图像生成

LGTM: Training-Free Light-Guided Text-to-Image Diffusion Model via Initial Noise Manipulation

LGTM: 通过初始噪声操控实现无训练的光引导文本到图像扩散模型

Ryugo Morita, Stanislav Frolov, Brian Bernhard Moser, Ko Watanabe, Riku Takahashi, Andreas Dengel

机构 * RPTU Kaiserslautern-Landau & DFKI GmbH（莱茵-穆尔大学与DFKI GmbH） ； Faculty of Science and Engineering, Hosei University（早稻田大学理工学院） 纠错

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

AI总结 本文提出LGTM模型，通过操控扩散过程的初始噪声实现文本提示和用户指定光照方向的图像生成，无需微调或修改预训练模型，提升了光照控制的灵活性和适应性。

Comments Accepted to IJCNN2026

FOCUS: Optimal Control for Multi-Entity World Modeling in Text-to-Image Generation

FOCUS：多实体世界建模中的最优控制

Eric Tillmann Bill, Enis Simsar, Thomas Hofmann

机构 * ETH Zürich（苏黎世联邦理工学院） 纠错

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

AI总结 本文提出FOCUS框架，通过将流匹配转化为随机最优控制，解决文本生成图像中多实体场景的属性泄露和身份纠缠问题，提出两种算法提升多实体对齐性能。

Comments Project Page: https://ericbill21.github.io/FOCUS/

When Understanding Becomes a Risk: Authenticity and Safety Risks in the Emerging Image Generation Paradigm

当理解成为风险：新兴图像生成范式中的真实性与安全性风险

Ye Leng, Junjie Chu, Mingjie Li, Chenhao Lin, Chao Shen, Michael Backes, Yun Shen, Yang Zhang

机构 * CISPA Helmholtz Center for Information Security（CISPA海德堡信息安全中心） ； Xi’an Jiaotong University（西安交通大学） ； Flexera（Flexera公司） 纠错

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

AI总结 本文研究了多模态大语言模型在图像生成中的安全性风险，发现其在语义理解能力上强于扩散模型，但生成不安全内容和伪造图像的风险更高，挑战现有检测方法。

Comments Accepted by CVPR 2026. 15 pages, 11 figures

ViHOI: Human-Object Interaction Synthesis with Visual Priors

ViHOI：基于视觉先验的人-物交互合成

Songjin Cai, Linjie Zhong, Ling Guo, Changxing Ding

机构 * South China University of Technology（华南理工大学） 纠错

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

AI总结 ViHOI通过从2D图像中提取丰富的交互先验，利用扩散模型提升生成质量，实现人-物交互的高质量合成。

Comments Accepted to CVPR 2026

DAK-UCB: Diversity-Aware Prompt Routing for LLMs and Generative Models

DAK-UCB: 为LLMs和生成模型的多样性感知提示路由

Donya Jafari, Farzan Farnia

机构 * Sharif University of Technology（谢赫拉扎德技术大学） ； The Chinese University of Hong Kong（香港中文大学） 纠错

专题命中 文生图 ：image generation(abstract)；text-to-image(abstract)

AI总结 本文提出DAK-UCB方法，结合保真度与多样性指标，用于在线选择生成模型，以提升生成结果的多样性同时保持保真度。

Comments Accepted at ICLR 2026

EditMGT: Unleashing Potentials of Masked Generative Transformers in Image Editing

EditMGT: 解锁屏蔽生成变压器在图像编辑中的潜力

Wei Chow, Linfeng Li, Lingdong Kong, Zefeng Li, Qi Xu, Hang Song, Tian Ye, Xian Wang, Jinbin Bai, Shilin Xu, Xiangtai Li, Junting Pan, Shaoteng Liu, Ran Zhou, Tianshu Yang, Songhua Liu

机构 * National University of Singapore（新加坡国立大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

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

AI总结 本文提出EditMGT框架，利用Masked Generative Transformers实现局部化编辑，通过多层注意力整合和区域保持采样提升编辑精度与效率，实验表明其在编辑质量和速度上优于现有方法。

ChordEdit: One-Step Low-Energy Transport for Image Editing

ChordEdit: 图像编辑中的一步低能耗传输

Liangsi Lu, Xuhang Chen, Minzhe Guo, Shichu Li, Jingchao Wang, Yang Shi

机构 * Guangdong University of Technology（广东工业大学） ； Huizhou University（惠州大学） ； Shenzhen University（深圳大学） ； Peking University（北京大学） 纠错

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

AI总结 本文提出ChordEdit，一种无需训练和反向传播的图像编辑方法，通过动态最优传输理论实现低能耗、高精度的一步编辑，解决传统方法在图像编辑中出现的失真和不一致性问题。

Comments Accepted by CVPR 2026

NeXT-IMDL: Build Benchmark for NeXT-Generation Image Manipulation Detection & Localization

NeXT-IMDL：构建下一代图像篡改检测与定位的基准测试

Yifei Li, Haoyuan He, Yu Zheng, Bingyao Yu, Wenzhao Zheng, Lei Chen, Jie Zhou, Jiwen Lu

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

AI总结 本文提出NeXT-IMDL基准测试，通过系统性评估揭示现有图像篡改检测模型在多样化的现实场景中的局限性，推动构建更稳健的下一代检测模型。

Comments Duplicate experiment results in Table 3 (Set-1 & Set-2)

GaINeR: Geometry-Aware Implicit Network Representation

GaINeR：基于几何的隐式神经表示

Weronika Jakubowska, Mikołaj Zieliński, Rafał Tobiasz, Krzysztof Byrski, Maciej Zięba, Dominik Belter, Przemysław Spurek

机构 * Wrocław University of Science and Technology（沃拉夫大学科学与技术学院） ； Poznań University of Technology（波兹南技术大学） ； IDEAS Research Institute（IDEAS研究所） ； Jagiellonian University（雅盖隆大学） 纠错

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

AI总结 GaINeR结合可训练高斯分布与神经网络，实现具有可解释几何结构的连续图像表示，支持几何一致变换、超分辨率和物理模拟集成，提升图像编辑的灵活性和物理一致性。

Comments 22 pages, 16 figures

Latent Bias Alignment for High-Fidelity Diffusion Inversion in Real-World Image Reconstruction and Manipulation

潜在偏置对齐用于高保真扩散倒置在现实世界图像重建与操控中的应用

Weiming Chen, Qifan Liu, Siyi Liu, Yushun Tang, Yijia Wang, Zhihan Zhu, Zhihai He

机构 * Department of Electrical and Electronic Engineering, Southern University of Science and Technology（南方科技大学电子与电气工程系） ； Undergraduate School of Artificial Intelligence, Shenzhen Polytechnic University（深圳理工大学人工智能本科生学院） ； Huawei Technologies Co., Ltd.（华为技术有限公司） ； Pengcheng Lab（鹏城实验室） 纠错

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

AI总结 本文提出Latent Bias Optimization和Image Latent Boosting方法，解决扩散模型与现实场景衔接中的重建质量与鲁棒性问题，提升图像编辑和稀有概念生成性能。

Diffusion-Based Makeup Transfer with Facial Region-Aware Makeup Features

基于扩散模型的化妆转移与面部区域感知化妆特征

Zheng Gao, Debin Meng, Yunqi Miao, Zhensong Zhang, Songcen Xu, Ioannis Patras, Jifei Song

机构 * Queen Mary University of London（伦敦女王学院） ； Huawei London Research Center（华为伦敦研发中心） 纠错

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

AI总结 本文提出FRAM方法，通过微调化妆CLIP和区域感知化妆注入，提升扩散模型在面部区域特定化妆转移中的可控性与效果。

Comments Accepted by CVPR'26

Anchored Video Generation: Decoupling Scene Construction and Temporal Synthesis in Text-to-Video Diffusion Models

锚定视频生成：解耦场景构建与时间合成在文本到视频扩散模型中

Mariam Hassan, Bastien Van Delft, Wuyang Li, Alexandre Alahi

机构 * École Polytechnique Fédérale de Lausanne (EPFL)（瑞士联邦理工学院洛桑分校） 纠错

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

AI总结 本文提出锚定视频生成方法，通过解耦场景构建与时间合成任务，提升文本到视频扩散模型在复杂场景生成和时间逻辑遵循上的性能。

Unified Diffusion VLA: Vision-Language-Action Model via Joint Discrete Denoising Diffusion Process

统一扩散VLA：通过联合离散去噪扩散过程实现视觉-语言-动作模型

Jiayi Chen, Wenxuan Song, Pengxiang Ding, Ziyang Zhou, Han Zhao, Feilong Tang, Donglin Wang, Haoang Li

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； Westlake University（西交大学） ； Zhejiang University（浙江大学） ； Monash University（墨尔本大学） 纠错

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

AI总结 本文提出统一扩散VLA模型，通过联合离散去噪扩散过程实现视觉语言动作的协同生成与执行，提升多模态任务的效率与性能。

Polynomial Speedup in Diffusion Models with the Multilevel Euler-Maruyama Method

在扩散模型中使用多级欧拉-马尔可夫方法实现多项式加速

Arthur Jacot

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

AI总结 本文提出多级欧拉-马尔可夫方法，通过不同精度的近似器高效求解SDE和ODE，针对HTMC区域实现比传统方法更高的计算效率，应用于扩散模型时可显著提升图像生成速度。

Establishing Stochastic Object Models from Noisy Data via Ambient Measurement-Integrated Diffusion

通过环境测量整合扩散建立随机物体模型

Xiaoning Lei, Jianwei Sun, Wenhao Cai, Xichen Xu, Yanshu Wang, Hu Gao

机构 * Contemporary Amperex Technology Co.Limited（当代爱普科技术有限公司） ； Shanghai Jiao Tong University（上海交通大学） ； East China Normal University（华东师范大学） 纠错

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

AI总结 本文提出AMID方法，通过整合环境测量噪声与扩散轨迹，建立清洁的随机物体模型，提升医学影像生成质量和任务基于的图像质量评估。

Teacher-Student Diffusion Model for Text-Driven 3D Hand Motion Generation

基于文本驱动的3D手部运动生成的教师-学生扩散模型

Ching-Lam Cheng, Bin Zhu, Shengfeng He

机构 * Singapore Management University（新加坡管理大学） 纠错

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

AI总结 本文提出TSHaMo模型，通过文本生成逼真3D手部运动，利用教师-学生扩散框架提升运动质量和多样性，支持多种辅助输入。

Comments 5 pages, accepted by ICASSP2026

Accelerating Diffusion-based Video Editing via Heterogeneous Caching: Beyond Full Computing at Sampled Denoising Timestep

通过异构缓存加速基于扩散的视频编辑：超越采样去噪时间步的全计算

Tianyi Liu, Ye Lu, Linfeng Zhang, Chen Cai, Jianjun Gao, Yi Wang, Kim-Hui Yap, Lap-Pui Chau

机构 * Nanyang Technological University（南洋理工大学） ； Shanghai Jiao Tong University（上海交通大学） ； The Hong Kong Polytechnic University（香港理工大学） 纠错

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

AI总结 本文提出HetCache框架，通过利用扩散基于掩码视频到视频生成中的异构性，减少冗余注意力运算，提升视频编辑效率与质量。

Comments 10 pages, 6 figures, accepted by CVPR2026

CADC: Content Adaptive Diffusion-Based Generative Image Compression

CADC: 基于内容自适应的扩散生成图像压缩

Xihua Sheng, Lingyu Zhu, Tianyu Zhang, Dong Liu, Shiqi Wang, Jing Wang

机构 * City University of Hong Kong（香港城市大学） ； University of Science and Technology of China（中国科学技术大学） ； Central Media Technology Institute, Huawei（华为中央媒体技术研究院） 纠错

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

AI总结 本文提出CADC，通过三种创新方法解决现有图像压缩在内容自适应中的不足，实现动态对齐图像语义与结构特征。

E0: Enhancing Generalization and Fine-Grained Control in VLA Models via Tweedie Discrete Diffusion

E0: 通过 Tweedie 离散扩散增强 VLA 模型的泛化能力与细粒度控制

Zhihao Zhan, Jiaying Zhou, Likui Zhang, Qinhan Lv, Hao Liu, Jusheng Zhang, Weizheng Li, Ziliang Chen, Tianshui Chen, Ruifeng Zhai, Keze Wang, Liang Lin, Guangrun Wang

机构 * Sun Yat-sen University（中山大学） ； Guangdong Key Laboratory of Big Data Analysis（广东大数据分析与处理重点实验室） ； X-Era AI Lab（X-Era人工智能实验室） ； Guangdong University of Technology（广东工业大学） 纠错

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

AI总结 本文提出 E0 框架，通过离散扩散方法提升 VLA 模型在多任务和多视角下的泛化能力，并实现精细可控的动作生成。

EnvSocial-Diff: A Diffusion-Based Crowd Simulation Model with Environmental Conditioning and Individual-Group Interaction

EnvSocial-Diff: 一种基于扩散的群体模拟模型，包含环境条件和个体-群体交互

Bingxue Zhao, Qi Zhang, Hui Huang

机构 * VCC, College of Computer Science and Software Engineering, Shenzhen University（VCC，计算机科学与软件工程学院，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EnvSocial-Diff模型，结合社会物理和环境条件，通过环境编码模块和个体-群体交互模块提升群体模拟的现实性，实验表明其优于现有方法。

Comments ICLR 2026

3D-LLDM: Label-Guided 3D Latent Diffusion Model for Improving High-Resolution Synthetic MR Imaging in Hepatic Structure Segmentation

3D-LLDM：基于标签的3D潜在扩散模型用于提高肝结构分割的高分辨率合成MR影像

Kyeonghun Kim, Jaehyeok Bae, Youngung Han, Joo Young Bae, Seoyoung Ju, Junsu Lim, Gyeongmin Kim, Nam-Joon Kim, Woo Kyoung Jeong, Ken Ying-Kai Liao, Won Jae Lee, Pa Hong, Hyuk-Jae Lee

机构 * OUTTA, Republic of Korea（韩国OUTTA） ； Stanford University（斯坦福大学） ； Seoul National University（首尔国立大学） ； Sangmyung University（Sangmyung大学） ； Chung-Ang University（Chung-Ang大学） ； Samsung Medical Center（三星医疗中心） ； NVIDIA ； Sungkyunkwan University School of Medicine（成均馆大学医学院） ； Samsung Changwon Hospital（三星昌原医院） 纠错

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

AI总结 本文提出3D-LLDM模型，通过标签引导生成高质量合成MR影像，提升肝结构分割的精度，实验表明其在数据增强中提升了肝细胞癌分割的Dice得分。

Comments Accepted to ISBI 2026 (Oral). Camera-ready version

Ontology-Guided Diffusion for Zero-Shot Visual Sim2Real Transfer

基于本体引导的扩散模型用于零样本视觉sim2real迁移

Mohamed Youssef, Mayar Elfares, Anna-Maria Meer, Matteo Bortoletto, Andreas Bulling

机构 * University of Stuttgart, Germany（斯图加特大学） 纠错

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

AI总结 本文提出OGD框架，通过本体引导扩散模型实现零样本sim2real迁移，利用知识图谱和符号规划器提升图像真实感识别与生成效果。

Latent Diffusion Inversion Requires Understanding the Latent Space

潜在扩散倒置需要理解潜在空间

Mingxing Rao, Bowen Qu, Daniel Moyer

机构 * Vanderbilt University（范德比大学） 纠错

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

AI总结 本文研究了扩散模型在潜在空间中的记忆现象，发现潜在空间中记忆分布不均，提出通过排序潜在维度来提升模型性能，实验显示在多个数据集上性能提升显著。

Comments 14 pages, 4 figures, 7 tables

PromptLoop: Plug-and-Play Prompt Refinement via Latent Feedback for Diffusion Model Alignment

PromptLoop: 通过潜在反馈实现扩散模型对齐的即插即用提示精炼

Suhyeon Lee, Jong Chul Ye

机构 * Graduate School of AI, KAIST（人工智能研究生院，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 PromptLoop通过引入潜在反馈的逐步提示精炼方法，提升扩散模型在奖励优化、泛化能力及对抗奖励黑客方面的性能，同时保持灵活性和通用性。

Comments CVPR26 poster. 25 pages, 19 figures

Reflected diffusion models adapt to low-dimensional data

反射扩散模型适应低维数据

Asbjørn Holk, Claudia Strauch, Lukas Trottner

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文研究了反射扩散模型在超立方体[0,1]^D上对支撑在d维线性子空间的目标分布的统计分析，通过无限级数展开过渡密度开发了分析工具，证明了在Sobolev光滑度α下，生成算法在1-瓦瑟斯坦距离上的收敛率与内在维度d一致。

A High-Order Finite Volume GENO Scheme with Implicit Time Integration for Three-Temperature Radiation Diffusion Equations

一种高阶有限体积GENO方案结合隐式时间积分用于三温辐射扩散方程

Fengxiang Zhao, Yaqing Yang, Yibing Chen, Kun Xu

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出一种高阶有限体积方案，用于三温辐射扩散方程的大时间步集成，通过能量更新自然实现守恒，采用中心型对称子 stencil 处理局部大梯度和不连续性，结合隐式时间离散方法解决刚性扩散问题。

Diffusion coefficients of multi-principal element alloys from first principles

多主元素合金的扩散系数从第一性原理

Damien K. J. Lee, Anirudh Raju Natarajan

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出eLCE方法，通过第一性原理计算与动能蒙特卡洛模拟计算多组分扩散系数，发现局部动能障碍主导扩散行为，通过筛选六元体系确定反迟滞扩散组成。

On the local well-posedness of randomly forced reaction-diffusion equations with $L^2$ initial data and a superlinear reaction term

关于具有 $L^2$ 初始数据和超线性反应项的随机强迫反应-扩散方程局部适定性的研究

Mohammud Foondun, Davar Khoshnevisan, Eulalia Nualart

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文研究了在 $[0,1]$ 区间上受乘性时空白噪声驱动的抛物型随机偏微分方程，证明当初始数据属于 $L^2[0,1]$ 时方程局部适定，解决了开放性问题的强形式。

Diffusion-Oscillatory Dynamics in Liquid Water on Data of Dielectric Spectroscopy

液态水中的扩散振荡动力学：介电光谱数据研究

A. A. Volkov, V. G. Artemov, A. A. Volkov, N. N. Sysoev

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究通过介电光谱数据揭示液态水的弛豫共振特性，提出基于粒子扩散的水结构模型，首次将直流电导率、德拜松弛和红外吸收峰联系起来，揭示水分子和离子的寿命特征。

Comments 7 pages, 4 figures

Journal ref Journal of Molecular Liquids, 248, 564-568 (2017)

The Spectral Domain Snell Law in Diffusion-Wave Fields

扩散波场中的频域斯涅尔定律

Pengfei Zhu, Julien Lecompagnon, Philipp Daniel Hirsch, Mathias Ziegler, Andreas Mandelis

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文揭示扩散波虽不遵循传统斯涅尔定律，但存在频域形式的斯涅尔定律，揭示了扩散动力学中的隐含波折射现象。