图像生成

Unified Thinker: A General Reasoning Modular Core for Image Generation

统一思考者：一种通用图像生成的推理模块核心

Sashuai Zhou, Qiang Zhou, Jijin Hu, Hanqing Yang, Yue Cao, Junpeng Ma, Yinchao Ma, Jun Song, Tiezheng Ge, Cheng Yu, Bo Zheng, Zhou Zhao

机构 * Zhejiang University（浙江大学） ； Alibaba Group（阿里巴巴集团） ； Nanjing University（南京大学） ； Fudan University（复旦大学） 纠错

专题命中 文生图 ：image generation(title,abstract)；text-to-image(abstract)；image editing(abstract)；image synthesis(abstract)

AI总结 本文提出统一思考者，一种通用图像生成的推理模块核心，旨在通过可执行推理解决生成模型中的推理-执行差距，提升图像生成质量。

From Broad Exploration to Stable Synthesis: Entropy-Guided Optimization for Autoregressive Image Generation

从广泛探索到稳定合成：基于熵的优化用于自回归图像生成

Han Song, Yucheng Zhou, Jianbing Shen, Yu Cheng

机构 * The Chinese University of Hong Kong（香港中文大学） ； University of Macau（澳门大学） 纠错

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

AI总结 本文提出基于熵的优化方法EG-GRPO，通过调整不确定性分配提升文本到图像生成的稳定性与质量，实验显示其在标准基准上达到最佳性能。

Visual Instruction-Finetuned Language Model for Versatile Brain MR Image Tasks

面向多样化脑部MRI任务的视觉指令微调语言模型

Jonghun Kim, Sinyoung Ra, Hyunjin Park

机构 * Sungkyunkwan University（成均馆大学） ； Department of Electrical and Computer Engineering（电气与计算机工程系） ； Department of Artificial Intelligence（人工智能系） 纠错

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

AI总结 本文提出LLaBIT模型，通过视觉指令微调提升语言模型在脑部MRI任务中的表现，通过特征图重用和文本数据生成提升性能，验证了其在报告生成、视觉问答、图像分割和图像翻译中的有效性。

Comments ICPR 2026 accepted

Category-based Galaxy Image Generation via Diffusion Models

基于类别的银河图像生成：通过扩散模型

Xingzhong Fan, Hongming Tang, Yue Zeng, M. B. N. Kouwenhoven, Guangquan Zeng

机构 * Department of Physics, Xi'an Jiaotong-Liverpool University（西交利物浦大学物理系） ； Department of Computer Science, University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校计算机科学系） ； Department of Physics, The Chinese University of Hong Kong（香港中文大学物理系） 纠错

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

AI总结 本文提出GalCatDiff框架，结合银河图像特征和天体物理属性，通过增强的U-Net和新型Astro-RAB模块提升生成质量，实现高效且物理一致的银河生成。

Comments 23 pages, 10 figures. Accepted by AAS Astronomical Journal (AJ) and has now been published on https://iopscience.iop.org/article/10.3847/1538-3881/ae5064. See another independent work for further reference -- Can AI Dream of Unseen Galaxies? Conditional Diffusion Model for Galaxy Morphology Augmentation (Ma, Sun et al.). Comments are welcome

HiDiGen: Hierarchical Diffusion for B-Rep Generation with Explicit Topological Constraints

HiDiGen：基于显式拓扑约束的层次扩散用于B-Rep生成

Shurui Liu, Weide Chen, Ancong Wu

机构 * School of Computer Science and Engineering, Sun Yat-sen University, China（中山大学计算机科学与工程学院） ； School of Intelligent Systems Engineering, Shenzhen Campus of Sun Yat-sen University, China（中山大学深圳校区智能工程学院） 纠错

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

AI总结 HiDiGen通过分阶段的拓扑约束生成B-Rep结构，结合层次扩散模型提升几何生成的多样性和拓扑有效性。

LumaFlux: Lifting 8-Bit Worlds to HDR Reality with Physically-Guided Diffusion Transformers

LumaFlux：通过物理引导的扩散变压器将8位世界提升到HDR现实

Shreshth Saini, Hakan Gedik, Neil Birkbeck, Yilin Wang, Balu Adsumilli, Alan C. Bovik

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Google, Inc.（谷歌公司） 纠错

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

AI总结 LumaFlux通过物理和感知引导的扩散变压器实现8位SDR到10位HDR的重建，引入PGA、PCM和HDR Residual Coupler模块，提升亮度和色彩保真度，同时构建大规模训练数据集和评估基准。

Nonzero-Sum Stochastic Differential Games for Controlled Convection-Diffusion SPDEs

非零和随机微分博弈用于受控对流-扩散SPDE

Nacira Agram, Eya Zougar

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文研究了受控对流-扩散SPDE主导的双玩家非零和随机微分博弈，证明了正向和反向SPDE在Hilbert空间中的解存在性，利用哈密顿方法推导最大原理，并通过复合材料示例展示界面传输条件。

Comments 27 pages

Dependency-Guided Parallel Decoding in Discrete Diffusion Language Models

基于依赖性的并行解码在离散扩散语言模型中

Liran Ringel, Ameen Ali, Yaniv Romano

机构 * Department of Computer Science, Technion – Israel Institute of Technology（以色列理工学院计算机科学系） ； Blavatnik School of Computer Science and AI, Tel Aviv, Israel（特拉维夫布拉瓦特尼克计算机科学与人工智能学院） ； Department of Electrical and Computer Engineering, Technion – Israel Institute of Technology（以色列理工学院电气与计算机工程系） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出DEMASK方法，通过预测掩码位置间的依赖关系，实现并行解码以提升生成效率，同时保持或提升输出质量。

Adaptive Guidance for Retrieval-Augmented Masked Diffusion Models

适应性引导的检索增强掩码扩散模型

Jaemin Kim, Jong Chul Ye

机构 * KAIST（韩国科学技术院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出ARAM框架，通过动态校准引导尺度提升检索增强扩散模型在知识密集型问答中的性能。

Long-time $L^p$ Wasserstein contraction for diffusion processes without global dissipativity

长时间L^p瓦瑟斯坦收缩性：无全局耗散的扩散过程

Pierre Monmarché

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究无全局耗散情况下扩散过程的长时间L^p瓦瑟斯坦收缩性，扩展了非椭圆过程的分析，提供更精确的收缩条件，包括负结果和最大特征值的刻画。

Fast reaction limits and convergence rate for nonlinear bulk-surface reaction-diffusion systems modeling reversible chemical reactions

非线性体-表面反应扩散系统的快速反应极限与收敛速度

The Tuan Hoang, Nhu Phong Tham, Bao Quoc Tang

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文研究了非线性体-表面反应扩散系统在快速反应极限下的收敛性，通过建立先验估计和适当时刻空间，证明了解向热方程的收敛，并在等化学计量系数情况下获得了快速反应极限的收敛速度。

Comments Several typos and misprints are corrected. Comments are welcome

Goal-Driven Reward by Video Diffusion Models for Reinforcement Learning

通过视频扩散模型实现目标驱动的奖励用于强化学习

Qi Wang, Mian Wu, Yuyang Zhang, Mingqi Yuan, Wenyao Zhang, Haoxiang You, Yunbo Wang, Xin Jin, Xiaokang Yang, Wenjun Zeng

机构 * Shanghai Jiao Tong University（上海交通大学） ； Ningbo Key Laboratory of Spatial Intelligence and Digital Derivative, Ningbo Institute of Digital Twin, Eastern Institute of Technology, Ningbo（宁波市空间智能与数字衍生重点实验室，东方理工高等研究院宁波数字孪生研究院，宁波） ； Zhejiang Key Laboratory of Industrial Intelligence and Digital Twin（浙江省工业智能与数字孪生重点实验室） ； Zhongguancun Academy（中关村学院） ； Department of Computing, The Hong Kong Polytechnic University（香港理工大学计算学系） ； Department of Mechanical Engineering, Yale University（耶鲁大学机械工程系） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出利用预训练的视频扩散模型为强化学习代理提供目标驱动的奖励信号，通过视频级和帧级目标提升轨迹的连贯性和目标导向性。

Comments Accepted by CVPR 2026. Project page: https://qiwang067.github.io/genreward

Diffusion Models as Dataset Distillation Priors

扩散模型作为数据集蒸馏先验

Duo Su, Huyu Wu, Huanran Chen, Yiming Shi, Yuzhu Wang, Xi Ye, Jun Zhu

机构 * Dept. of Comp. Sci. & Tech., BNRist Center, THU-Bosch ML Center, Tsinghua University（清华大学计算机科学与技术系、北京信息科学与技术国家研究中心、清华-博世机器学习中心） ； Institute of Computing Technology, CAS（中国科学院计算技术研究所） ； University of Electronic Science and Technology of China（电子科技大学） ； South China University of Technology（华南理工大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出Diffusion As Priors方法，通过量化合成与真实数据在特征空间的相似性提升数据集蒸馏的代表性，无需重新训练即可生成高质量数据集。

Langevin Diffusion Approximation to Same Marginal Schrödinger Bridge

兰格-恩扩散对相同边缘施瓦茨-布里德的近似

Medha Agarwal, Zaid Harchaoui, Garrett Mulcahy, Soumik Pal

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出利用兰格-恩扩散对相同边缘施瓦茨-布里德进行近似，证明在ε趋近于0时，施瓦茨-布里德的barycentric投影趋近于身份映射，且两者差异与边际对数密度梯度（即分数函数）成ε比例。

Comments Final version. arXiv admin note: substantial text overlap with arXiv:2406.10823

Reaction-diffusion dynamics of the weakly dissipative Fermi gas

一维弱耗散费米气体的反应扩散动力学

Hannah Lehr, Igor Lesanovsky, Gabriele Perfetto

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究一维弱耗散费米气体的反应扩散动力学，采用时间依赖广义吉布斯 Ensemble 方法，发现密度随时间呈现代数衰减，温度升高加速衰减但指数不变，并发现分支与衰变过程之间的相变行为。

Comments 41 pages, 12 figures

Journal ref New J.Phys.27 084602 (2025)

Regularization operators for identifying the unknown source in the time-fractional convection-diffusion-reaction equation

用于识别时间分数阶对流-扩散-反应方程中未知源的正则化算子

Guillermo Federico Umbricht, Diana Rubio

专题命中 扩散模型 ：diffusion(title)

AI总结 本文研究了基于噪声时间依赖测量在任意位置确定时间依赖源项的问题，采用傅里叶方法解析求解，发现解不稳定，提出三种正则化算子以克服不稳定性，并引入新的正则化参数选择规则和误差界。

Comments 32 Pages, 2 Figures, 2 Tables, 1 Appendice

Journal ref Journal of Complexity 94 (2026), 102013

Visual Prototype Conditioned Focal Region Generation for UAV-Based Object Detection

基于视觉原型的聚焦区域生成用于无人机目标检测

Wenhao Li, Zimeng Wu, Yu Wu, Zehua Fu, Jiaxin Chen

机构 * State Key Laboratory of Virtual Reality Technology and Systems, Beihang University（北京航空航天大学虚拟现实技术与系统国家重点实验室） ； School of Computer Science and Engineering, Beihang University（北京航空航天大学计算机科学与工程学院） ； Hangzhou Innovation Institute, Beihang University（北京航空航天大学杭州创新研究院） 纠错

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

AI总结 本文提出UAVGen框架，通过视觉原型条件扩散模型和聚焦区域增强数据管道提升无人机目标检测精度，实验表明其优于现有方法。

Comments CVPR2026 Accepted

Generating Satellite Imagery Data for Wildfire Detection through Mask-Conditioned Generative AI

通过掩码条件生成式AI生成卫星图像数据用于野火检测

Valeria Martin, K. Brent Venable, Derek Morgan

机构 * Department of Intelligent Systems and Robotics, University of West Florida（西佛罗里达大学智能系统与机器人系） ； IHMC（人类与机器认知研究所） 纠错

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

AI总结 本文探讨了基于地球观测扩散模型EarthSynth生成野火后Sentinel-2 RGB图像的可能性，通过不同实验配置评估生成效果，发现修补生成优于全图生成，且VLM辅助修补与手工提示效果相当。

Comments 22 pages, 7 figures

The Compression Gap: Why Discrete Tokenization Limits Vision-Language-Action Model Scaling

压缩间隙：为什么离散标记化限制了视觉-语言-动作模型的扩展

Takuya Shiba

机构 * Shibattic Inc. 纠错

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

AI总结 本文探讨了在视觉-语言-动作模型中，离散标记化导致的压缩间隙问题，指出信息瓶颈的位置决定了模型扩展效果，而非统一增加模型或数据规模。

Comments 11 pages, 1 figure

Few-Shot Distribution-Aligned Flow Matching for Data Synthesis in Medical Image Segmentation

少样本分布对齐流匹配用于医学图像分割的数据合成

Jie Yang, Ziqi Ye, Aihua Ke, Jian Luo, Bo Cai, Xiaosong Wang

机构 * Key Laboratory of Aerospace Information Security and Trusted Computing, Ministry of Education, School of Cyber Science and Engineering, Wuhan University（武汉大学网络空间安全学院、空天信息安全与可信计算教育部重点实验室） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai AI Laboratory（上海人工智能实验室） 纠错

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

AI总结 本文提出AlignFlow模型，通过可微奖励微调对齐目标参考图像分布，提升小样本下数据合成效果，实验显示在多个数据集上mDice和mIoU指标提升3.5-5.6%。

PlayGen-MoG: Framework for Diverse Multi-Agent Play Generation via Mixture-of-Gaussians Trajectory Prediction

PlayGen-MoG：基于高斯混合轨迹预测的多智能体多样化play生成框架

Kevin Song

机构 * Amazon Web Services（亚马逊云服务） 纠错

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

AI总结 本文提出PlayGen-MoG框架，通过高斯混合输出头、相对空间注意力和非自回归预测方法，解决多智能体轨迹生成中的多样性与空间协调问题，实现从单一静态阵型生成真实play。

Comments 9 pages, 4 figures, 2 tables. Accepted to CVPRW 2026

Beyond Fixed Inference: Quantitative Flow Matching for Adaptive Image Denoising

超越固定推断：用于自适应图像去噪的定量流匹配

Jigang Duan, Genwei Ma, Xu Jiang, Wenfeng Xu, Ping Yang, Xing Zhao

机构 * School of Mathematical Sciences, Capital Normal University（首都师范大学数学科学学院） ； National Center for Applied Mathematics Beijing, Capital Normal University（首都师范大学北京国家应用数学中心） ； Academy for Multidisciplinary Studies, Capital Normal University（首都师范大学交叉科学研究院） ； Institute of Nuclear and New Energy Technology, Tsinghua University（清华大学核能与新能源技术研究院） 纠错

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

AI总结 本文提出定量流匹配框架，通过估计噪声水平并自适应调整推断轨迹，提升图像去噪的准确性和效率。

UniRecGen: Unifying Multi-View 3D Reconstruction and Generation

UniRecGen：统一多视图3D重建与生成

Zhisheng Huang, Jiahao Chen, Cheng Lin, Chenyu Hu, Hanzhuo Huang, Zhengming Yu, Mengfei Li, Yuheng Liu, Zekai Gu, Zibo Zhao, Yuan Liu, Xin Li, Wenping Wang

机构 * Macau University of Science and Technology（澳门科技大学） ； Xidian University（西安电子科技大学） ； ShanghaiTech University（上海科技大学） ； Hong Kong University of Science and Technology（香港科技大学） ； University of California, Irvine（加利福尼亚大学尔湾分校） 纠错

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

AI总结 UniRecGen融合了高效重建与生成模型，通过共享空间协作学习提升多视图3D模型的完整性和一致性，实验显示其在稀疏观测下生成更精确稳定的3D模型。

gen2seg: Generative Models Enable Generalizable Instance Segmentation

gen2seg：生成模型实现可推广的实例分割

Om Khangaonkar, Hamed Pirsiavash

机构 * University of California, Davis（加州大学戴维斯分校） 纠错

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

AI总结 本文通过生成模型预训练合成图像，实现对实例分割的可推广方法，使用实例着色损失在特定物体类型上微调，展现零样本泛化能力，优于现有方法。

Comments ICLR 2026 camera ready. Website: https://reachomk.github.io/gen2seg/

First Passage through a Continuous Barrier: Pathwise Decomposition, Random-Time Structure, and Compensators

首次穿越连续屏障：路径分解、随机时间结构与补偿器

Tristan Guillaume

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文研究连续屏障首次穿越的时间分解，提出四种路径分解方式，揭示不同可预测性模式的特性，并在半鞅框架下推导补偿器准则与公式，应用至均值回复的跳跃扩散过程，推导边界值问题及验证唯一性。

Vegetation Pattern Formation via Energy-Balance-Constrained Modeling

半干旱环境植被图案的形成：基于能量平衡约束的建模

Chad M. Topaz

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出基于能量平衡约束的植被模型，揭示了三种不稳定性机制，并通过数值模拟验证了线性预测，揭示了地形几何对植被模式形成的影响。

Generating DDPM-based Samples from Tilted Distributions

从倾斜分布生成基于DDPM的样本

Himadri Mandal, Dhruman Gupta, Rushil Gupta, Sarvesh Ravichandran Iyer, Agniv Bandyopadhyay, Achal Bassamboo, Varun Gupta, Sandeep Juneja

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文研究如何从倾斜分布生成扩散样本，提出插件估计器并证明其最优性，通过Wasserstein界和TV准确性分析，展示在金融、天气等领域应用的理论与模拟结果。

Comments 33 pages, 4 figures

User-Aware Conditional Generative Total Correlation Learning for Multi-Modal Recommendation

面向用户的条件生成总相关性学习多模态推荐

Jing Du, Zesheng Ye, Congbo Ma, Feng Liu, Flora. D. Salim

机构 * The University of New South Wales（新南威尔士大学） ； University of Melbourne（墨尔本大学） ； New York University Abu Dhabi（纽约大学阿布扎比分校） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出GTC框架，通过用户感知的内容特征过滤和总相关性优化，提升多模态推荐的性能，实验表明在NDCG@5上提升达28.30%。

Comments 11 pages, 7 figures, 3 tables

Non-equilibrium Dynamical Attractors and Thermalisation of Charm Quarks in Nuclear Collisions at the LHC Energy

非平衡动力学吸引子与LHC能量核碰撞中charm夸克的热化

Shile Chen, Vincenzo Nugara, Maria Lucia Sambataro, Salvatore Plumari, Vincenzo Greco

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究了在长程扩展的夸克胶子等离子体中，charm夸克的非平衡动力学、热化和吸引子行为，分析了不同初始条件下的有效温度、动量矩和分布函数的演化。

Memory-Type Null Controllability for Non-Autonomous Degenerate Parabolic Equations with Boundary Degeneracy

记忆型零可控性与非自治退化抛物方程的边界退化

Dev Prakash Jha, Raju K. George

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文研究了一类含Volterra型记忆项的非自治退化抛物方程的记忆型零可控性，针对边界退化问题建立了新的Carleman估计，通过处理记忆项作为低阶扰动，证明了在适当结构条件下记忆型零可控性。