MRI（LUMIR25）

Hengjie Liu, Yimeng Dou, Di Xu, Xinyi Fu, Dan Ruan, Ke Sheng

专题命中 文生图 ：image synthesis(abstract)；分类 cs.CV

AI总结 本文提出了一种基于强度随机化的多对比度脑MRI配准方法，通过多模态损失、强度随机化和轻量级优化策略，在无需显式图像合成的情况下实现了跨对比度的稳健泛化。

Comments Submitted to and reviewed by Learn2Reg MICCAI 2025

Agent Banana: High-Fidelity Image Editing with Agentic Thinking and Tooling

Agent Banana: 基于代理思维与工具的高质量图像编辑

Ruijie Ye, Jiayi Zhang, Zhuoxin Liu, Zihao Zhu, Siyuan Yang, Li Li, Tianfu Fu, Franck Dernoncourt, Yue Zhao, Jiacheng Zhu, Ryan Rossi, Wenhao Chai, Zhengzhong Tu

机构 * TAMU（德克萨斯大学） ； Brown University（布朗大学） ； UW-Madison（威斯康星大学麦迪逊分校） ； UCSD（加州大学圣地亚哥分校） ； USC（南加州大学） ； xAI（xAI公司） ； Adobe Research（Adobe研究院） ； Meta AI ； Princeton University（普林斯顿大学） 纠错

专题命中 图像编辑 ：image editing(title,abstract)；分类 cs.CV

AI总结 Agent Banana通过分层代理规划-执行框架实现高质量图像编辑，解决多轮次编辑一致性与背景忠实度问题，同时保持指令遵循能力。

Comments Project Website: agent-banana.github.io

Follow-Your-Shape: Shape-Aware Image Editing via Trajectory-Guided Region Control

跟随你的形状：通过轨迹引导的区域控制实现形状感知图像编辑

Zeqian Long, Mingzhe Zheng, Kunyu Feng, Xinhua Zhang, Hongyu Liu, Harry Yang, Linfeng Zhang, Qifeng Chen, Yue Ma

机构 * HKUST（香港科技大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Shanghai Jiao Tong University（上海交通大学） 纠错

专题命中 图像编辑 ：image editing(title,abstract)；分类 cs.CV

AI总结 Follow-Your-Shape通过轨迹引导的区域控制实现精准形状编辑，无需训练和掩码，提升大规模形状变换任务的编辑性和视觉保真度。

Comments Accepted to ICLR 2026. Project webpage is available at https://follow-your-shape.github.io/

Vinedresser3D: Agentic Text-guided 3D Editing

Vinedresser3D: 基于代理的文本引导3D编辑

Yankuan Chi, Xiang Li, Zixuan Huang, James M. Rehg

机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

专题命中 图像编辑 ：image editing(abstract)；inpainting(abstract)；分类 cs.CV

AI总结 Vinedresser3D通过多模态大语言模型和潜在空间编辑技术实现高质量文本引导的3D编辑，提升编辑精度与一致性。

Comments CVPR 2026, Project website:https://vinedresser3d.github.io/

Controlled Face Manipulation and Synthesis for Data Augmentation

可控面部操纵与合成用于数据增强

Joris Kirchner, Amogh Gudi, Marian Bittner, Chirag Raman

机构 * Vicarious Perception Technologies (VicarVision)（维卡里斯感知技术（VicarVision）） ； Delft University of Technology（代尔夫特理工大学） 纠错

专题命中 图像编辑 ：diffusion(abstract)；image editing(abstract)；分类 cs.CV

AI总结 本文提出了一种在语义潜在空间中进行可控面部操纵的方法，通过减少语义特征交织和去除噪声属性，提升AU检测器的准确性和解耦预测能力。

RoboCurate: Harnessing Diversity with Action-Verified Neural Trajectory for Robot Learning

RoboCurate: 利用动作验证的神经轨迹 harnessing 多样性以促进机器人学习

Seungku Kim, Suhyeok Jang, Byungjun Yoon, Dongyoung Kim, John Won, Jinwoo Shin

专题命中 图像编辑 ：image editing(abstract)；分类 cs.CV

AI总结 RoboCurate通过动作验证的神经轨迹和图像编辑技术，提升机器人学习中合成数据的质量和多样性，显著提高任务成功率。

Comments 20 pages; 6 figures; Project page is available at https://seungkukim.github.io/robocurate/

AlignTok: Aligning Visual Foundation Encoders to Tokenizers for Diffusion Models

AlignTok: 将预训练视觉编码器对齐到分词器以用于扩散模型

Bowei Chen, Sai Bi, Hao Tan, He Zhang, Tianyuan Zhang, Zhengqi Li, Yuanjun Xiong, Jianming Zhang, Kai Zhang

机构 * University of Washington（华盛顿大学） ； Adobe Research（Adobe研究） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)；image generation(abstract)；text-to-image(abstract)；分类 cs.CV

AI总结 AlignTok通过将预训练视觉编码器对齐为分词器，提升扩散模型的生成质量和收敛速度，适用于图像生成任务。

Comments ICLR 2026, Project Page: https://aligntok.github.io/

HDR Reconstruction Boosting with Training-Free and Exposure-Consistent Diffusion

通过无训练和曝光一致的扩散实现HDR重建增强

Yo-Tin Lin, Su-Kai Chen, Hou-Ning Hu, Yen-Yu Lin, Yu-Lun Liu

机构 * National Yang Ming Chiao Tung University（国家阳明交通大学） ； MediaTek Inc.（联发科公司） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)；inpainting(abstract)；分类 cs.CV

AI总结 通过无训练和曝光一致的扩散技术提升HDR重建效果，增强过曝区域的图像质量并保持多曝光一致性。

Comments WACV 2026. Project page: https://github.com/EusdenLin/HDR-Reconstruction-Boosting

OBS-Diff: Accurate Pruning For Diffusion Models in One-Shot

OBS-Diff: 高精度扩散模型的一次性剪枝

Junhan Zhu, Hesong Wang, Mingluo Su, Zefang Wang, Huan Wang

机构 * Westlake University（西湖大学） ； Zhejiang University（浙江大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)；text-to-image(abstract)；分类 cs.CV

AI总结 OBS-Diff通过引入时间步感知Hessian构造和高效分组顺序剪枝策略，实现了扩散模型的一次性精准剪枝，提升推理效率并保持视觉质量。

Rethinking Preference Alignment for Diffusion Models with Classifier-Free Guidance

重新思考扩散模型的偏好对齐：基于分类器自由引导

Zhou Jiang, Yandong Wen, Zhen Liu

机构 * Westlake University（西湖大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)；text-to-image(abstract)；分类 cs.CV

AI总结 本文提出基于分类器自由引导的方法，通过分解偏好学习为两个模块并生成对比引导向量，提升扩散模型对人类偏好的对齐效果。

DM4CT: Benchmarking Diffusion Models for Computed Tomography Reconstruction

DM4CT：用于计算机断层扫描重建的扩散模型基准测试

Jiayang Shi, Daniel M. Pelt, K. Joost Batenburg

机构 * LIACS, Leiden University（莱顿大学LIACS） ； Centrum Wiskunde en Informatica（数学与信息学研究中心） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)；image generation(abstract)；分类 cs.CV

AI总结 DM4CT通过对比不同方法在CT重建中的表现，评估扩散模型在实际应用中的有效性与局限性。

Comments ICLR 2026

Training-Free Safe Denoisers for Safe Use of Diffusion Models

无需训练的安全去噪器用于安全使用扩散模型

Mingyu Kim, Dongjun Kim, Amman Yusuf, Stefano Ermon, Mijung Park

机构 * CS, UBC（计算机科学系，不列颠哥伦比亚大学） ； CS, Standford（计算机科学系，斯坦福大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)；image generation(abstract)

AI总结 本文提出无需训练的无训练安全去噪器，通过修改采样轨迹避免不安全数据区域，提升扩散模型的安全使用。

Comments NeurIPS2025, Code: https://github.com/MingyuKim87/Safe_Denoiser

Diffusion Trajectory-guided Policy for Long-horizon Robot Manipulation

用于长时程机器人操作的扩散轨迹引导策略

Shichao Fan, Quantao Yang, Yajie Liu, Kun Wu, Zhengping Che, Qingjie Liu, Min Wan

机构 * School of Mechanical Engineering and Automation, BeiHang University（机械工程与自动化学院，北航） ； School of Computer Science and Engineering, BeiHang University（计算机科学与工程学院，北航） ； Beijing Innovation Center of Humanoid Robotics（人形机器人创新中心） ； Division of Robotics, Perception and Learning (RPL), KTH Royal Institute of Technology（机器人、感知与学习 division，皇家理工学院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)；generative vision(abstract)

AI总结 本文提出DTP框架，通过生成轨迹减少模仿学习中的误差累积，提升长时程机器人任务的性能。

Comments 8 pages, 5 figures, accepted to IEEE Robotics and Automation Letters (RAL)

Journal ref IEEE Robotics and Automation Letters (Volume: 10, Issue: 12, December 2025)

Low-Dimensional Adaptation of Rectified Flow: A Diffusion and Stochastic Localization Perspective

修正流的低维适应：从扩散和随机定位视角

Saptarshi Roy, Alessandro Rinaldo, Purnamrita Sarkar

专题命中 扩散模型 ：diffusion(title,abstract)；text-to-image(abstract)

AI总结 本文提出一种基于修正流的低维适应采样方法，通过时间离散化方案和随机定位理论，提升采样效率和精度。

Comments 32 pages, 7 figures

Expanding the Role of Diffusion Models for Robust Classifier Training

扩展扩散模型在鲁棒分类器训练中的作用

Pin-Han Huang, Shang-Tse Chen, Hsuan-Tien Lin

机构 * National Taiwan University（国立台湾大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV

AI总结 本研究通过扩展扩散模型在对抗训练中的作用，发现其内部表示能提升鲁棒分类器的训练效果，并验证了扩散表示与合成数据的互补作用。

Variational Trajectory Optimization of Anisotropic Diffusion Schedules

变分轨迹优化非各向同性扩散计划

Pengxi Liu, Zeyu Michael Li, Xiang Cheng

机构 * Department of Electrical and Computer Engineering（电气与计算机工程系） ； Duke University（杜克大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV

AI总结 本文提出了一种基于变分轨迹优化的非各向同性扩散模型，通过矩阵值路径优化噪声计划，提升扩散模型的性能。

Relational Feature Caching for Accelerating Diffusion Transformers

关系特征缓存用于加速扩散变换器

Byunggwan Son, Jeimin Jeon, Jeongwoo Choi, Bumsub Ham

机构 * Yonsei University（延世大学） ； Korea Institute of Science and Technology (KIST)（韩国科学技术院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV

AI总结 本文提出关系特征缓存（RFC）方法，通过利用输入-输出关系提升特征预测准确性，有效减少扩散变换器的计算开销。

Comments Accepted to ICLR 2026

VLM-Guided Group Preference Alignment for Diffusion-based Human Mesh Recovery

基于扩散模型的人体网格恢复中的群体偏好对齐

Wenhao Shen, Hao Wang, Wanqi Yin, Fayao Liu, Xulei Yang, Chao Liang, Zhongang Cai, Guosheng Lin

机构 * Nanyang Technological University（南洋理工大学） ； HKUST(GZ)（香港科技大学（广州）） ； SenseTime Research（商汤科技研究院） ； A*STAR（新加坡科技研究局） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV

AI总结 本文提出了一种基于群体偏好的扩散模型微调框架，通过双内存增强的批评代理生成质量评分，提升人体网格恢复的物理合理性和图像一致性。

Comments Accepted to CVPR 2026

L3DR: 3D-aware LiDAR Diffusion and Rectification

L3DR：基于3D感知的LiDAR扩散与校正

Quan Liu, Xiaoqin Zhang, Ling Shao, Shijian Lu

机构 * Nanyang Technological University（南洋理工大学） ； Zhejiang University of Technology（浙江工业大学） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV

AI总结 L3DR通过3D-aware的LiDAR扩散和校正框架，在3D空间中消除RV伪影并恢复局部几何结构，实现更真实的3D几何生成。

Comments In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2026

S-PRESSO: Ultra Low Bitrate Sound Effect Compression With Diffusion Autoencoders And Offline Quantization

S-PRESSO：基于扩散自编码器和离线量化的小 bitrate 声音效果压缩

Zineb Lahrichi, Gaëtan Hadjeres, Gaël Richard, Geoffroy Peeters

专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.MM

AI总结 S-PRESSO通过扩散自编码器和离线量化，在极低bitrate下实现高质量声音效果压缩。

Journal ref International Conference on Acoustics, Speech, and Signal Processing (ICASSP), May 2026, Barcelona, Spain

MedDIFT: Multi-Scale Diffusion-Based Correspondence in 3D Medical Imaging

MedDIFT：3D医学影像中的多尺度扩散对应方法

Xingyu Zhang, Anna Reithmeir, Fryderyk Kögl, Rickmer Braren, Julia A. Schnabel, Daniel M. Lang

机构 * 1 School of Computation, Information ； Technology, Technical University of Munich 2 Institute of Machine Learning in Biomedical Imaging, Helmholtz Munich 3 Munich Center for Machine Learning (MCML) 4 Institute for Diagnostic ； Interventional Radiology, Klinkum Rechts der Isar 5 School of Biomedical Engineering \& Imaging Sciences, King’s College London 纠错

专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV

AI总结 MedDIFT通过多尺度扩散特征融合实现无需训练的3D医学影像对应，有效提升解剖结构匹配精度。

Comments Updated results

Generative Neural Video Compression via Video Diffusion Prior

基于视频扩散先验的生成神经视频压缩

Qi Mao, Hao Cheng, Tinghan Yang, Libiao Jin, Siwei Ma

机构 * School of Information and Communication Engineering, Communication University of China（信息与通信工程学院，通信大学） ； School of Computer Science, Peking University（计算机学院，北京大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV

AI总结 GNVC-VD通过结合视频扩散先验和序列级去噪，实现了高效的生成神经视频压缩，显著减少了闪烁伪影并提升了感知质量。

Comments accept by CVPR2026

Step-Aware Residual-Guided Diffusion for EEG Spatial Super-Resolution

步感知残差引导扩散用于EEG空间超分辨率

Hongjun Liu, Leyu Zhou, Zijianghao Yang, Chao Yao

专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.MM

AI总结 SRGDiff通过步感知残差引导扩散模型，提升EEG空间超分辨率的保真度与一致性，实现高达40%的性能提升。

Comments ICLR 2026 Conference Paper

JavisDiT: Joint Audio-Video Diffusion Transformer with Hierarchical Spatio-Temporal Prior Synchronization

JavisDiT：具有层次化时空先验同步的联合音频视频扩散变换器

Kai Liu, Wei Li, Lai Chen, Shengqiong Wu, Yanhao Zheng, Jiayi Ji, Fan Zhou, Jiebo Luo, Ziwei Liu, Hao Fei, Tat-Seng Chua

机构 * Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学） ； University of Science and Technology of China（中国科学技术大学） ； University of Rochester（罗切斯特大学） ； Nanyang Technological University（南洋理工大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV

AI总结 JavisDiT通过层次化时空先验同步机制，实现了高质量的音频视频同步生成，解决了现实场景中的同步评估问题。

Comments Accepted by ICLR 2026. Homepage: https://javisverse.github.io/JavisDiT-page/

Structure-Level Disentangled Diffusion for Few-Shot Chinese Font Generation

结构层面解耦的扩散模型用于少样本中文字体生成

Jie Li, Suorong Yang, Jian Zhao, Furao Shen

机构 * State Key Laboratory for Novel Software Technology, Nanjing University, China（新型软件技术国家重点实验室） ； School of Artificial Intelligence, Nanjing University, China（人工智能学院） ； Department of Computer Science and Technology, Nanjing University, China（计算机科学与技术系） ； School of Electronic Science and Engineering, Nanjing University, China（电子科学与工程学院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV

AI总结 SLD-Font通过结构层面解耦和参数高效微调，实现少样本中文字体生成中更高的风格保真度和内容准确性。

Adaptation to Intrinsic Dependence in Diffusion Language Models

适应内在依赖性在扩散语言模型中

Yunxiao Zhao, Changxiao Cai

机构 * Department of Industrial and Operations Engineering, University of Michigan（工业与运营工程系，密歇根大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出了一种分布无关的解屏蔽计划，使扩散语言模型能够适应目标数据分布的内在依赖结构，从而提升采样效率。