图像生成

Timestep-Aware Block Masking for Efficient Diffusion Model Inference

基于时间步的块掩码：用于高效扩散模型推理的优化方法

Haodong He, Yuan Gao, Weizhong Zhang, Gui-Song Xia

机构 * School of Computer Science, Wuhan University（武汉大学计算机学院） ； School of Artificial Intelligence, Wuhan University（武汉大学人工智能学院） ； School of Data Science, Fudan University（复旦大学数据科学学院） 纠错

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

AI总结 本文提出基于时间步的块掩码方法，通过动态决定执行或跳过哪些块来优化预训练DPMs的计算图，提升推理效率。

Comments 10 pages

ATHENA: Adaptive Test-Time Steering for Improving Count Fidelity in Diffusion Models

ATHENA: 适应性测试时引导以提高扩散模型中的计数保真度

Mohammad Shahab Sepehri, Asal Mehradfar, Berk Tinaz, Salman Avestimehr, Mahdi Soltanolkotabi

机构 * Department of Electrical and Computer Engineering（电气与计算机工程系） 纠错

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

AI总结 ATHENA通过测试时自适应引导框架提升扩散模型中物体计数保真度，不修改模型结构或需重新训练，利用中间表示估计计数并进行噪声校正，三种变体在计算上权衡提升数值精度。

Fast 3D Diffusion for Scalable Granular Media Synthesis

快速3D扩散用于可扩展的颗粒介质合成

Muhammad Moeeze Hassan, Régis Cottereau, Filippo Gatti, Patryk Dec

机构 * Aix Marseille Univ, CNRS, Centrale Med, LMA（艾克斯-马赛大学，法国国家科学研究中心，中央医疗学院，马赛实验室） ； Université Paris Saclay, CentraleSupélec, ENS Paris-Saclay, CNRS, Laboratoire de Mécanique Paris-Saclay UMR 9026（巴黎萨克雷大学，中央超算学院，巴黎-萨克雷高等师范学院，法国国家科学研究中心，巴黎机械实验室（UMR 9026）） ； Innovation and Research Department, SNCF（法国国家铁路公司创新与研究部） 纠错

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

AI总结 本文提出基于3D扩散模型的新型生成管道，能够高效合成大规模颗粒介质，通过两阶段流程生成并拼接 voxel 网格，实现机械真实配置，显著提升模拟效率。

Warm-Start Flow Matching for Guaranteed Fast Text/Image Generation

预热启动流匹配用于保证快速文本/图像生成

Minyoung Kim

机构 * Samsung AI Center Cambridge（三星AI研究中心剑桥） 纠错

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

AI总结 本文提出预热启动流匹配（WS-FM）方法，通过利用轻量级生成模型快速生成初始样本，减少流匹配算法的生成时间，同时保证生成质量。

Wildfire Spread Scenarios: Increasing Sample Diversity of Segmentation Diffusion Models with Training-Free Methods

野火蔓延场景：通过无训练方法增加分割扩散模型的样本多样性

Sebastian Gerard, Josephine Sullivan

机构 * KTH Royal Institute of Technology（皇家理工学院） 纠错

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

AI总结 本文提出通过无训练方法提升分割扩散模型样本多样性，验证了粒子引导和SPELL等技术在野火蔓延场景中的有效性，提升了HM IoU指标。

Comments Accepted at NLDL 2026. This version contains small corrections compared to the initial publication, see appendix for details

Journal ref Proceedings of the 7th Northern Lights Deep Learning Conference (NLDL), PMLR, Jan. 2026

Beyond Single Tokens: Distilling Discrete Diffusion Models via Discrete MMD

超越单个标记：通过离散MMD蒸馏离散扩散模型

Emiel Hoogeboom, David Ruhe, Jonathan Heek, Thomas Mensink, Tim Salimans

机构 * Google DeepMind Amsterdam（谷歌深思亚马逊） 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-MMD方法，通过离散MMD蒸馏离散扩散模型，实现高质量和多样性的生成，优于传统方法。

NEC-Diff: Noise-Robust Event-RAW Complementary Diffusion for Seeing Motion in Extreme Darkness

NEC-Diff: 用于极端黑暗中感知运动的噪声鲁棒事件-RAW互补扩散

Haoyue Liu, Jinghan Xu, Luxin Feng, Hanyu Zhou, Haozhi Zhao, Yi Chang, Luxin Yan

机构 * National Key Lab of Multispectral Information Intelligent Processing Technology（多谱信息智能处理技术国家级重点实验室） ； School of Artificial Intelligence and Automation, Huazhong University of Science and Technology（华中科技大学人工智能与自动化学院） ； School of Computing, National University of Singapore（新加坡国立大学计算机学院） 纠错

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

AI总结 NEC-Diff通过结合RAW图像的线性光响应和事件的亮度变化特性，提出一种新型扩散框架，以在极低光照条件下实现高保真视觉重建。

Comments Accepted by CVPR 2026

Guiding Diffusion-based Reconstruction with Contrastive Signals for Balanced Visual Representation

通过对比信号引导扩散重建以实现平衡的视觉表示

Boyu Han, Qianqian Xu, Shilong Bao, Zhiyong Yang, Ruochen Cui, Xilin Zhao, Qingming Huang

机构 * State Key Laboratory of AI Safety, Institute of Computing Technology, CAS（人工智能安全国家重点实验室，计算技术研究所，中国科学院） ； School of Computer Science and Tech., University of Chinese Academy of Sciences（中国科学院大学计算机科学与技术学院） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院） ； Institute of Information Engineering, CAS（信息工程研究所，中国科学院） ； School of Cyber Security, University of Chinese Academy of Sciences（中国科学院大学网络安全学院） ； School of Computer Science and Technology, Beijing Institute of Technology（北京理工大学计算机科学与技术学院） 纠错

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

AI总结 本文提出通过对比信号优化扩散重建，以提升CLIP中判别能力和细节感知能力，解决传统方法在平衡视觉表示上的不足。

Diffusion-Guided Semantic Consistency for Multimodal Heterogeneity

扩散引导的语义一致性用于多模态异质性

Jing Liu, Zhengliang Guo, Yan Wang, Xiaoguang Zhu, Yao Du, Zehua Wang, Victor C. M. Leung

机构 * The University of British Columbia（不列颠哥伦比亚大学） ； Fudan University（复旦大学） ； Duke Kunshan University（杜克昆山大学） ； East China Normal University（华东师范大学） ； University of California, Davis（加州大学戴维斯分校） ； China University of Mining and Technology（中国矿业大学） ； SMBU ； Shenzhen University（深圳大学） 纠错

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

AI总结 本文提出SemanticFL框架，利用预训练扩散模型的语义表示，通过跨模态对比学习提升联邦学习在多模态异质数据中的鲁棒性，实验表明其在CIFAR-10等数据集上准确率提升达5.49%。

Comments Accepted by IEEE ICME 2026

SIR model with random diffusion, reinfection, and random transmission: exponential attractors and spread of the disease

具有随机扩散、再感染和随机传播的SIR模型：指数吸引子与疾病传播

Tomás Caraballo, Javier López-de-la-Cruz, Alexandre N. Oliveira-Sousa, Paulo N. Seminario-Huertas

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出一个随机SIR型偏微分方程模型，研究随机扩散、再感染、生命动态和随机传播率对疾病传播的影响，证明了随机和指数吸引子的存在，并分析了随机传播系数的均值以确定疾病是否能被根除或持续存在。

A distribution-free lattice Boltzmann method for compartmental reaction-diffusion systems with application to epidemic modelling

一种无需分布的格子玻尔兹曼方法用于 compartmental 反应扩散系统及其在流行病建模中的应用

Alessandro De Rosis

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出了一种无需分布的格子玻尔兹曼方法，用于解决数学流行病学中的 compartmental 反应扩散系统，该方法在流行病建模中表现出更高的精度和效率。

Curved fronts of combustion reaction-diffusion equations

燃烧反应扩散方程中的曲前缘

Wei-Jie Sheng, Xin-Tian Zhang

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究燃烧反应扩散方程在R^N中的曲前缘存在性、唯一性和稳定性，通过构造上下解证明多面体状曲前缘的存在，并展示其作为过渡前缘的特性。

Alternating Diffusion for Proximal Sampling with Zeroth Order Queries

交替扩散用于带有零阶查询的近端采样

Hirohane Takagi, Atsushi Nitanda

机构 * Graduate School of Information Science and Technology, The University of Tokyo（东京大学信息科学与技术研究生院） ； Institute of High Performance Computing, Agency for Science, Technology and Research（科技研究局高性能计算研究所） ； Centre for Frontier AI Research, Agency for Science, Technology and Research（科技研究局前沿人工智能研究中心） ； 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 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出一种仅利用零阶信息的近端采样器，通过直接模拟动力学而非拒绝采样，将中间粒子分布视为高斯混合分布，从而获得蒙特卡洛分数估计器，在等周条件下继承指数收敛性，并通过并行计算实现快速收敛。

Comments Accepted to ICLR2026

ReMAP-DP: Reprojected Multi-view Aligned PointMaps for Diffusion Policy

ReMAP-DP：基于重投影多视角对齐点地图的扩散策略

Xinzhang Yang, Renjun Wu, Jinyan Liu, Xuesong Li

机构 * School of Computer Science, Beijing Institute of Technology, China（北京理工大学计算机科学学院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出ReMAP-DP框架，结合标准化视角重投影与结构感知双流扩散策略，解决2D视觉表示在3D空间感知上的不足，提升机器人在多样化任务中的精度与鲁棒性。

Comments fix some typos

Latent Action Diffusion for Cross-Embodiment Manipulation

潜在动作扩散用于跨躯体操控

Erik Bauer, Elvis Nava, Robert K. Katzschmann

机构 * mimic robotics ； ETH AI Center ； Soft Robotics Lab ； Institute of Neuroinformatics 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出通过潜在动作空间学习实现跨躯体操控，利用对比损失训练编码器统一不同末端执行器动作，提升多机器人控制效率和技能迁移效果。

Comments 8 pages, 5 figures. Accepted to the 2026 IEEE International Conference on Robotics & Automation (ICRA). Website: https://mimicrobotics.github.io/lad/

In-and-Out: Algorithmic Diffusion for Sampling Convex Bodies

入出：用于采样凸体的算法扩散

Yunbum Kook, Santosh S. Vempala, Matthew S. Zhang

机构 * School of Computer Science, Georgia Institute of Technology（佐治亚理工学院计算机科学系） ； Department of Computer Science, University of Toronto（多伦多大学计算机科学系） ； Vector Institute（向量研究所） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出一种新的随机游走算法，用于均匀采样高维凸体，实现了最先进的运行时间复杂度，并在输出保证上优于现有方法，特别是在Rényi散度方面。

Comments To appear in Random Structures & Algorithms; conference version appeared in NeurIPS 2024 (spotlight)

TRACE: Trajectory Recovery with State Propagation Diffusion for Urban Mobility

轨迹恢复：基于状态传播扩散的轨迹恢复用于城市移动

Jinming Wang, Hai Wang, Hongkai Wen, Geyong Min, Man Luo

机构 * University of Exeter Department of Computer Science（埃克塞特大学计算机科学系） ； University of Warwick Department of Computer Science（沃里克大学计算机科学系） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出TRACE模型，通过状态传播扩散机制从稀疏不完整输入中恢复密集连续轨迹，提升城市移动应用的数据质量与公平性。

Comments This article is accepted by WWW 2026, Dubai, United Arab Emirates

World4RL: Diffusion World Models for Policy Refinement with Reinforcement Learning for Robotic Manipulation

World4RL: 基于扩散世界模型的强化学习政策精修框架用于机器人操作

Zhennan Jiang, Kai Liu, Yuxin Qin, Shuai Tian, Yupeng Zheng, Mingcai Zhou, Chao Yu, Haoran Li, Dongbin Zhao

机构 * The State Key Laboratory of Multimodal Artificial Intelligence Systems, Institute of Automation, Chinese Academy of Sciences（多模态人工智能系统国家重点实验室，自动化研究所，中国科学院） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； Zhongguancun Academy（中关村学院） ； Beijing Zhongke Huiling Robot Technology Co（北京中科创联机器人技术有限公司） ； Department of Electronic Engineering, Tsinghua University（清华大学电子工程系） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 World4RL通过扩散世界模型提升机器人操作政策的精修效果，采用高保真模拟环境进行端到端政策优化，优于模仿学习及其他基线方法。

OrbitNVS: Harnessing Video Diffusion Priors for Novel View Synthesis

OrbitNVS: 利用视频扩散先验进行新视角合成

Jinglin Liang, Zijian Zhou, Rui Huang, Shuangping Huang, Yichen Gong

机构 * South China University of Technology（华南理工大学） ； King's College London（伦敦大学国王学院） ； Agentic Labs, XGTech（Agentic实验室，XGTech） ； Pazhou Laboratory（Pazhou实验室） 纠错

专题命中 扩散模型 ：diffusion(title)；分类 cs.CV

AI总结 OrbitNVS将新视角合成重新定义为轨道视频生成任务，通过定制模型设计和训练策略，利用预训练视频生成模型的丰富视觉先验，提升几何和外观一致性，实验表明在GSO和OmniObject3D基准上表现优异。

Comments 26 pages, 10 figures

Diffusion bounds for non-autonomous degenerate parabolic equations

非自治退化抛物方程的扩散界

Marius Lemm, Israel Michael Sigal, Jingxuan Zhang

专题命中 扩散模型 ：diffusion(title)

AI总结 本文通过指数变形方法，证明了非自治退化抛物方程在L^p意义下的扩散上界，适用于退化、非自治和非线性方程。

Comments 30pp, 3 figures

Rethinking Test Time Scaling for Flow-Matching Generative Models

重新思考流匹配生成模型的测试时间扩展

Qingtao Yu, Changlin Song, Minghao Sun, Zhengyang Yu, Vinay Kumar Verma, Soumya Roy, Sumit Negi, Hongdong Li, Dylan Campbell

机构 * Australian National University（澳大利亚国立大学） ； Amazon Research（亚马逊研究院） 纠错

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

AI总结 本文提出DOG-Trim方法，通过Repel和NARF提升测试时间扩展效果，解决流匹配模型中全局搜索的挑战，实现性能提升。

EgoForge: Goal-Directed Egocentric World Simulator

EgoForge：面向目标的自体世界模拟器

Yifan Shen, Jiateng Liu, Xinzhuo Li, Yuanzhe Liu, Bingxuan Li, Houze Yang, Wenqi Jia, Yijiang Li, Tianjiao Yu, James Matthew Rehg, Xu Cao, Ismini Lourentzou

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of California San Diego（加州大学圣地亚哥分校） 纠错

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

AI总结 EgoForge通过最小静态输入生成连贯的第一人称视频，结合VideoDiffusionNFT提升意图对齐和时间一致性，实现在动态环境模拟中的优越性能。

Making Video Models Adhere to User Intent with Minor Adjustments

通过小幅调整使视频模型符合用户意图

Daniel Ajisafe, Eric Hedlin, Helge Rhodin, Kwang Moo Yi

机构 * Department of Computer Science（计算机科学系） ； The University of British Columbia（不列颠哥伦比亚大学） 纠错

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

AI总结 本文通过调整用户提供的边界框以提高视频生成质量和对控制输入的符合度，提出平滑掩码和注意力最大化目标，通过实验验证方法有效性。

Comments Project page and code: https://ubc-vision.github.io/MinorAdjustVideo/docs/webpage/index.html

VSSFlow: Unifying Video-conditioned Sound and Speech Generation via Joint Learning

VSSFlow：通过联合学习统一视频条件声音和语音生成

Xin Cheng, Yuyue Wang, Xihua Wang, Yihan Wu, Kaisi Guan, Yijing Chen, Peng Zhang, Xiaojiang Liu, Meng Cao, Ruihua Song

机构 * Renmin University of China（中国人民大学） ； Apple（苹果公司） 纠错

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

AI总结 本文提出VSSFlow框架，通过联合学习统一视频条件音频生成任务，采用解耦条件聚合机制提升多信号处理能力，并通过实验验证其在视频到声音、视觉文本到语音及联合生成任务中的优越性能。

Comments Paper Under Review

Graph2TS: Structure-Controlled Time Series Generation via Quantile-Graph VAEs

Graph2TS: 通过分位数图变分自编码器实现结构控制的时间序列生成

Shaoshuai Du, Joze M. Rozanec, Andy Pimentel, Ana-Lucia Varbanescu

机构 * Informatics Institute, University of Amsterdam, Amsterdam, The Netherlands（阿姆斯特丹大学信息学院） ； Computer Architecture for Embedded Systems, University of Twente, Enschede, The Netherlands（特文特大学嵌入式系统计算机架构） ； Laboratory of Artificial Intelligence, Institute Jozef Stedan, Ljubljana, Slovenia（乔泽夫·斯特达安研究所人工智能实验室） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出Graph2TS，通过分位数图变分自编码器实现时间序列生成，通过结构与残差分离提升分布保真度和时序对齐。

A computational framework to predict the spreading of Alzheimer's disease

一种用于预测阿尔茨海默病传播的计算框架

A. Vazquez-Palomo, C. Betegón, J. Weickenmeier, E. Martínez-Pañeda

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出一种三维有限元框架，结合多蛋白运输和脑组织变形，模拟阿尔茨海默病的进展，通过反应扩散方程描述有毒tau和淀粉样蛋白的传播，并展示与纵向影像测量的良好一致性。

From Precise to Random: A Systematic Differential Fault Analysis of the Lightweight Block Cipher Lilliput

从精确到随机：轻量块密码Lilliput的系统性差分故障分析

Peipei Xie, Siwei Chen, Zejun Xiang, Shasha Zhang, Xiangyong Zeng

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文首次系统性地对轻量块密码Lilliput进行了三种不同故障模型下的差分故障分析，揭示其在现实场景中对物理攻击的脆弱性，为安全实现提供关键见解。

Comments 37 pages, 19 figures

Spin subdiffusion in perturbed infinite-U Hubbard chain

受扰无限U Hubbard链中的自旋亚扩散

Jakub Rękas, Marcin Mierzejewski, Zala Lenarčič, Peter Prelovšek

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究受扰无限U Hubbard链中的自旋动力学，揭示自旋传输通过电荷传输实现，导致亚扩散现象，与无序或偶极守恒模型不同。

Comments 9 pages

Diminishing Returns in Expanding Generative Models and Godel-Tarski-Lob Limits

扩展生成模型中的边际收益递减与哥德尔-塔斯基-洛布限制

Angshul Majumdar

机构 * Indraprastha Institute of Information Technology（印度理工信息科技学院） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出一个任务空间框架，分析扩展生成系统的能力增长，证明随着系统容量增加，任务覆盖的边际改进趋于零，并结合逻辑理论揭示内在推理的根本限制。

Self-similar Dynamics in the Critical $p$-Laplacian Patlak-Keller-Segel Model: Shrinking Blow-up and Expanding Propagation

临界p-拉普拉斯帕塔克-凯勒-塞格尔模型中的自相似动力学：收缩破裂与扩展传播

Chunhua Jin, Fengqing Zhang

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文研究了临界指数m下的p-拉普拉斯帕塔克-凯勒-塞格尔模型，证明在临界阈值m下系统存在有限时间破裂解，并探讨了自相似解的性质。

Comments 34 pages