图像生成

Behavioral Score Diffusion: Model-Free Trajectory Planning via Kernel-Based Score Estimation from Data

行为得分扩散：通过核基得分估计实现无模型轨迹规划

Shihao Li, Jiachen Li, Jiamin Xu, Dongmei Chen

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出行为得分扩散（BSD），通过核加权估计直接从轨迹数据中计算扩散得分函数，无需学习模型或动力学模型，在停车场景中实现高效轨迹规划。

Locally Confident, Globally Stuck: The Quality-Exploration Dilemma in Diffusion Language Models

局部自信，全局停滞：扩散语言模型中的质量探索困境

Liancheng Fang, Aiwei Liu, Henry Peng Zou, Yankai Chen, Enze Ma, Leyi Pan, Chunyu Miao, Wei-Chieh Huang, Xue Liu, Philip S. Yu

机构 * University of Illinois Chicago（伊利诺伊大学芝加哥分校） ； Tsinghua University（清华大学） ； MBZUAI（穆罕默德·本·扎耶德人工智能大学） ； McGill University（麦吉尔大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文探讨了扩散语言模型中质量与探索的矛盾，提出了一种平衡两者的方法，通过优化分布和采样策略提升生成质量与探索能力。

KnowDiffuser: A Knowledge-Guided Diffusion Planner with LLM Reasoning

KnowDiffuser: 一种基于知识的扩散规划器与大语言模型推理

Fan Ding, Xuewen Luo, Fengze Yang, Bo Yu, HwaHui Tew, Ganesh Krishnasamy, Junn Yong Loo

机构 * Monash University Malaysia（莫纳什大学马来西亚校区） ； University of Utah（犹他大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出KnowDiffuser，结合大语言模型的语义理解和扩散模型的生成能力，有效解决自动驾驶中语义到物理的鸿沟问题，实验表明其在开放环和闭环评估中表现优异。

Comments 10pages, 1 figure

Let Distortion Guide Restoration (DGR): A physics-informed learning framework for Prostate Diffusion MRI

让失真引导恢复（DGR）：一种用于前列腺扩散MRI的物理引导学习框架

Ziyang Long, Binesh Nader, Lixia Wang, Archana Vadiraj Malaji, Chia-Chi Yang, Haoran Sun, Rola Saouaf, Timothy Daskivich, Hyung Kim, Yibin Xie, Debiao Li, Hsin-Jung Yang

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出DGR框架，通过物理引导学习方法在无采集情况下纠正前列腺单次采集EPI扩散加权成像中的严重磁 susceptibility 引起的失真，提升了图像质量和诊断信心。

Non-Asymptotic Convergence of Discrete Diffusion Models: Masked and Random Walk dynamics

离散扩散模型的非渐近收敛性：掩码与随机游动动力学

Giovanni Conforti, Alain Durmus, Le-Tuyet-Nhi Pham, Gael Raoul

机构 * University of Padova（帕多瓦大学） ； CMAP, IP Paris（巴黎综合理工学院应用数学中心） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文研究了三种离散扩散模型的非渐近收敛性，通过建立基于随机游动和掩码过程的收敛保证，解决了离散状态空间下扩散模型的挑战，且在无需限制估计得分的情况下提供了最优的收敛界。

Infinite-Horizon Optimal Control of Jump-Diffusion Models for Pollution-Dependent Disasters

无限时间 horizon 跳扩散模型中污染依赖型灾害的最优控制

Daria Sakhanda, Joshué Helí Ricalde-Guerrero

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出一个统一框架，研究具有环境风险的随机增长模型，探讨罕见但灾难性冲击与资本积累和污染的相互作用，通过泊松点过程推导非局部HJB方程，提供闭式解并构建复合状态变量。

Numerical reconstructions of a source term in a mobile-immobile diffusion model from the partial interior observation

移动-不动扩散模型中源项的数值反演研究

Zhiwei Yang, Yikan Liu

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文研究了移动-不动分数扩散模型中源项的反演问题，结合分数杜哈梅原理和弱消失性质证明了唯一性，采用最优控制方法构建了有限元共轭梯度算法进行数值反演。

Comments 16 pages, 3 figures, 3 tables

Journal ref J. Inverse Ill-Posed Probl., 34(2), 2026, 241-254

MCMC-Correction of Score-Based Diffusion Models for Model Composition

MCMC校正的基于分数的扩散模型用于模型组合

Anders Sjöberg, Jakob Lindqvist, Magnus Önnheim, Mats Jirstrand, Lennart Svensson

机构 * Fraunhofer-Chalmers Centre, Gothenburg, SE-412 88, Sweden（弗劳恩霍夫-查尔姆斯中心，哥德堡，瑞典） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出基于分数的扩散模型结合MCMC校正，通过引入基于分数函数线积分的接受规则，实现无需显式能量参数化的高效采样，提升模型组合性能。

Comments 27 pages. Published in Entropy 28(3):351 (2026). This version matches the published content

Journal ref Entropy 28(3):351, 2026

Design of a non-linear human breast diffusion coil

非线性人类乳腺扩散线圈设计

Feng Jia, Sebastian Littin, Philipp Amrein, Stefan Kroboth, Huijun Yu, Arthur W. Magill, Tristan Kuder, Sebastian Bickelhaupt, Frederik Laun, Mark E. Ladd, Maxim Zaitsev

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出一种非线性乳腺扩散线圈设计，通过优化梯度场强度和方向，实现高均匀性扩散加权，提升乳腺DWI的特异性与成像质量。

Journal ref J Magn Reson . 2021 Oct:331:107052

Predictor-Driven Diffusion for Spatiotemporal Generation

驱动预测的扩散模型用于时空生成

Yuki Yasuda, Tobias Bischoff

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出驱动预测的扩散模型，结合空间粗化与时间动力学路径积分，通过最小化KL散度实现时间导数回归，统一了模拟、无条件生成与超分辨率。

MambaVoiceCloning: Efficient and Expressive Text-to-Speech via State-Space Modeling and Diffusion Control

MambaVoiceCloning：通过状态空间建模和扩散控制实现高效的表达性文本到语音

Sahil Kumar, Namrataben Patel, Honggang Wang, Youshan Zhang

机构 * Yeshiva University（叶史瓦大学） ； Chuzhou University（滁州学院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 MambaVoiceCloning通过状态空间建模和扩散控制，在推理过程中完全使用状态空间模型，去除所有注意力和显式RNN结构，提升质量和稳定性。

Comments Accepted at ICLR 2026

Data-Driven Reachability Analysis via Diffusion Models with PAC Guarantees

基于扩散模型的数据驱动可达性分析及PAC保证

Yanliang Huang, Peng Xie, Wenyuan Wu, Zhuoqi Zeng, Amr Alanwar

机构 * Technical University of Munich（慕尼黑工业大学） ； Hainan Bielefeld University of Applied Sciences（海南比勒费尔德应用科学大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出一种无需显式模型的数据驱动可达性分析框架，利用扩散模型学习动态系统的时间演化状态分布，通过非一致性分数子level集定义可达集，结合Learn Then Test方法确保PAC保证。

Comments 8 pages, 5 figures, submitted to the 65th IEEE Conference on Decision and Control (CDC 2026)

Harmonization mitigates diffusion MRI scanner effects in infancy: insights from the HEALthy Brain and Childhood Development (HBCD) study

谐调缓解婴儿扩散磁共振成像扫描仪效应：来自HEALthy Brain and Childhood Development (HBCD)研究的见解

Elyssa M. McMaster, Gaurav Rudravaram, Michael E. Kim, Trent M. Schwartz, Chloe Scholten, Jongyeon Yoon, Adam M. Saunders, Andre T. S. Hucke, Karthik Ramadass, Emily M. Harriott, Steven L. Meisler, Simon N. Vandekar, Allen Newton, Seth A. Smith, Saikat Sengupta, Kathryn L. Humphreys, Sarah Osmundson, Daniel Moyer, Laurie E. Cutting, Bennett A. Landman

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文研究了HBCD研究中扩散MRI数据的扫描仪效应，通过ComBat-GAM谐调方法消除扫描仪相关变异，提升数据可靠性。

Comments ISBI 2026

An unfitted HDG method for a distributed optimal convection-diffusion control problem

一种用于分布式最优对流-扩散控制问题的非拟合高阶HDG方法

Esteban Henríquez, Manuel Solano

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出一种高阶非拟合混合型不连续 Galerkin 方法，用于求解具有分段C²边界的问题，通过转移路径法处理边界数据，并证明了在合适条件下状态和伴随问题的L²范数最优收敛性。

DreamControl-v2: Simpler and Scalable Autonomous Humanoid Skills via Trainable Guided Diffusion Priors

DreamControl-v2：通过可训练引导扩散先验实现更简单且可扩展的自主人形技能

Sudarshan Harithas, Sangkyung Kwak, Pushkal Katara, Srujan Deolasee, Dvij Kalaria, Srinath Sridhar, Sai Vemprala, Ashish Kapoor, Jonathan Chung-Kuan Huang

机构 * General Robotics, USA（美国通用机器人公司） ； Brown University, USA（美国布朗大学） ； University of California, Berkeley, USA（美国加州大学伯克利分校） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出改进的DreamControl框架，通过在人形机器人运动空间中训练引导扩散模型，整合多样化的人类和机器人数据集，提升技能范围和自动化程度，验证了生成参考轨迹的扩展性对下游RL策略的重要性。

Closed-form conditional diffusion models for data assimilation

用于数据同化的闭式条件扩散模型

Brianna Binder, Agnimitra Dasgupta, Assad Oberai

机构 * University of Southern California（南加州大学） ； Sandia National Laboratories（桑迪亚国家实验室） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出闭式条件扩散模型用于数据同化，通过分析可 tractable 的 score 函数结合核密度估计，实现高效状态同化，优于传统滤波方法。

Adaptive Diffusion Guidance via Stochastic Optimal Control

通过随机最优控制实现自适应扩散引导

Iskander Azangulov, Peter Potaptchik, Qinyu Li, Eddie Aamari, George Deligiannidis, Judith Rousseau

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出通过随机最优控制框架，建立指导调度的理论基础，动态选择指导强度以提升扩散模型生成质量。

Comments AISTATS 2026

Forecasting Motion in the Wild

野外运动预测

Neerja Thakkar, Shiry Ginosar, Jacob Walker, Jitendra Malik, Joao Carreira, Carl Doersch

机构 * UC Berkeley（加州大学伯克利分校） ； Google DeepMind（谷歌DeepMind） ； Toyota Technological Institute at Chicago（芝加哥丰田技术研究所） 纠错

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

AI总结 本文提出密集点轨迹作为行为视觉标记，设计扩散变换器模型，实现复杂运动模式的预测，并通过300小时野生动物视频验证了其高效性和泛化能力。

Comments project page: https://motion-forecasting.github.io/

Perturb-and-Restore: Simulation-driven Structural Augmentation Framework for Imbalance Chromosomal Anomaly Detection

扰动与恢复：用于不平衡染色体异常检测的仿真驱动结构增强框架

Yilan Zhang, Hanbiao Chen, Changchun Yang, Yuetan Chu, Siyuan Chen, Jing Wu, Jingdong Hu, Na Li, Junkai Su, Yuxuan Chen, Ao Xu, Xin Gao, Aihua Yin

机构 * King Abdullah University of Science and Technology (KAUST)（阿卜杜拉国王科技大学） ； Guangdong Provincial Maternal and Child Health Hospital（广东省妇幼保健院） ； Smiltec 纠错

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

AI总结 本文提出P&R框架，通过仿真生成合成异常染色体数据，缓解数据不平衡问题，提升染色体异常检测的准确率和召回率。

Comments This preprint version of the manuscript has been submitted to the IEEE Journal of Biomedical and Health Informatics (JBHI) for review

Multicentric thrombus segmentation using an attention-based recurrent network with gradual modality dropout

多中心血栓分割使用基于注意力的循环网络与渐进模态丢弃

Sofia Vargas-Ibarra, Vincent Vigneron, Hichem Maaref, Sonia Garcia-Salicetti

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

AI总结 本文提出基于注意力的循环网络与渐进模态丢弃方法，用于多中心3D脑扫描中微小目标的检测与分割，提升跨模态和多中心数据的鲁棒性。

HICT: High-precision 3D CBCT reconstruction from a single X-ray

HICT: 从单张X射线实现高精度3D CBCT重建

Wen Ma, Jiaxiang Liu, Zikai Xiao, Ziyang Wang, Feng Yang, Zuozhu Liu

机构 * Zhejiang University（浙江大学） ； Angelalign Technology Inc.（时代天使科技有限公司） 纠错

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

AI总结 本文提出HICT框架，通过视频扩散模型生成多视角投影并结合动态注意力网络与X射线采样策略，实现高精度CBCT重建，实验表明其在临床应用中表现优异。

FreqPhys: Repurposing Implicit Physiological Frequency Prior for Robust Remote Photoplethysmography

FreqPhys: 重新利用隐含的生理频率先验以实现鲁棒的远程光体积脉搏波测记

Wei Qian, Dan Guo, Jinxing Zhou, Bochao Zou, Zitong Yu, Meng Wang

机构 * Hefei University of Technology（合肥工业大学） ； Hefei Comprehensive National Science Center（合肥综合性国家科学中心） ； MBZUAI（穆罕默德·本·扎耶德人工智能大学） ； University of Science and Technology Beijing（北京科技大学） ； Great Bay University（大湾区大学） 纠错

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

AI总结 本文提出FreqPhys框架，通过显式利用生理频率先验提升远程光体积脉搏波测记的鲁棒性，采用频域引导方法优化信号恢复，实验表明其在运动干扰下性能显著提升。

Learning Humanoid Navigation from Human Data

从人类数据学习人形导航

Weizhuo Wang, Yanjie Ze, C. Karen Liu, Monroe Kennedy

机构 * Stanford University（斯坦福大学） 纠错

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

AI总结 本文提出EgoNav系统，通过5小时人类行走数据训练人形机器人自主导航，无需机器人数据或微调。采用扩散模型预测未来轨迹分布，结合360度视觉记忆与DINOv3骨干网络，实现实时推理与路径选择，验证了在未知环境中避障和多模态覆盖的优越性。

Comments 8 pages 8 figures

mmAnomaly: Leveraging Visual Context for Robust Anomaly Detection in the Non-Visual World with mmWave Radar

mmAnomaly：利用视觉上下文在非视觉世界中实现鲁棒的异常检测

Tarik Reza Toha, Shao-Jung, Lu, Mahathir Monjur, Shahriar Nirjon

机构 * University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） 纠错

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

AI总结 mmAnomaly结合毫米波雷达与RGBD输入，通过语义线索和生成模型实现鲁棒的异常检测，应用于隐蔽武器、穿墙入侵和穿墙跌倒检测，达到94%的F1分数和亚米定位精度。

Comments Accepted at the 24th ACM/IEEE International Conference on Embedded Artificial Intelligence and Sensing Systems (SenSys 2026)

Beyond the Golden Data: Resolving the Motion-Vision Quality Dilemma via Timestep Selective Training

超越黄金数据：通过时间步选择性训练解决运动-视觉质量困境

Xiangyang Luo, Qingyu Li, Yuming Li, Guanbo Huang, Yongjie Zhu, Wenyu Qin, Meng Wang, Pengfei Wan, Shao-Lun Huang

机构 * Tsinghua University（清华大学） ； Kling Team, Kuaishou Technology（快手科技 Kling 团队） 纠错

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

AI总结 本文提出TQD方法，通过时间步选择性训练解决视频生成中运动与视觉质量的矛盾，证明在不平衡数据上训练可超越传统高质量数据训练效果。

Comments Accepted to CVPR 2026

SANA I2I: A Text Free Flow Matching Framework for Paired Image to Image Translation with a Case Study in Fetal MRI Artifact Reduction

SANA I2I：一种无需文本的流匹配框架用于配对图像到图像转换：以胎儿MRI伪影减少为例

Italo Felix Santos, Gilson Antonio Giraldi, Heron Werner Junior

机构 * National Laboratory for Scientific Computing - LNCC（国家科学计算实验室） ； Biodesign Laboratory Dasa（Dasa生物设计实验室） 纠错

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

AI总结 本文提出SANA-I2I框架，通过去除文本条件实现高分辨率图像到图像生成，用于胎儿MRI伪影减少任务，展示了其在医学图像中的高效性。

OmniEgoCap: Camera-Agnostic Sequence-Level Egocentric Motion Reconstruction

OmniEgoCap：相机无关的序列级第一人称视角运动重建

Kyungwon Cho, Hanbyul Joo

机构 * Seoul National University（首尔国立大学） 纠错

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

AI总结 本文提出OmniEgoCap，一种统一的扩散框架，通过序列级推理实现多样化捕获设置下的第一人称视角运动重建，恢复身高和身体比例等不变属性，提升运动重建的鲁棒性。

Comments Project Page: https://kyungwoncho.github.io/OmniEgoCap/

Oscillations in a scalar differential equation coupled to a diffusive field

标量微分方程与扩散场耦合中的振荡

Merlin Pelz, Arnd Scheel

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究标量扩散方程在半轴上通过霍普夫分岔产生周期性振荡，探讨延迟效应通过扩散场缓冲对边界动力学的影响，揭示与延迟方程中振荡出现的相似性。

Comments 23 pages, 5 figures

A subgrid model for chemical enrichment in cosmological simulations

宇宙学模拟中化学富集的子格模型

Camila A. Correa, Joop Schaye, Matthieu Schaller, James W. Trayford, Evgenii Chaikin, Alejandro Benitez-Llambay, Carlos S. Frenk, Sylvia Ploeckinger, Alexander J. Richings

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出了一种用于宇宙学模拟中恒星核合成、恒星质量损失和湍流扩散的子格模型，重点研究了12种元素的化学富集过程，包括超新星、Ia型超新星和渐近巨星分支恒星的贡献。

Comments Accepted for publication in MNRAS

Learning Laplacian Forms for Graph Signal Processing via the Deformed Laplacian

通过变形拉普拉斯算子学习图信号处理中的拉普拉斯形式

Stefania Sardellitti

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出了一种参数化的变形拉普拉斯算子，用于图信号处理，通过联合学习该算子和图信号，提升信号表示效果，实验表明在多种图上均优于传统拉普拉斯形式。

Comments Submitted to IEEE Transactions on Signal and Information Processing over Networks, 11 pages, 11 figures