视觉与机器人
图像生成、文生图、图像编辑、扩散模型和可控生成。
基于隐喻的文本到图像模型劫持攻击
机构 * Huawei Technologies Co Ltd.（华为技术有限公司）
专题命中 文生图 ：text-to-image(title,abstract)；分类 cs.CV
AI总结 本文提出基于隐喻的劫持攻击方法，通过生成隐喻对抗提示绕过未知或多样化的防御机制，实验表明其在攻击性能和查询效率方面优于基线方法。
Comments Code is available in \url{https://github.com/datar001/metaphor-based-jailbreaking-attack}
UniGRPO：用于推理驱动视觉生成的统一策略优化
机构 * The Chinese University of Hong Kong（香港中文大学）
专题命中 文生图 ：image generation(abstract)；image synthesis(abstract)；分类 cs.CV
AI总结 本文提出UniGRPO框架，通过统一强化学习方法优化文本和图像生成策略，解决多轮交错生成问题，提升生成质量与可扩展性。
ARGENT：自适应层次图像-文本表示
机构 * University of Maryland, College Park（马里兰大学 College Park分校） ； Samsung Research America, AI Center（三星美国研究院人工智能中心）
专题命中 文生图 ：text-to-image(abstract)；分类 cs.CV
AI总结 ARGENT通过自适应蕴含损失和规范正则化解决超几何VLM的层级结构问题，引入角度基于的概率蕴含协议评估层次理解，提升图像分类、文本到图像检索及层次指标性能。
HUydra: 通过多HU区间生成建模实现全范围肺CT合成
机构 * INESC TEC, Portugal（葡萄牙INESC TEC研究院） ； Faculty of Engineering, University of Porto, Portugal（葡萄牙波尔图大学工程学院） ； Faculty of Sciences, University of Porto, Portugal（葡萄牙波尔图大学科学学院）
专题命中 文生图 ：image synthesis(abstract)；分类 cs.CV
AI总结 本文提出一种多HU区间生成建模方法，通过训练针对特定组织的生成模型并融合输出，实现全范围肺CT合成，优于传统2D基线，提升FID和MMD等指标。
Comments Submitted to iEEE TPAMI (Transactions on Pattern Analysis and Machine Intelligence)
WISER：更广的搜索、更深入的思考和自适应融合用于无训练零样本复合图像检索
机构 * Foundation Model Research Center, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所基础模型研究中心） ； School of Advanced Interdisciplinary Sciences, University of Chinese Academy of Sciences（中国科学院大学先进交叉学科学院） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； National University of Singapore（新加坡国立大学） ； Wuhan AI Research（武汉人工智能研究院） ； Minzu University of China（民族大学）
专题命中 文生图 ：text-to-image(abstract)；分类 cs.CV
AI总结 WISER通过'检索-验证-细化'流程统一文本到图像和图像到图像检索，显式建模意图和不确定性意识，实现更广泛的搜索和更深入的思考，提升零样本复合图像检索性能。
Comments Accept to CVPR 2026
ScaleEdit-12M：通过多智能体框架实现开源图像编辑数据生成的规模化
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； CUHK MMLab（香港中文大学多模态实验室） ； Fudan University（复旦大学） ； University of Science and Technology of China（中国科学技术大学） ； Xiamen University（厦门大学）
专题命中 图像编辑 ：image editing(title,abstract)；image synthesis(abstract)；分类 cs.CV
AI总结 本文提出ScaleEditor框架，通过多智能体方法构建大规模高质量图像编辑数据集，生成ScaleEdit-12M，涵盖23类任务，提升多种编辑模型性能。
MJ1: 通过 grounded 验证实现多模态判断
机构 * Haize Labs（哈泽实验室）
专题命中 图像编辑 ：image editing(abstract)
AI总结 MJ1 通过结构化 grounded 验证链和反事实一致性奖励提升多模态判断准确性，训练后在 MMRB2 数据集上达到 77.0% 准确率，超越更大模型。
从语境矛盾提示生成图像
机构 * Tel Aviv University（特拉维夫大学） ； BRIA AI（BRIA人工智能）
专题命中 扩散模型 ：image generation(title,abstract)；text-to-image(abstract)；diffusion(abstract)；分类 cs.CV、cs.GR
AI总结 本文提出一种阶段感知提示分解框架，通过代理提示引导去噪过程，解决提示中概念矛盾导致的语义不准确问题，提升图像生成的准确性。
Comments Project page: https://tdpc2025.github.io/SAP/
PIVM：基于扩散的先验集成变分建模用于解剖学精确的腹部CT合成
机构 * Department of Electrical Engineering and Computer Science, University of Missouri, Columbia, MO, USA（密苏里大学电气工程与计算机科学系） ； Department of Computer Science, The University of Texas at Dallas, Richardson, TX, USA（德克萨斯大学达拉斯分校计算机科学系） ； Department of Radiation Oncology, Washington University in St. Louis, MO, USA（华盛顿大学圣路易斯分校放射肿瘤学系） ； Department of Radiation Oncology, Duke University, Durham, NC, USA（达特茅斯大学放射肿瘤学系） ； School of Computing, Clemson University, Clemson, SC, USA（克莱姆森大学计算机科学学院）
专题命中 扩散模型 ：diffusion(title,abstract)；image synthesis(abstract)；分类 cs.CV
AI总结 本文提出PIVM框架，通过整合器官特定强度先验，实现高精度腹部CT图像合成，保留HU范围和细密解剖纹理。
Comments Accepted at the IEEE International Symposium on Biomedical Imaging (ISBI) 2026 (Oral). Equal contribution by the first three authors
视网膜扩散：高效的视空适应图像和视频生成
机构 * Stanford University, USA（斯坦福大学，美国）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文提出视网膜扩散模型，通过非均匀分配token提高生成效率，利用人类视觉的视网膜区域高分辨率特性，在保持视觉质量的同时显著减少token数量和生成时间。
Comments Project website at https://bchao1.github.io/foveated-diffusion
DA-Flow：基于扩散模型的降质感知光流估计
机构 * KAIST AI（韩国科学技术院人工智能实验室） ； Hanwha Systems（韩华系统）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文提出DA-Flow，通过融合扩散模型与卷积特征，提升在真实世界降质视频中的光流估计精度，优于现有方法。
Comments Project page: https://cvlab-kaist.github.io/DA-Flow
GO-Renderer: 基于3D感知的可控视频扩散模型生成物体渲染
机构 * HKUST（香港科技大学） ； VAST（中国航空无线电电子研究所） ； Nanyang Technological University（南洋理工大学） ； Tsinghua University（清华大学） ； ShanghaiTech University（上海交通大学）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文提出GO-Renderer框架，结合重建的3D模型引导视频生成模型，实现高质物体在任意视角和光照下的渲染，无需显式建模复杂材质和光照。
Comments Project page: https://igl-hkust.github.io/GO-Renderer
Sketch2CT：多模态扩散用于结构感知的3D医学体积生成
机构 * University of Notre Dame（诺特大学）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 Sketch2CT通过结合用户提供的2D草图和文本描述，利用多模态扩散框架生成结构一致的3D医学体积，提升生成质量与可控性。
MinerU-Diffusion：通过扩散解码重新思考文档OCR作为逆向渲染
机构 * Shanghai Artificial Intelligence Laboratory, OpenDataLab（上海人工智能实验室，OpenDataLab） ； Peking University（北京大学）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文提出MinerU-Diffusion，通过扩散解码替代自回归解码，提升文档OCR的鲁棒性和效率，实验表明其在长序列推理中速度提升3.2倍，且在视觉OCR能力上表现更优。
OmniDiT：将扩散变换器扩展到Omni-VTON框架
机构 * The Chinese University of Hong Kong, ShenZhen（香港中文大学（深圳）） ； Beihang University（北京航空航天大学） ； KuaiShou（快手）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文提出OmniDiT框架，通过自进化数据采集管道构建大规模VTON数据集，结合多参考条件和Shifted Window Attention提升生成质量，在复杂场景中实现最优性能。
SODA：面向敏感性的动态加速方法用于扩散变换器
机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳））
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 SODA通过细粒度敏感性分析动态调整缓存与剪枝策略，提升扩散变换器在可控加速比下的生成质量，实验表明其生成保真度达到最优。
Comments 23 pages, CVPR 2026 accepted
SeaCache: 基于频谱演化的缓存加速扩散模型
机构 * Sungkyunkwan University（顺天乡大学） ； NAVER Cloud（NAVER云）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文提出SeaCache缓存机制，通过频谱对齐表示提升扩散模型推理效率，实验证明其在延迟与质量之间取得最优平衡。
Comments Accepted to CVPR 2026. Project page:https://jiwoogit.github.io/SeaCache
GeoDiffMM：基于几何的条件扩散运动放大
机构 * School of Computer Science（计算机科学学院） ； Information Engineering（信息工程） ； Hefei University of Technology（合肥工业大学）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 GeoDiffMM提出一种基于扩散的拉格朗日运动放大框架，利用光流作为几何线索，通过噪声自由光流增强策略和扩散运动放大器，实现结构一致的运动放大，提升微运动放大效果。
GeoDiT：一种基于扩散的视觉-语言模型，用于地理空间理解
机构 * College of Computer Science and Technology, Jilin University, Changchun 130012, China（吉林大学计算机科学与技术学院，长春 130012，中国） ； Key Laboratory of Symbolic Computation and Knowledge Engineering of Ministry of Education（教育部符号计算与知识工程重点实验室）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文提出GeoDiT，一种基于扩散的视觉-语言模型，用于地理空间理解。该模型通过并行细化过程实现整体粗到细的合成，解决了传统自回归模型在结构化输出生成中的不足。
ST-GDance++: 一种可扩展的时空扩散模型用于长时长群体舞蹈编排
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文提出ST-GDance++模型，通过解耦空间和时间依赖性，实现高效且碰撞感知的群体舞蹈生成，解决了传统方法在长序列和多舞者协调中的效率与稳定性问题。
在有限PGSE梯度下，利用谱拉普拉斯形式主义推导扩散受限于圆柱面的精确解析信号
专题命中 扩散模型 ：diffusion(title,abstract)
AI总结 本文推导了在有限PGSE梯度下，扩散受限于圆柱面的精确解析信号，采用谱矩阵形式主义，避免了近似，提高了计算效率，并通过蒙特卡洛模拟验证了结果的准确性。
Comments 32 pages, 2 figures, 4 tables
面向持久交互对象的通信感知扩散负载平衡
专题命中 扩散模型 ：diffusion(title,abstract)
AI总结 本文提出一种基于扩散的分布式负载平衡方法，针对通信密集型应用中的负载不均问题，通过通信图优化跨节点通信并有效分配负载，同时提出算法变体以应对通信模式不可用的情况，并在模拟和粒子-细胞基准测试中进行验证。
Comments 8 pages, 6 figures. To appear in the Proceedings of PDSEC 2026 (workshop of the IEEE IPDPS 2026)
考虑延迟的扩散策略：在动态任务中弥合观察-执行差距
机构 * University of Pennsylvania（宾夕法尼亚大学） ； FieldAI
专题命中 扩散模型 ：diffusion(title,abstract)
AI总结 本文提出考虑延迟的扩散策略（DA-DP），通过在策略学习中显式纳入推理延迟，提高了动态任务中对延迟的鲁棒性，并展示了其在多种任务和机器人上的有效性。
基于惩罚的反馈控制与有限元分析用于非线性反应扩散方程的稳定化
专题命中 扩散模型 ：diffusion(title,abstract)
AI总结 本文利用惩罚技术分析反应扩散方程的狄利克雷边界反馈控制问题，建立等效罗宾问题在H²范数下的稳定化结果，并通过有限元方法验证理论结论。
弥合沉降海雪的对流与扩散在相遇动力学中的差距
专题命中 扩散模型 ：diffusion(title,abstract)
AI总结 本文通过理论分析和数值模拟，结合对流-扩散方程，推导出新的Sherwood数公式，揭示高Péclet数下扩散对海雪相遇的重要性，修正了传统模型的不足。
Journal ref J. Fluid Mech. 1031 (2026) A5
排列对称扩散用于无条件分子生成
机构 * Korea Advanced Institute of Science and Technology（韩国科学技术院）
专题命中 扩散模型 ：diffusion(title,abstract)
AI总结 本文提出在商流形上直接建模扩散，以实现分子点云生成的排列不变性，通过MCMC近似难以计算的排列后验，提升生成效率与质量。
马尔可夫约束的离散扩散模型用于数字语义符号错误校正
专题命中 扩散模型 ：diffusion(title,abstract)
AI总结 本文提出SSCDM模型，通过连续时间马尔可夫链理论构建离散时间转移动态，结合学习的VQ码本和自组织图损失，提升语义符号拓扑保持性，实验显示在低信噪比下图像重建质量显著提升。
单调双稳反应扩散系统在外部领域中的V形过渡前缘
专题命中 扩散模型 ：diffusion(title,abstract)
AI总结 研究单调双稳反应扩散系统在外部领域中的传播现象，通过构造合适的上下解，证明了V形行波的存在性和单调性，并在完全传播条件下证明其最终恢复V形轮廓。
单调双稳反应扩散系统中围绕障碍物的迁移前沿
专题命中 扩散模型 ：diffusion(title,abstract)
AI总结 研究单调双稳反应扩散系统中平面迁移前沿与障碍物的相互作用，通过构造子解和上解，证明了整个解的存在性、唯一性和单调性，并探讨了完全传播条件下的迁移前沿特性。
利用非菲克扩散电流建模水溶液中胶体蛋白的热泳现象
专题命中 扩散模型 ：diffusion(title,abstract)
AI总结 本文研究了非菲克扩散电流对水溶液中胶体粒子热泳运动的影响，通过比较理论结果与三种多肽的实验数据，发现非菲克扩散电流是理解热泳和热扩散的关键因素。
Comments In this version, we report better fitting to experimental data
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈