图像生成

Central-to-Local Adaptive Generative Diffusion Framework for Improving Gene Expression Prediction in Data-Limited Spatial Transcriptomics

面向数据有限空间转录组学的中心到局部自适应生成扩散框架：提升基因表达预测

Yaoyu Fang, Jiahe Qian, Xinkun Wang, Lee A. Cooper, Bo Zhou

机构 * Northwestern University（西北大学） 纠错

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

AI总结 本文提出C2L-ST框架，通过结合大规模形态学先验与有限分子指导，解决空间转录组学数据稀缺问题，提升基因表达预测准确性与空间一致性。

Comments 31 pages, 12 figures, under review

A training-free framework for high-fidelity appearance transfer via diffusion transformers

无需训练的高保真外观迁移框架：通过扩散变换器

Shengrong Gu, Ye Wang, Song Wu, Rui Ma, Qian Wang, Lanjun Wang, Zili Yi

机构 * School of Intelligence Science and Technology, Nanjing University（南京大学智能科学与技术学院） ； School of Artificial Intelligence, Jilin University（吉林大学人工智能学院） ； School of New Media and Communication, Tianjin University（天津大学新媒体与传播学院） ； JIUTIAN Research（九天研究院） ； State Key Laboratory of Novel Software Technology, Nanjing University（南京大学计算机软件新技术国家重点实验室） 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扩散变换器框架，通过解耦结构与外观，利用高保真倒置建立内容先验，结合几何先验实现参考图像的动态融合，从而在结构保持和外观保真度上取得最佳性能。

Physics-Aware Diffusion for LiDAR Point Cloud Densification

面向激光雷达点云密集化的物理感知扩散模型

Zeping Zhang, Robert Laganière

机构 * University of Ottawa（渥太华大学） 纠错

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

AI总结 本文提出Scanline-Consistent Range-Aware Diffusion模型，通过概率细化提升激光雷达点云密集度，以156ms实现高保真结果，采用Ray-Consistency损失和Negative Ray增强技术抑制物理幻觉，提升3D检测性能。

On the Controllability of a Fully Nonlocal Coupled Stochastic Reaction--Convection--Diffusion System

关于完全非局部耦合随机反应-对流-扩散系统的可控性

Abdellatif Elgrou, Federica Gregorio, Abdelaziz Rhandi

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文研究了一类完全非局部耦合随机反应-对流-扩散系统的可控性问题，通过引入三种控制策略，利用对偶论证和新的全局Carleman估计，证明了系统的可控性。

A Normative Theory of Decision Making from Multiple Stimuli: The Contextual Diffusion Decision Model

基于多刺激的决策规范理论：情境扩散决策模型

Michael Shvartsman, Vaibhav Srivastava, Narayanan Sundaram, Jonathan D. Cohen

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出情境扩散决策模型(CDDM)，扩展了经典扩散决策模型(DDM)，用于解释多种依赖情境的简单决策任务，同时通过规范分析探讨最优反应和记忆分配策略。

Physics-Enforced Neural Ordinary Differential Equation for Chemical Kinetics Optimization in Reaction-Diffusion Systems

物理约束的神经普通微分方程用于反应扩散系统中的化学动力学优化

Feixue Cai, Hua Zhou, Zhuyin Ren

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出一种物理一致的扩散-化学耦合神经普通微分方程，用于优化反应扩散系统中的化学动力学，通过嵌入阿伦尼乌斯结构的反应神经元，实现直接梯度分析，提升计算效率和物理一致性。

Inverse source problems with reduced interior data for a coupled reaction-diffusion system

反源问题与耦合反应扩散系统的缩减内部数据

Xinyue Luo, Masahiro Yamamoto, Jin Cheng

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究了耦合反应扩散系统中确定未知源项的反源问题，利用Carleman估计建立了Lipschitz和Hölder稳定性估计，探讨了在保留唯一性和稳定性的情况下减少观测数据的方法。

Diffusion Maps is not Dimensionality Reduction

扩散映射不是降维

Julio Candanedo, Alejandro Patiño

机构 * Universidad Nacional de Colombia sede Manizales（哥伦比亚国立大学马尼萨莱斯分校） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文通过瑞士卷数据对比，指出扩散映射提供内在几何的谱表示而非完整图表方法，揭示其与Isomap和UMAP在低维重构中的差异。

On a relationship between grain boundary free energy, grain boundary segregation, and grain boundary diffusion

关于晶界自由能、晶界偏析与晶界扩散之间关系的探讨

Yuri Mishin

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文重新推导了Borisov方程，修正了其中的错误并扩展了其应用范围，探讨了晶界自由能与扩散之间的关系及关键假设的验证方法。

Unimodular Diffusion and Interacting Vacuum Cosmology

单模扩散与相互作用真空宇宙学

Gopal Kashyap, Naveen K. Singh

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文研究了单模扩散宇宙学与相互作用暗物质模型之间的对应关系，通过超新星、DESI BAO、宇宙钟和CMB数据，发现真空耦合模型中ξ=-0.0197±0.0076，而物质耦合模型中ξ=0.0018，且在线性扰动下仅与均匀能量转移模型一致，影响结构增长。

Comments 20 pages, 4 figures

Smoothing the Score Function for Generalization in Diffusion Models: An Optimization-based Explanation Framework

对扩散模型泛化能力的平滑得分函数：一种基于优化的解释框架

Xinyu Zhou, Jiawei Zhang, Stephen J. Wright

机构 * Department of Computer Sciences, University of Wisconsin Madison, WI, USA（威斯康星大学麦迪逊分校计算机科学系） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出基于优化的解释框架，通过分析经验得分函数的结构，揭示训练样本主导得分函数导致采样崩溃的原因，并提出噪声无条件化和温度平滑两种方法提升泛化能力。

Comments Accepted by CVPR2026

Revisiting Information Diffusion Beyond Explicit Social Ties: A Study of Implicit-Link Diffusion on Twitter

重新审视超越显式社会联系的信息扩散：对Twitter上的隐式链接扩散的研究

Yuto Tamura, Sho Tsugawa, Kohei Watabe

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究探讨了Twitter上隐式链接对信息扩散的影响，发现远离信息源的用户更倾向于通过隐式链接扩散信息，尽管隐式链接贡献较小，但对跨不同社区的传播有重要作用。

Journal ref Soc. Netw. Anal. Min. 16, 46 (2026)

A Diagnostic Evaluation of Neural Networks Trained with the Error Diffusion Learning Algorithm

神经网络在误差扩散学习算法训练下的诊断评估

Kazuhisa Fujita

机构 * Komatsu University（小松大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文评估了使用误差扩散学习算法训练的多层感知机在奇偶性、回归和图像分类任务中的性能，发现其在深度网络中存在稳定性问题，并通过引入RMSNorm改进了数值稳定性。

Journal ref Discover Artificial Intelligence, 2026

MM-DADM: Multimodal Drug-Aware Diffusion Model for Virtual Clinical Trials

MM-DADM：多模态药物感知扩散模型用于虚拟临床试验

Qian Shao, Bang Du, Zepeng Li, Qiyuan Chen, Jiahe Chen, Hongxia Xu, Jimeng Sun, Jian Wu, Jintai Chen

机构 * Zhejiang University（浙江大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出MM-DADM，一种多模态药物感知扩散模型，用于生成个性化药物诱导ECG。通过动态交叉注意模块融合外部物理知识，解决形态真实性和病理灵活性的平衡问题，并利用因果特征编码器提取纯药理表示，提升模拟准确性和召回率。

Comments Under review

Activation Steering for Masked Diffusion Language Models

激活引导用于掩码扩散语言模型

Adi Shnaidman, Erin Feiglin, Osher Yaari, Efrat Mentel, Amit Levi, Raz Lapid

机构 * Deepkeep ； Technion—Israel Institute of Technology（以色列理工学院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出激活引导方法，通过提取对比提示集的低维方向，实现对MDLMs推理过程的控制，展示了在安全拒绝任务中的有效性及跨语言迁移能力。

Comments Accepted at ReALM-GEN @ ICLR 2026

Diffolio: A Diffusion Model for Multivariate Probabilistic Financial Time-Series Forecasting and Portfolio Construction

Diffolio：一种用于多变量概率金融时间序列预测和投资组合构建的扩散模型

So-Yoon Cho, Jin-Young Kim, Kayoung Ban, Hyeng Keun Koo, Hyun-Gyoon Kim

机构 * Hankuk University of Foreign Studies（韩国外国语大学） ； Independent Researcher（独立研究员） ； Korea Institute for Advanced Study（韩国高等研究院） ； Ajou University（亚洲大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 Diffolio通过层次注意力架构的去噪网络，结合相关性引导正则化，提升多变量金融时间序列预测和投资组合构建的准确性与经济意义。

Comments 41 pages, 11 figures. Replacement to match the version accepted for publication in Information Fusion (Vol. 133, 104286, 2026). Significant updates have been made from the initial draft to reflect the final accepted manuscript (AAM)

Journal ref Information Fusion, Vol. 133, 104286 (2026)

ReTrack: Data Unlearning in Diffusion Models through Redirecting the Denoising Trajectory

ReTrack：通过重定向去噪轨迹实现扩散模型的数据遗忘

Qitan Shi, Cheng Jin, Jiawei Zhang, Yuantao Gu

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 ReTrack通过重要性采样构建更高效的微调损失，重定向去噪轨迹向k近邻，实现高效数据遗忘并保持生成质量，实验显示在多个数据集上达到最佳性能平衡。

Comments 22 pages, 12 figures, accepted by AISTATS 2026

Training Latent Diffusion Models with Interacting Particle Algorithms

用相互作用粒子算法训练潜在扩散模型

Tim Y. J. Wang, Juan Kuntz, O. Deniz Akyildiz

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

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出一种基于粒子的算法用于端到端训练潜在扩散模型，通过最小化自由能泛函并利用相互作用粒子系统实现梯度流，理论分析证明其有效性，并在实验中优于传统粒子方法和变分推断。

Comments Camera Ready version for AISTATS 2026

Non-robustness of diffusion estimates on networks with measurement error

网络上扩散估计的不鲁棒性：测量误差的影响

Arun G. Chandrasekhar, Paul Goldsmith-Pinkham, Tyler H. McCormick, Samuel Thau, Jerry Wei

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文研究了网络扩散模型中测量误差对估计结果的非鲁棒性，发现初始种子的微小误差会导致扩散位置显著偏移，且缺失链接会根据其几何结构影响预测准确性。

Training-Free Diffusion-Driven Modeling of Pareto Set Evolution for Dynamic Multiobjective Optimization

无需训练的扩散驱动帕累托集演化建模用于动态多目标优化

Jian Guan, Huolong Wu, Zhenzhong Wang, Gary G. Yen, Min Jiang

机构 * Institute of Artificial Intelligence, Xiamen University（厦门大学人工智能研究所） ； Department of Artificial Intelligence, School of Informatics, Xiamen University（厦门大学信息学院人工智能系） ； Key Laboratory of Multimedia Trusted Perception and Efficient Computing, Ministry of Education（教育部多媒体可信感知与高效计算重点实验室） ； Key Laboratory of Digital Protection and Intelligent Processing of Intangible Cultural Heritage of Fujian and Taiwan, Ministry of Culture and Tourism（文化和旅游部闽台非物质文化遗产数字化保护与智能处理重点实验室） ； Department of Artificial Intelligence, Sichuan University（四川大学人工智能系） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出DD-DMOEA，通过分析构建多步去噪过程，无需训练即可引导帕累托最优解集演化，提升动态多目标优化的收敛与多样性性能。

Topological Motion Planning Diffusion: Generative Tangle-Free Path Planning for Tethered Robots in Obstacle-Rich Environments

拓扑运动规划扩散：用于缆绳机器人在障碍密集环境中的生成无纠缠路径规划

Yifu Tian, Xinhang Xu, Thien-Minh Nguyen, Muqing Cao

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出TMPD框架，结合终身拓扑记忆，通过扩散模型生成可行轨迹候选，并利用拓扑后端过滤优化，实现无碰撞和无纠缠的高效路径规划。

GeoBlock: Inferring Block Granularity from Dependency Geometry in Diffusion Language Models

GeoBlock：从扩散语言模型中的依赖几何推断块粒度

Lipeng Wan, Junjie Ma, Jianhui Gu, Zeyang Liu, Xuyang Lu, Xuguang Lan

机构 * Xi'an Jiaotong University（西安交通大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 GeoBlock通过分析依赖几何推断块粒度，提升扩散语言模型的并行效率与依赖一致性。

Comments 13 pages, 4 figures, Code available upon publication

SceneAdapt: Scene-aware Adaptation of Human Motion Diffusion

SceneAdapt: 人类运动扩散的场景感知适应

Jungbin Cho, Minsu Kim, Jisoo Kim, Ce Zheng, Laszlo A. Jeni, Ming-Hsuan Yang, Youngjae Yu, Seonjoo Kim

机构 * Yonsei University（延世大学） ； Carnegie Mellon University（卡内基梅隆大学） ； UC Merced（加州大学默塞德分校） ； Google DeepMind（谷歌DeepMind） ； Seoul National University（首尔国立大学） 纠错

专题命中 扩散模型 ：diffusion(title)；分类 cs.CV

AI总结 本文提出SceneAdapt框架，通过运动插值和场景感知插值生成语义丰富的场景感知人类运动，无需大规模配对文本-场景-运动数据。

Comments 15 pages

Mass-transport-limited reaction rates and molecular diffusion in the van der Waals gap beneath graphene

范德瓦尔间隙中受限的反应速率与分子扩散

Hossein Mirdamadi, Jiří David, Rui Wang, Tianle Jiang, Yanming Wang, Karel Vařeka, Michal Dymáček, Petr Bábor, Tomáš Šikola, Miroslav Kolíbal

专题命中 扩散模型 ：diffusion(title)

AI总结 研究了石墨烯与催化基底间范德瓦尔间隙中分子受限反应的动力学限制，发现反应速率受质量传输限制，即使在CO等分子中也如此，揭示了范德瓦尔间隙作为纳米反应器的潜力。

Comments 38 pages including Supporting Information, 5 figures in the main text, 10 figures in SI

Journal ref ACS Nano 20 (2026) 8255-8265

ProgressVLA: Progress-Guided Diffusion Policy for Vision-Language Robotic Manipulation

ProgressVLA: 用于视觉-语言机器人操控的进展引导扩散策略

Hongyu Yan, Qiwei Li, Jiaolong Yang, Yadong Mu

机构 * Peking University（北京大学） ； Microsoft Research Asia (MSRA)（微软亚洲研究院） 纠错

专题命中 扩散模型 ：diffusion(title)

AI总结 本文提出ProgressVLA模型，通过鲁棒的进展估计和可微进展引导方法提升机器人操控任务的成功率和泛化能力。

Numerical Investigation of Diffusion Flame in Transonic Flow with Large Pressure Gradient

脉动流中扩散火焰的数值研究

Yalu Zhu, Feng Liu, William A. Sirignano

专题命中 扩散模型 ：diffusion(title)

AI总结 研究脉动流中扩散火焰的湍流输运特性，探讨化学反应对湍流粘性的影响，验证了涡轮-燃烧概念的可行性。

Comments 23 pages, 22 figures

PANDORA: Pixel-wise Attention Dissolution and Latent Guidance for Zero-Shot Object Removal

PANDORA：基于像素注意力溶解和潜在引导的零样本物体移除

Dinh-Khoi Vo, Van-Loc Nguyen, Tam V. Nguyen, Minh-Triet Tran, Trung-Nghia Le

机构 * University of Science, Ho Chi Minh City, Vietnam（越南胡志明市理科大学） ； Vietnam National University, Ho Chi Minh City, Vietnam（越南胡志明市国家大学） ； University of Dayton, Ohio, United States（美国俄亥俄州代顿大学） 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PANDORA框架，通过像素注意力溶解和局部注意力解缠引导，实现无需提示的多物体移除，具有高精度和可扩展性。

Comments ICME 2026

HiFlow: Tokenization-Free Scale-Wise Autoregressive Policy Learning via Flow Matching

HiFlow：通过流匹配实现无标记的分层自回归策略学习

Daichi Yashima, Koki Seno, Shuhei Kurita, Yusuke Oda, Komei Sugiura

机构 * Keio University（庆应义塾大学） ； National Institute of Informatics Research and Development Center for Large Language Models（国立信息学研究所大型语言模型研发中心） ； National Institute of Informatics（国立信息学研究所） 纠错

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

AI总结 HiFlow通过流匹配方法，无需标记直接在连续动作上进行分层自回归策略学习，有效提升了visuomotor策略学习的性能。

ControlGUI: Guiding Generative GUI Exploration through Perceptual Visual Flow

ControlGUI: 通过感知视觉流引导生成GUI探索

Aryan Garg, Yue Jiang, Antti Oulasvirta

机构 * Aalto University（阿尔托大学） 纠错

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

AI总结 本文提出ControlGUI，通过提示、草图和视觉流三种输入灵活控制生成过程，实现低效生成界面草图，快速探索大规模设计空间。

Stepwise Credit Assignment for GRPO on Flow-Matching Models

分步信用分配用于流匹配模型中的GRPO

Yash Savani, Branislav Kveton, Yuchen Liu, Yilin Wang, Jing Shi, Subhojyoti Mukherjee, Nikos Vlassis, Krishna Kumar Singh

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Adobe Research（Adobe研究院） 纠错

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

AI总结 本文提出分步流GRPO，通过分步奖励改进提升样本效率和收敛速度，引入DDIM启发的SDE提升奖励质量。

Comments Accepted to the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2026 Project page: https://stepwiseflowgrpo.com