图像生成

GeoDiv: Framework For Measuring Geographical Diversity In Text-To-Image Models

GeoDiv：文本到图像模型中地理多样性测量的框架

Abhipsa Basu, Mohana Singh, Shashank Agnihotri, Margret Keuper, R. Venkatesh Babu

机构 * Vision and AI Lab, Indian Institute of Science, Bangalore, India（印度科学院视觉与人工智能实验室） ； Chair for Machine Learning, University of Mannheim（曼海姆大学机器学习主任） ； Max Planck Institute for Informatics, Saarland Informatics Campus, Saarbrücken, Germany（马克斯·普朗克信息研究所，萨尔兰州信息学院，萨尔布吕肯，德国） 纠错

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

AI总结 GeoDiv通过评估文本到图像模型中的地理多样性，揭示模型在描绘地区时的偏见问题，提出可解释的度量框架以促进公平生成系统。

Comments ICLR 2026

Twin Co-Adaptive Dialogue for Progressive Image Generation

双适应对话用于渐进式图像生成

Jianhui Wang, Yangfan He, Yan Zhong, Xinyuan Song, Jiayi Su, Yuheng Feng, Ruoyu Wang, Hongyang He, Wenyu Zhu, Xinhang Yuan, Miao Zhang, Keqin Li, Jiaqi Chen, Tianyu Shi, Xueqian Wang

机构 * University of Electronic Science and Technology of China（电子科技大学） ； University of Minnesota Twin Cities（明尼苏达大学双城分校） ； Peking University（北京大学） ； Emory University（埃默里大学） ； Xiamen University Malaysia（马来西亚厦门大学） ； Hong Kong Polytechnic University（香港理工大学） ； Tsinghua University（清华大学） ； University of Warwick（沃里克大学） ； Washington University, Saint Louis（圣路易斯华盛顿大学） ； University of Toronto（多伦多大学） ； Google（谷歌） 纠错

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

AI总结 Twin-Co通过同步对话优化图像生成，提升生成质量和用户体验。

MIRA: Multimodal Iterative Reasoning Agent for Image Editing

MIRA: 多模态迭代推理代理用于图像编辑

Ziyun Zeng, Hang Hua, Jiebo Luo

机构 * University of Rochester（罗切斯特大学） ； MIT-IBM Watson AI Lab（MIT-IBM沃森人工智能实验室） 纠错

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

AI总结 MIRA通过多模态迭代推理代理提升图像编辑的语义一致性和感知质量，结合自研数据集和训练流程，实现与专有系统相当的性能。

LoRA-Edit: Controllable First-Frame-Guided Video Editing via Mask-Aware LoRA Fine-Tuning

LoRA-Edit: 通过掩码感知LoRA微调实现可控的第一帧引导视频编辑

Chenjian Gao, Lihe Ding, Xin Cai, Zhanpeng Huang, Zibin Wang, Tianfan Xue

机构 * Multimedia Laboratory, The Chinese University of Hong Kong（香港中文大学多媒体实验室） ； SenseTime Research（商汤科技研究院） 纠错

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

AI总结 LoRA-Edit通过时空掩码引导LoRA微调，实现对视频编辑全过程的可控编辑，支持生成动态变化的视频内容。

Comments ICLR 2026

Dual-Channel Attention Guidance for Training-Free Image Editing Control in Diffusion Transformers

双通道注意力引导用于扩散变换器中无需训练的图像编辑控制

Guandong Li

机构 * iFLYTEK 纠错

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

AI总结 本文提出双通道注意力引导方法，通过同时操控键通道和值通道实现无需训练的图像编辑控制，显著提升编辑保真度。

Identifying Memorization of Diffusion Models through $p$-Laplace Analysis: Estimators, Bounds and Applications

通过p-拉普拉斯分析识别扩散模型的记忆化：估计器、界限与应用

Jonathan Brokman, Itay Gershon, Amit Giloni, Omer Hofman, Roman Vainshtein, Hisashi Kojima, Guy Gilboa

机构 * Electrical and Computer Engineering（电子工程系） ； Technion（技术学院） ； Fujitsu Research of Europe（富士通欧洲研究部） ； Fujitsu Research（富士通研究） 纠错

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

AI总结 本文通过p-拉普拉斯分析提出方法，用于识别扩散模型中的记忆化训练数据，并在文本到图像生成中首次展示其有效性。

Comments This manuscript is a substantially extended version of our SSVM 2025 paper, including significant new theoretical results and additional experiments. It is currently under review as a journal submission

TRACE: Your Diffusion Model is Secretly an Instance Edge Detector

TRACE：你的扩散模型实际上是一个实例边缘检测器

Sanghyun Jo, Ziseok Lee, Wooyeol Lee, Jonghyun Choi, Jaesik Park, Kyungsu Kim

机构 * OGQ, Seoul, Korea（韩国首尔OGQ） ； Seoul National University, Seoul, Korea（韩国首尔国立大学） 纠错

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

AI总结 TRACE通过扩散模型的实例边缘检测技术，在无监督和弱监督分割中实现更高效和精确的边界生成。

Comments Accepted to ICLR 2026 (Oral)

RelA-Diffusion: Relativistic Adversarial Diffusion for Multi-Tracer PET Synthesis from Multi-Sequence MRI

RelA-Diffusion：相对对抗扩散用于多示踪剂PET合成从多序列MRI

Minhui Yu, Yongheng Sun, David S. Lalush, Jason P Mihalik, Pew-Thian Yap, Mingxia Liu

机构 * Department of Radiology and Biomedical Research Imaging Center (BRIC), University of North Carolina at Chapel Hill（放射科与生物医学研究成像中心（BRIC）、北卡罗来纳大学教堂山分校） ； Joint Department of Biomedical Engineering, University of North Carolina at Chapel Hill and North Carolina State University（生物医学工程联合部门、北卡罗来纳大学教堂山分校和北卡罗来纳州立大学） ； Department of Exercise and Sport Science, UNC-CH（运动与体育科学系、UNC-CH） 纠错

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

AI总结 RelA-Diffusion通过相对对抗扩散框架，利用多序列MRI合成多示踪剂PET，提升合成图像的保真度和病理细节表现。

The Design Space of Tri-Modal Masked Diffusion Models

三模态掩码扩散模型的设计空间

Louis Bethune, Victor Turrisi, Bruno Kacper Mlodozeniec, Pau Rodriguez Lopez, Lokesh Boominathan, Nikhil Bhendawade, Amitis Shidani, Joris Pelemans, Theo X. Olausson, Devon Hjelm, Paul Dixon, Joao Monteiro, Pierre Ablin, Vishnu Banna, Arno Blaas, Nick Henderson, Kari Noriy, Dan Busbridge, Josh Susskind, Marco Cuturi, Irina Belousova, Luca Zappella, Russ Webb, Jason Ramapuram

机构 * Apple（苹果公司） ； Google Deepmind（谷歌DeepMind） ； University of Cambridge（剑桥大学） ； MIT（麻省理工学院） 纠错

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

AI总结 本文提出了一种从头开始预训练的三模态掩码扩散模型，通过分析多模态扩展定律和批大小效应，实现了优化的推理采样，并在文本生成、图像生成和语音生成任务中取得了显著成果。

Comments 41 pages, 29 figures, 10 tables

Directed Ordinal Diffusion Regularization for Progression-Aware Diabetic Retinopathy Grading

定向序扩散正则化用于进展感知的糖尿病视网膜病变分级

Huangwei Chen, Junhao Jia, Ruocheng Li, Cunyuan Yang, Wu Li, Xiaotao Pang, Yifei Chen, Haishuai Wang, Jiajun Bu, Lei Wu

机构 * Zhejiang Key Laboratory of Accessible Perception and Intelligent Systems（浙江可感知系统重点实验室） ； College of Computer Science and Technology（计算机科学与技术学院） ； Hangzhou Pujian Medical Technology Co., Ltd（杭州普健医疗科技有限公司） ； Hangzhou Dianzi University（杭州电子科技大学） ； Tsinghua University（清华大学） 纠错

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

AI总结 本文提出D-ODR方法，通过构建有向图和多尺度扩散正则化，解决糖尿病视网膜病变分级中疾病进展方向性建模问题，提升分级性能和临床可靠性。

Comments 3 figures

Accelerating Diffusion via Hybrid Data-Pipeline Parallelism Based on Conditional Guidance Scheduling

通过基于条件引导调度的混合数据-流水线并行加速扩散

Euisoo Jung, Byunghyun Kim, Hyunjin Kim, Seonghye Cho, Jae-Gil Lee

机构 * School of Computing, KAIST（计算机学院，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 本文提出了一种混合并行框架，通过条件引导调度和自适应流水线切换，提升扩散模型的生成效率和质量。

LLaDA-MedV: Exploring Large Language Diffusion Models for Biomedical Image Understanding

LLaDA-MedV：探索大规模语言扩散模型用于生物医学图像理解

Xuanzhao Dong, Wenhui Zhu, Xiwen Chen, Zhipeng Wang, Peijie Qiu, Shao Tang, Xin Li, Yalin Wang

机构 * Arizona State University（亚利桑那州立大学） ； Clemson University（克莱姆森大学） ； LinkedIn Corporation（领英公司） ； Washington University in St. Louis（圣路易斯华盛顿大学） ； Morgan Stanley（摩根大通） 纠错

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

AI总结 LLaDA-MedV通过视觉指令微调，首次在生物医学图像理解中应用大规模语言扩散模型，实现了在生物医学视觉对话任务中的性能提升，并在多个VQA基准测试中取得新高准确率。

Training-free Mixed-Resolution Latent Upsampling for Spatially Accelerated Diffusion Transformers

无需训练的混合分辨率潜在上采样用于空间加速的扩散变换器

Wongi Jeong, Kyungryeol Lee, Hoigi Seo, Se Young Chun

机构 * Dept. of Electrical and Computer Engineering（电气与计算机工程系） ； INMC & IPAI（INMC与IPAI） ； Seoul National University（首尔国立大学） 纠错

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

AI总结 本文提出无需训练的混合分辨率潜在上采样方法RALU，通过优化空间加速实现DiTs的高效生成，可在不同模型上实现高达15.9倍的加速。

Uncertainty-Aware Diffusion Model for Multimodal Highway Trajectory Prediction via DDIM Sampling

面向多模态高速公路轨迹预测的不确定性感知扩散模型 via DDIM采样

Marion Neumeier, Niklas Roßberg, Michael Botsch, Wolfgang Utschick

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

AI总结 本文提出cVMDx模型，通过DDIM采样提升效率和鲁棒性，实现高效多模态轨迹预测并增强不确定性估计能力。

Comments Accepted as a conference paper in IEEE Intelligent Vehicles Symposium (IV) 2026, Detroit, MI, United States

Improving Denoising Diffusion Models via Simultaneous Estimation of Image and Noise

通过同时估计图像和噪声改进去噪扩散模型

Zhenkai Zhang, Krista A. Ehinger, Tom Drummond

机构 * School of Computing and Information Systems The University of Melbourne（计算机与信息系统学院 澳大利亚墨尔本大学） 纠错

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

AI总结 本文通过重新参数化扩散过程和直接估计图像与噪声，改进了去噪扩散模型，实现了更快的生成速度和更高的图像质量。

Comments Published in Proceedings of the 15th Asian Conference on Machine Learning, PMLR 222:1638-1653, 2024

Journal ref Proceedings of the 15th Asian Conference on Machine Learning, PMLR 222:1638-1653, 2024

Renormalised solutions to reaction-diffusion systems with interface conditions: Global existence and weak-strong uniqueness

带有界面条件的反应扩散系统的规范化解：全局存在性与弱强唯一性

Katharina Hopf, Bao Quoc Tang

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出了一种扩展的规范化解概念，用于处理带有非线性界面条件的反应扩散系统，建立了全局存在性和弱强唯一性理论。

Probing the Geometry of Diffusion Models with the String Method

用字符串方法探究扩散模型的几何结构

Elio Moreau, Florentin Coeurdoux, Grégoire Ferre, Eric Vanden-Eijnden

机构 * Capital Fund Management（资本基金管理公司） ； ML Lab, Capital Fund Management（机器学习实验室，资本基金管理公司） ； Courant Institute of Mathematical Sciences, New York University（Courant数学科学研究所，纽约大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出基于字符串方法的框架，用于探究扩散模型的几何结构，通过不同模式插值揭示模式、障碍物和连接性。

Search or Accelerate: Confidence-Switched Position Beam Search for Diffusion Language Models

搜索或加速：基于置信度切换的位置束搜索用于扩散语言模型

Mingyu Cao, Alvaro H. C. Correia, Christos Louizos, Shiwei Liu, Lu Yin

机构 * University of Surrey（塞拉利昂大学） ； Qualcomm AI Research. Qualcomm AI Research is an initiative of Qualcomm Technologies, Inc.（高通人工智能研究） ； ELLIS Institute Tübingen（图宾根ELLIS研究所） ； Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所） ； Tübingen AI Center（图宾根人工智能中心） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 SOAR通过置信度切换机制优化扩散语言模型的解码过程，提高生成质量并保持推理效率。

Comments 11 pages, 8 figures

Adaptive Diffusion Constrained Sampling for Bimanual Robot Manipulation

自适应扩散约束采样用于双臂机器人操作

Haolei Tong, Yuezhe Zhang, Sophie Lueth, Georgia Chalvatzaki

机构 * TU Darmstadt（图宾根大学） ； Robotics Institute Germany（德国机器人研究所） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出自适应扩散约束采样方法，通过整合等式和不等式约束，提升双臂机器人操作的样本多样性和泛化能力。

Comments Accepted by IEEE International Conference on Robotics and Automation 2026(ICRA 2026)

A diffusion approximation for systems with frequent weak resetting

频繁弱重置系统的扩散近似

Tobias Galla

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出了一种用于频繁弱重置系统的扩散近似方法，通过计算稳态分布和首次通过时间验证其有效性，并展示了重置诱导循环和模式的能力。

Comments 6+2+12 pages, 5+6 figures

ADM-DP: Adaptive Dynamic Modality Diffusion Policy through Vision-Tactile-Graph Fusion for Multi-Agent Manipulation

ADM-DP: 通过视觉-触觉-图融合的自适应动态模态扩散策略用于多智能体操作

Enyi Wang, Wen Fan, Dandan Zhang

机构 * Department of Bioengineering, Imperial-X Initiative, Imperial College London（生物工程系、Imperial-X计划、帝国理工学院伦敦分校） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 ADM-DP通过视觉-触觉-图融合的自适应动态模态扩散策略，提升多智能体操作的协调性、抓取稳定性和碰撞避免性能。

Comments Accepted to IEEE International Conference on Robotics and Automation (ICRA 2026)

Conditional Image Diffusion with Interferometric Closure Invariants: Independent EHT Imaging of Centaurus~A and 3C~279

基于干涉闭合不变量的条件图像扩散：独立EHT成像Centaurus~A和3C~279

Samuel Lai, Nithyanandan Thyagarajan, O. Ivy Wong, Foivos Diakogiannis

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 利用闭合不变量的生成深度学习方法实现EHT对Centaurus~A和3C~279的独立高分辨率成像，避免校准误差并提供稳健的结构分析。

Comments 17 pages, 10 figures, 1 table, accepted by PASA

Structurally Conditioned Diffusion Reproduces Skills-Based Stratification

结构条件扩散再现基于技能的分层

Roberto Cantillan, Mauricio Bucca

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究揭示技能要求在职业等级中呈现非对称扩散，通过结构条件扩散再现基于技能的分层。

Comments 19 pages, 4 figures. Preprint

MDM-ASR: Bridging Accuracy and Efficiency in ASR with Diffusion-Based Non-Autoregressive Decoding

MDM-ASR：基于扩散模型的非自回归解码在ASR中实现准确性和效率的平衡

Hao Yen, Pin-Jui Ku, Ante Jukić, Sabato Marco Siniscalchi

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 MDM-ASR通过基于扩散模型的非自回归解码框架，在保持并行解码效率的同时，提升了ASR的准确性和性能。

Comments 10 pages, submitted to Interspeech 2026 Long Paper track

Hydrogen diffusion in TiCr$_2$H$_x$ Laves phases: A combined ab initio and machine-learning-potential study

氢在TiCr$_2$H$_x$ Laves相中的扩散：结合从头计算和机器学习势的研究

Pranav Kumar, Fritz Körmann, Kaveh Edalati, Blazej Grabowski, Yuji Ikeda

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究利用DFT和MLIPs分析氢在TiCr$_2$H$_x$ Laves相中的扩散行为，发现氢迁移受键断裂影响，且扩散系数随浓度和温度变化呈现非单调关系。

A posteriori error analysis of a robust virtual element method for stress-assisted diffusion problems

应力辅助扩散问题的鲁棒虚拟元方法的后验误差分析

Franco Dassi, Rekha Khot, Andres E. Rubiano, Ricardo Ruiz-Baier

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出了一种用于应力辅助扩散问题的鲁棒虚拟元方法，并通过后验误差分析验证了其可靠性与效率。

Comments 28 pages

Parallel in time partially explicit splitting scheme for high contrast linear multiscale diffusion problems

时间部分显式分裂方案用于高对比率线性多尺度扩散问题

Yating Wang, Zhengya Yang, Wing Tat Leung

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出一种时间部分显式分裂方案用于高对比率线性多尺度扩散问题，通过并行算法提升计算效率，实现高精度和快速收敛。

Optimal extraction with an impact on diffusion-jump pricing

最优提取与对扩散-跳跃定价的影响

Johanna Garzón, Jhonatan S. Mora Rodríguez, Harold A. Moreno-Franco

专题命中 扩散模型 ：diffusion(title)

AI总结 本文研究了在现货市场行动对商品价格产生负面影响的情况下，如何通过最优提取策略最大化预期净利润。

DenseGRPO: From Sparse to Dense Reward for Flow Matching Model Alignment

DenseGRPO：从稀疏到密集奖励用于流匹配模型对齐

Haoyou Deng, Keyu Yan, Chaojie Mao, Xiang Wang, Yu Liu, Changxin Gao, Nong Sang

机构 * Tongyi Lab, Alibaba Group（阿里集团通义实验室） 纠错

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

AI总结 DenseGRPO通过引入密集奖励机制，解决流匹配模型中稀疏奖励导致的反馈与贡献不匹配问题，提升文本到图像生成的人类偏好对齐效果。

Comments Accepted by ICLR 2026

Multitask Learning with Stochastic Interpolants

具有随机插值的多任务学习

Hugo Negrel, Florentin Coeurdoux, Michael S. Albergo, Eric Vanden-Eijnden

机构 * Capital Fund Management（资本基金管理公司） ； Society of Fellows, Harvard University（哈佛大学 fellows 会） ； Machine Learning Lab（机器学习实验室） ； Courant Institute of Mathematical Sciences, New York University（纽约大学应用数学科学研究所） 纠错

专题命中 扩散模型 ：diffusion(abstract)；inpainting(abstract)

AI总结 本文提出了一种基于算子的随机插值框架，用于构建能够完成多种任务的多功能生成模型，展示了其在多任务学习中的有效性。