图像生成

Training-Free Instance-Aware 3D Scene Reconstruction and Diffusion-Based View Synthesis from Sparse Images

无需训练的实例感知3D场景重建与基于扩散的视图合成从稀疏图像

Jiatong Xia, Lingqiao Liu

机构 * The University of Adelaide（阿德莱德大学） 纠错

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

AI总结 本文提出一种无需训练的系统，从稀疏未定位RGB图像重建、理解并渲染3D室内场景，通过点云重建、2D到3D实例提升和扩散模型渲染实现高保真结果，支持实例编辑。

Comments Accepted by SIGGRAPH Asia 2025

ReDiffuse: Rotation Equivariant Diffusion Model for Multi-focus Image Fusion

ReDiffuse：用于多焦点图像融合的旋转等价扩散模型

Bo Li, Tingting Bao, Lingling Zhang, Weiping Fu, Yaxian Wang, Jun Liu

机构 * School of Computer Science and Technology, Xi'an Jiaotong University（西安交通大学计算机科学与技术学院） ； School of Information Engineering, Chang'an University（长安大学信息工程学院） 纠错

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

AI总结 本文提出ReDiffuse模型，通过在扩散网络中嵌入旋转等价性，解决多焦点图像融合中因模糊导致的结构失真问题，提升融合图像的结构一致性。

Comments 10 pages, 9 figures

TAFG-MAN: Timestep-Adaptive Frequency-Gated Latent Diffusion for Efficient and High-Quality Low-Dose CT Image Denoising

TAFG-MAN：时间自适应频率门控潜在扩散用于高效高质量低剂量CT图像去噪

Tangtangfang Fang, Yang Jiao, Xiangjian He, Jingxi Hu, Jiaqi Yang

机构 * University of Nottingham Ningbo China（宁波大学） 纠错

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

AI总结 本文提出TAFG-MAN框架，结合感知优化的自动编码器和紧凑潜在空间中的条件潜在扩散修复，以及轻量级时间自适应频率门控设计，提升低剂量CT图像去噪的效率和质量。

Improving Diffusion Generalization with Weak-to-Strong Segmented Guidance

通过弱到强分段引导提升扩散模型泛化能力

Liangyu Yuan, Yufei Huang, Mingkun Lei, Tong Zhao, Ruoyu Wang, Changxi Chi, Yiwei Wang, Chi Zhang

机构 * Westlake University（西湖大学） ； Tongji University（同济大学） ； Zhejiang University（浙江大学） ； University of California at Merced（加州大学默塞德分校） 纠错

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

AI总结 本文提出SGG方法，通过弱到强原则结合CFG和AG的优势，提升扩散模型泛化能力，并在训练和推理阶段验证其有效性。

Comments 22 pages, 12 figures

SGDFuse: SAM-Guided Diffusion Model for High-Fidelity Infrared and Visible Image Fusion

SGDFuse: 基于SAM的扩散模型用于高保真红外与可见图像融合

Xiaoyang Zhang, jinjiang Li, Guodong Fan, Yakun Ju, Linwei Fan, Jun Liu, Alex C. Kot

机构 * School of Computer Science（计算机科学学院） ； Business University, Yantai, China（烟台商学院） ； College of Computer and Data Science（计算机与数据科学学院） ； Fuzhou University, Fuzhou, China（福州大学） ； School of Computing and Mathematical Sciences（计算与数学科学学院） ； University of Leicester, Leicester, United Kingdom（莱斯特大学） ； School of Computing and Artificial Intelligence（计算与人工智能学院） ； Director of the Rapid-Rich Object Search Laboratory（快速丰富对象搜索实验室主任） ； NTU-PKU Joint Research Institute, Nanyang Technological University, Singapore（NTU-PKU联合研究机构，新加坡国立大学） 纠错

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

AI总结 本文提出SGDFuse，通过结合SAM的高阶语义先验与扩散模型的高保真生成能力，解决红外与可见图像融合中的语义盲问题，提升图像质量和下游任务性能。

Comments Published in Information Fusion

Journal ref Information Fusion, 2026: 104290

Foresight Diffusion: Improving Sampling Consistency in Predictive Diffusion Models

前瞻性扩散：改进预测扩散模型中的采样一致性

Yu Zhang, Xingzhuo Guo, Haoran Xu, Jialong Wu, Mingsheng Long

机构 * School of Software, BNRist, Tsinghua University（软件学院，BNRist，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Foresight Diffusion，通过解耦条件理解和目标去噪提升预测扩散模型的采样一致性，实验显示其在机器人视频预测和科学时空预测中表现优异。

Comments Accepted at ICLR 2026

Uni-Classifier: Leveraging Video Diffusion Priors for Universal Guidance Classifier

Uni-Classifier: 利用视频扩散先验进行通用引导分类器

Yujie Zhou, Pengyang Ling, Jiazi Bu, Bingjie Gao, Li Niu

机构 * Shanghai Jiao Tong University（上海交通大学） ； University of Science and Technology of China（中国科学技术大学） 纠错

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

AI总结 本文提出Uni-Classifier，通过利用视频扩散先验引导前序模型的去噪过程，提升生成质量，适用于视频和3D生成任务。

Comments Accepted by ICME 2026

Learning to Generate Rigid Body Interactions with Video Diffusion Models

通过视频扩散模型学习生成刚体交互

David Romero, Ariana Bermudez, Viacheslav Iablochnikov, Hao Li, Fabio Pizzati, Ivan Laptev

机构 * MBZUAI 纠错

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

AI总结 本文提出KineMask方法，通过视频生成实现刚体交互的逼真控制与模拟，结合低级运动控制与高级文本条件，提升动态现象合成能力。

Empirical Evaluation of Link Deletion Methods for Limiting Information Diffusion on Social Media

对限制社交媒体信息扩散的链接删除方法的实证评估

Shiori Furukawa, Sho Tsugawa

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究通过实际转发 cascades 日志评估链接删除方法的有效性，发现即使删除50%的链接，信息扩散规模仍仅减少至原规模的50%，表明该方法抑制信息扩散的效果有限。

Comments Social Network Analysis and Mining

Journal ref Furukawa, S., Tsugawa, S. Empirical evaluation of link deletion methods for limiting information diffusion on social media. Soc. Netw. Anal. Min. 12, 169 (2022)

Generative Diffusion Model for Risk-Neutral Derivative Pricing

生成扩散模型用于风险中性衍生品定价

Nilay Tiwari

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出利用扩散模型生成风险中性资产价格动态，通过修正分数函数实现风险中性漂移，从而在衍生品定价中实现生成模型与经典定价方法的结合。

Comments 15 pages, 2 figures. Introduces a risk-neutral correction for diffusion models via a score function shift, with applications to derivative pricing

Cross-diffusion and fast-reaction in pattern formation: a structural analysis

交叉扩散与快速反应在模式形成中的作用：结构分析

Brocchieri Elisabetta, Soresina Cinzia

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文研究了生物来源的交叉扩散对塔尔丁不稳定性的影响，分析了快速反应机制下交叉扩散函数的不稳定性条件，并探讨了反应雅可比矩阵符号结构与交叉扩散在模式形成起始中的相互作用。

Autoregressive vs. Masked Diffusion Language Models: A Controlled Comparison

自回归模型与掩码扩散语言模型：受控比较

Caio Vicentino

机构 * Independent Researcher（独立研究者） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文对比自回归与掩码扩散语言模型，发现两者在训练效率、收敛速度及生成多样性上存在差异，揭示不同训练策略的最优计算方案。

Comments 10 pages, 2 figures, 4 tables. Code and checkpoints at https://github.com/caiovicentino/arche

DiT-Flow: Speech Enhancement Robust to Multiple Distortions based on Flow Matching in Latent Space and Diffusion Transformers

DiT-Flow：基于潜在空间和扩散变换器的多失真鲁棒语音增强

Tianyu Cao, Helin Wang, Ari Frummer, Yuval Sieradzki, Adi Arbel, Laureano Moro Velazquez, Jesus Villalba, Oren Gal, Thomas Thebaud, Najim Dehak

机构 * Johns Hopkins University（约翰霍普金斯大学） ； Technion Israel Institute of Technology（技术学院以色列理工学院） ； University of Haifa（海法大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出DiT-Flow，一种基于流匹配的语音增强框架，利用潜在扩散变换器构建，通过训练提升对噪声、回声和压缩等多失真鲁棒性，实验显示其优于现有方法。

Probabilistic reconstruction of global sea surface temperature using generative diffusion models

基于生成扩散模型的全球海表温度概率重建

Haijie Li, Ya Wang, Kai Yang, Gang Huang, Xiangao Xia, Ziming Chen, Weichen Tao, Chenglin Lyu, Lin Chen, Miao Zhang, Kaiming Hu, Hainan Gong, Disong Fu, Lin Wang

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出SAGE框架，通过物理一致先验和观测条件后验采样，实现概率海表温度重建，有效降低重建误差并提升气候预测能力。

Logical Guidance for the Exact Composition of Diffusion Models

逻辑引导用于扩散模型的精确组合

Francesco Alesiani, Jonathan Warrell, Tanja Bien, Henrik Christiansen, Matheus Ferraz, Mathias Niepert

机构 * NEC Laboratories Europe（NEC欧洲实验室） ； University of Stuttgart（斯图加特大学） ； NEC Laboratories America（NEC美国实验室） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出LOGDIFF框架，通过逻辑引导实现复杂逻辑表达的精确生成，基于布尔演算和递归算法，适用于图像和蛋白质结构生成。

Intrinsic-Metric Physics-Informed Neural Networks (IM-PINN) for Reaction-Diffusion Dynamics on Complex Riemannian Manifolds

内在度量物理信息神经网络（IM-PINN）用于复杂黎曼流形上的反应扩散动力学

Julian Evan Chrisnanto, Salsabila Rahma Alia, Nurfauzi Fadillah, Yulison Herry Chrisnanto

机构 * Department of Bio-Functions and Systems Science（生物功能与系统科学系） ； Graduate School of Bio-Applications and Systems Engineering（生物应用与系统工程研究生学校） ； Department of Mathematics（数学系） ； Faculty of Mathematics and Natural Sciences（数学与自然科学学院） ； Universitas Padjadjaran（帕迪贾兰大学） ； Department of Informatics（信息系） ； Faculty of Science and Informatics（科学与信息学院） ； Jenderal of Achmad Yani University（阿赫马德·亚尼大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 IM-PINN通过嵌入黎曼度量张量重构Laplace-Beltrami算子，实现复杂流形上反应扩散方程的无网格求解，克服传统方法在高曲率波动和各向异性Turing不稳定性上的局限，展现更优的物理严谨性与内存效率。

Comments 19 pages, 7 figures

Masked Diffusion Models as Energy Minimization

掩码扩散模型作为能量最小化

Sitong Chen, Shen Nie, Jiacheng Sun, Zijin Feng, Zhenguo Li, Ji-Rong Wen, Chongxuan Li

机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学首都人工智能学院） ； Beijing Key Laboratory of Research on Large Models and Intelligent Governance（北京大模型与智能治理重点实验室） ； Engineering Research Center of Next-Generation Intelligent Search and Recommendation, MOE（下一代智能搜索与推荐工程技术研究中心，教育部） ； Huawei Noah’s Ark Lab（华为诺亚实验室） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出将掩码扩散模型解释为离散最优传输中能量最小化问题的理论框架，证明三种能量形式在MDM结构下等价，并通过Beta分布参数化插值调度，提升采样效率。

Journal ref Published at NeurIPS 2025

Packet-Level DDoS Data Augmentation Using Dual-Stream Temporal-Field Diffusion

基于双流时间场扩散的包级DDoS数据增强

Gongli Xi, Ye Tian, Yannan Hu, Yuchao Zhang, Yapeng Niu, Xiangyang Gong

机构 * State Key Laboratory of Networking and Switching Technology（网络与交换技术国家重点实验室） ； School of Computer Science (National Pilot Software Engineering School)（计算机学院） ； School of Cyberspace Security（网络空间安全学院） ； Zhongguancun Laboratory（中关村实验室） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出双流时间场扩散模型，通过空间映射和动态时间建模生成更接近真实网络流量的数据，提升DDoS检测性能。

Comments Accepted by IEEE SECON 2026. 11 pages, 5 figures

Kolmogorov Modes and Linear Response of Jump-Diffusion Models

柯莫罗戈夫模式与跳跃扩散模型的线性响应

Mickaël D. Chekroun, Niccolò Zagli, Valerio Lucarini

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出了一种混合跳跃扩散模型的广义线性响应理论，通过推导响应公式来量化漂移项和跳跃法则的扰动影响，揭示系统自然和强迫变异之间的关系，并应用于气候预测和气候变化研究。

Comments 31 pages, 10 figures

Journal ref Mickael D Chekroun et al. 2025, Reports on Progress in Physics, 88, 127601

Your Absorbing Discrete Diffusion Secretly Models the Conditional Distributions of Clean Data

你的吸收式离散扩散模型实际上隐含地建模了干净数据的条件分布

Jingyang Ou, Shen Nie, Kaiwen Xue, Fengqi Zhu, Jiacheng Sun, Zhenguo Li, Chongxuan Li

机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学首都人工智能学院） ； Beijing Key Laboratory of Big Data Management and Analysis Methods（北京大数据管理与分析方法重点实验室） ； Huawei Noah’s Ark Lab（华为诺亚实验室） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文揭示吸收式扩散中的混凝土分数可表示为干净数据的条件概率乘以时间相关的标量，提出无需时间条件的RADD模型，减少函数评估次数并提升采样速度，统一了吸收式扩散与任意阶自回归模型。

Is the future of AI green? What can innovation diffusion models say about generative AI's environmental impact?

人工智能的未来是否绿色？创新扩散模型能如何解释生成式人工智能的环境影响？

Robert Viseur, Nicolas Jullien

机构 * Université de Mons（蒙斯大学） ； IMT Atlantique（亚眠技术大学） ； LEGO-Marsouin（LEGO-马尔索恩） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 通过创新扩散模型分析生成式人工智能生态系统，探讨其环境影响演变及经济驱动下的优化潜力，指出其环境影响可能不如预期严重，取决于主导商业模式。

Generalized Discrete Diffusion from Snapshots

从快照出发的广义离散扩散

Oussama Zekri, Théo Uscidda, Nicolas Boullé, Anna Korba

机构 * Department of Mathematics, Imperial College London（伦敦帝国学院数学系） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出GDDS框架，统一了离散扩散模型，支持任意噪声过程，提升了训练效率和生成质量，首次超越自回归模型。

Comments 37 pages, 6 figures, 13 tables

FluidWorld: Reaction-Diffusion Dynamics as a Predictive Substrate for World Models

FluidWorld: 反应-扩散动力学作为世界模型的预测性基质

Fabien Polly

机构 * Independent Researcher（独立研究者） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出FluidWorld，通过反应-扩散型偏微分方程实现世界模型预测，对比Transformer和ConvLSTM基线，展示PDE在参数效率和空间结构保留上的优势。

Comments 18 pages, 16 figures, 4 tables. Code available at https://github.com/infinition/FluidWorld/

Accelerate Vector Diffusion Maps by Landmarks

通过地标加速向量扩散图

Sing-Yuan Yeh, Yi-An Wu, Hau-Tieng Wu, Mao-Pei Tsui

机构 * Department of Mathematics, National Taiwan University, Taipei, 106, Taiwan（台湾大学数学系） ； National Center for Theoretical Sciences, Mathematics Division, Taipei, 106, Taiwan（理论科学国家中心数学组） ； Courant Institute of Mathematical Sciences, New York University, New York, NY, 10012 USA（纽约大学数学科学学院） ； Data Science Degree Program, National Taiwan University（台湾大学数据科学学士学位计划） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出LA-VDM算法，通过两阶段归一化加速基于图连接拉普拉斯的向量扩散图框架，有效处理数据和地标集的非均匀采样密度，通过流形模型恢复平行运输，提升连接拉普拉斯的收敛性。

Reward Sharpness-Aware Fine-Tuning for Diffusion Models

奖励敏锐度感知的扩散模型微调

Kwanyoung Kim, Byeongsu Sim

机构 * Department of AI Convergence, GIST（人工智能融合系，韩国科学技术院） ； Samsung Research（三星研究院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出RSA-FT方法，通过改进奖励模型梯度的鲁棒性来缓解扩散模型中的奖励黑客问题，提升RDRL的可靠性。

Comments Cam ready version of CVPR26

Diffusion-based Probabilistic Air Quality Forecasting with Mechanistic Insight

基于扩散的概率空气质量预报与机理洞察

Ao Ding, Aoxing Zhang, Tzung-May Fu, Yuanlong Huang, Qianjie Chen, Yuyang Chen, Jiajia Mo, Wei Tao, Wai-Chi Cheng, Lei Zhu, Xin Yang, Guy Brasseur

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出AirFusion框架，结合化学传输模型与观测数据，实现高效准确的区域空气质量预测，同时提供天气不确定性对预测的影响诊断。

Characterizing Long-Range Dependencies in Knee Joint Contact Mechanics: A Comparison of Topology Diffusion, Global Routing, and Hybrid Graph Neural Networks

表征膝关节接触力学中的长程依赖性：拓扑扩散、全局路由和混合图神经网络的比较

Zhengye Pan, Jianwei Zuo, Jiajia Luo

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文通过对比拓扑扩散、全局路由和混合图神经网络，研究膝关节接触力学中长程依赖性的表征问题，发现混合模型在整体性能上最佳，拓扑扩散模型表现良好，全局路由能进一步提升高应力区域的重建效果。

Dreaming the Unseen: World Model-regularized Diffusion Policy for Out-of-Distribution Robustness

梦见未见：用于分布外鲁棒性的世界模型正则化扩散策略

Ziou Hu, Xiangtong Yao, Yuan Meng, Zhenshan Bing, Alois Knoll

机构 * School of Computation, Information and Technology, Technical University of Munich, Garching, Germany（慕尼黑技术大学计算与信息学院） ； State Key Laboratory for Novel Software Technology（新型软件技术国家重点实验室） ； the School of Science and Technology, Nanjing University (Suzhou Campus), China（南京大学苏州校区科学技术学院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出Dream Diffusion Policy，通过整合世界模型提升扩散策略在分布外扰动下的鲁棒性，实验显示其在MetaWorld和现实场景中表现优异。

Comments Under review

Interpreting the Synchronization Gap: The Hidden Mechanism Inside Diffusion Transformers

解读同步间隙：扩散变换器内部的隐藏机制

Emil Albrychiewicz, Andrés Franco Valiente, Li-Ching Chen, Viola Zixin Zhao

机构 * Leinweber Institute for Theoretical Physics ； Department of Physics, University of California, Berkeley, CA, 94720-7300, USA ； Theoretical Physics Group, Lawrence Berkeley National Laboratory, Berkeley, CA 94720-8162, USA ； Department of Radiation Oncology, University of California, San Francisco ； Computational Precision Health, University of California, San Francisco ； Department of Physics, University of California, Berkeley, CA 94720, USA 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究揭示扩散变换器中同步间隙的机理，发现其为内在架构属性，且在强耦合下消失，仅在最终层出现，低频结构先于高频细节承诺。

Comments 38 pages, 5 figures

Functional Estimation of Manifold-Valued Diffusion Processes

流形值扩散过程的功能估计

Jacob McErlean, Hau-Tieng Wu

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出基于单条轨迹的非参数估计方法，用于估计流形值扩散过程的漂移向量场和扩散矩阵，通过分析扩散估计器进一步得到依赖数据的切空间估计器，支持理论结果的数值实验。