图像生成

Erasure or Erosion? Evaluating Compositional Degradation in Unlearned Text-To-Image Diffusion Models

擦除或侵蚀？评估未学习文本到图像扩散模型中的组合退化

Arian Komaei Koma, Seyed Amir Kasaei, Ali Aghayari, AmirMahdi Sadeghzadeh, Mohammad Hossein Rohban

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

AI总结 本文通过组合文本到图像生成视角，评估未学习方法对 nudity 的影响，发现去除非目标概念与组合完整性之间存在权衡，现有评估方法存在局限。

Comments Accepted at CVPR 2026 Workshop on Machine Unlearning for Computer Vision

SafeCtrl: Region-Aware Safety Control for Text-to-Image Diffusion via Detect-Then-Suppress

SafeCtrl: 通过检测-然后抑制方法实现区域感知的安全控制

Lingyun Zhang, Yu Xie, Zhongli Fang, Yu Liu, Ping Chen

机构 * School of Computer Science and Technology, Fudan University（复旦大学计算机科学技术学院） ； Institute of Big Data, Fudan University（复旦大学大数据研究院） ； Nanjing University of Information Science and Technology（南京信息工程大学） 纠错

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

AI总结 SafeCtrl通过检测-然后抑制方法实现区域感知的安全控制，精准定位风险区域并局部抑制有害内容，提升安全性与生成质量。

Comments 6 pages, 5 figures, accepted to 2026 IEEE International Conference on Multimedia and Expo (ICME)

Compact Hypercube Embeddings for Fast Text-based Wildlife Observation Retrieval

紧凑超立方体嵌入用于快速基于文本的野生动物观察检索

Ilyass Moummad, Marius Miron, David Robinson, Kawtar Zaher, Hervé Goëau, Olivier Pietquin, Pierre Bonnet, Emmanuel Chemla, Matthieu Geist, Alexis Joly

机构 * Inria, LIRMM, UM（法国国家信息与自动化研究所，蒙彼利埃计算机科学实验室，蒙彼利埃大学） 纠错

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

AI总结 本文提出紧凑超立方体嵌入框架，通过二进制表示实现高效文本检索，提升大规模野生动物图像和音频数据库的检索效率与鲁棒性。

ContextDrag: Precise Drag-Based Image Editing via Context-Preserving Token Injection and Position-Aligned Attention

ContextDrag: 通过上下文保留的标记注入和位置对齐注意力实现精确的拖动式图像编辑

Huiguo He, Pengyu Yan, Ziqi Yi, Weizhi Zhong, Zheng Liu, Yejun Tang, Huan Yang, Guanbin Li, Lianwen Jin

机构 * School of Electronic and Information Engineering, South China University of Technology（华南理工大学电子与信息学院） ； KlingAI Research, Kuaishou Technology（快手科技KlingAI研究） ； The University of Hong Kong（香港大学） ； Shenzhen Loop Area Institute（深圳河套学院） 纠错

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

AI总结 本文提出ContextDrag，首个将拖动式操作引入上下文图像编辑的框架，通过上下文保留的标记注入和位置对齐注意力实现精确拖动编辑，提升编辑精度与质量。

Training-Free Image Editing with Visual Context Integration and Concept Alignment

无需训练的图像编辑与视觉上下文整合与概念对齐

Rui Song, Guo-Hua Wang, Qing-Guo Chen, Weihua Luo, Tongda Xu, Zhening Liu, Yan Wang, Zehong Lin, Jun Zhang

机构 * Alibaba International Digital Commerce Group（阿里巴巴国际数字商业集团） ； Institute for AI Industry Research (AIR), Tsinghua University（清华大学智能产业研究院（AIR）） ； School of Data Science, Lingnan University（岭南大学数据科学学院） 纠错

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

AI总结 本文提出VicoEdit，一种无需训练和反向扩散的图像编辑方法，通过视觉上下文直接转换源图像至目标图像，提升编辑一致性。

Concept-Centric Token Interpretation for Vector-Quantized Generative Models

面向概念的标记解释方法用于向量量化生成模型

Tianze Yang, Yucheng Shi, Mengnan Du, Xuansheng Wu, Qiaoyu Tan, Jin Sun, Ninghao Liu

机构 * School of Computing, University of Georgia（佐治亚大学计算学院） ； Department of Data Science, New Jersey Institute of Technology（新泽西理工学院数据科学系） ； Department of Computer Science, New York University（纽约大学计算机科学系） 纠错

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

AI总结 本文提出CORTEX方法，通过分析标记重要性及代码本来解释VQGMs生成过程，提升模型透明度并应用于图像编辑和特征检测。

Comments 17 pages, 7 figures

Journal ref In Proceedings of the 42nd International Conference on Machine Learning (ICML), PMLR 267:71034-71050, 2025

Banana100: Breaking NR-IQA Metrics by 100 Iterative Image Replications with Nano Banana Pro

Banana100: 通过100次迭代图像复制打破NR-IQA度量标准

Kenan Tang, Praveen Arunshankar, Andong Hua, Anthony Yang, Yao Qin

机构 * University of California, Santa Barbara（加州大学圣塔芭芭拉分校） 纠错

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

AI总结 Banana100通过100次迭代编辑生成28000张退化图像，揭示多轮编辑中图像质量退化问题，发现现有NR-IQA度量标准无法检测严重退化图像，威胁未来模型训练稳定性。

Comments Accepted to CVPR 2026 Workshop on Agentic AI for Visual Media

VideoCoF: Unified Video Editing with Temporal Reasoner

VideoCoF：基于时间推理的统一视频编辑

Xiangpeng Yang, Ji Xie, Yiyuan Yang, Yue Ma, Yan Huang, Min Xu, Qiang Wu

机构 * University of Technology Sydney（悉尼科技大学） ； Zhejiang University（浙江大学） ； HKUST（香港科技大学） 纠错

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

AI总结 VideoCoF通过引入时间推理机制，解决视频编辑中精度与统一性的矛盾，实现无需掩码的精确区域映射和细粒度编辑，验证了方法的高效性与有效性。

Comments Accepted by CVPR 2026, Project Page: https://videocof.github.io/

Circuit Mechanisms for Spatial Relation Generation in Diffusion Transformers

扩散变换器中空间关系生成的电路机制

Binxu Wang, Jingxuan Fan, Xu Pan

机构 * Kempner Institute, Harvard University（哈佛大学肯普纳研究所） ； Harvard University（哈佛大学） 纠错

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

AI总结 研究通过机械可解释性方法探讨扩散变换器如何生成正确空间关系，发现不同文本编码器影响电路机制，随机嵌入通过双阶段电路生成，预训练编码器则通过信息融合生成，两种方法在领域内表现相似但抗扰性不同。

Comments 45 pages, 30 figures, accepted in CVPR 2026

DiffSparse: Accelerating Diffusion Transformers with Learned Token Sparsity

DiffSparse: 通过学习的令牌稀疏性加速扩散变换器

Haowei Zhu, Ji Liu, Ziqiong Liu, Dong Li, Junhai Yong, Bin Wang, Emad Barsoum

机构 * Advanced Micro Devices, Inc.（超威半导体公司） ； Tsinghua University（清华大学） ； BNRist（北京信息科学与技术国家研究中心） 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DiffSparse框架，通过学习令牌稀疏性优化扩散变换器的推理效率，减少计算成本并提升生成质量。

Comments Accepted by ICLR 2026

Imagine Before Concentration: Diffusion-Guided Registers Enhance Partially Relevant Video Retrieval

想象之前聚焦：扩散引导的寄存器增强部分相关视频检索

Jun Li, Xuhang Lou, Jinpeng Wang, Yuting Wang, Yaowei Wang, Shu-Tao Xia, Bin Chen

机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Peng Cheng Laboratory（鹏城实验室） 纠错

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

AI总结 本文提出DreamPRVR，通过粗到细的表示学习范式，利用扩散模型生成全局语义寄存器，提升部分相关视频检索的准确性与鲁棒性。

Comments Accepted to CVPR 2026. 15 pages, 7 figures, 3 tables

Your Pre-trained Diffusion Model Secretly Knows Restoration

你的预训练扩散模型秘密知道修复

Sudarshan Rajagopalan, Vishal M. Patel

机构 * Johns Hopkins University（约翰霍普金斯大学） 纠错

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

AI总结 本文揭示预训练扩散模型固有修复能力，通过直接学习文本编码器输出的提示嵌入解锁，提出扩散桥框架解决训练与推理不一致问题，实现高效修复模型。

Comments Project page: https://sudraj2002.github.io/yptpage/

Beyond Few-Step Inference: Accelerating Video Diffusion Transformer Model Serving with Inter-Request Caching Reuse

超越少量步骤推理：利用跨请求缓存重用加速视频扩散变换器模型服务

Hao Liu, Ye Huang, Chenghuan Huang, Zhenyi Zheng, Jiangsu Du, Ziyang Ma, Jing Lyu, Yutong Lu

机构 * Sun Yat-sen University, China（中山大学） ； Independent Researcher（独立研究者） 纠错

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

AI总结 本文提出Chorus方法，通过跨请求缓存重用加速视频扩散模型服务，实现45%的速度提升，特别在中间去噪步骤中结合Token-Guided Attention Amplification提升语义对齐。

Low-Bitrate Video Compression through Semantic-Conditioned Diffusion

基于语义的低比特率视频压缩

Lingdong Wang, Guan-Ming Su, Divya Kothandaraman, Tsung-Wei Huang, Mohammad Hajiesmaili, Ramesh K. Sitaraman

机构 * University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； Dolby Laboratories（杜比实验室） 纠错

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

AI总结 本文提出DiSCo框架，通过语义条件扩散模型在低比特率下实现高质量视频压缩，采用文本描述、空间时间退化视频和可选草图等模态，提升感知质量。

DreamLifting: A Plug-in Module Lifting MV Diffusion Models for 3D Asset Generation

DreamLifting：一种插件模块用于提升MV扩散模型以生成3D资产

Ze-Xin Yin, Jiaxiong Qiu, Liu Liu, Xinjie Wang, Wei Sui, Zhizhong Su, Jian Yang, Jin Xie

机构 * PCA Lab, VCIP, College of Computer Science, Nankai University（南开大学计算机学院VCIP实验室PCA Lab） ； School of Intelligence Science and Technology, Nanjing University（南京大学智能科学与技术学院） ； Horizon Robotics（地平线机器人） ； D-Robotics 纠错

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

AI总结 本文提出LGAA框架，通过多视角扩散先验统一几何与PBR材质建模，结合模块化设计和改进的VAE实现高效3D资产生成，实验表明其在文本和图像条件下均表现优异。

Comments 16 pages, 9 figures, TVCG 2026, project page: https://zx-yin.github.io/dreamlifting/

Journal ref IEEE Transactions on Visualization and Computer Graphics 2026

HAD: Combining Hierarchical Diffusion with Metric-Decoupled RL for End-to-End Driving

HAD：结合分层扩散与度量解耦RL的端到端驾驶

Wenhao Yao, Xinglong Sun, Zhenxin Li, Shiyi Lan, Zi Wang, Jose M. Alvarez, Zuxuan Wu

机构 * Fudan University（复旦大学） ； NVIDIA（英伟达） 纠错

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

AI总结 HAD提出一种端到端规划框架，结合分层扩散策略与度量解耦RL，通过结构保持轨迹扩展生成真实轨迹并提升驾驶目标优化效果，实验表明在NAVSIM和HUGSIM上取得新突破。

Comments 17 pages, 7 figures

CRAFT: Video Diffusion for Bimanual Robot Data Generation

CRAFT：基于视频扩散的双臂机器人数据生成

Jason Chen, I-Chun Arthur Liu, Gaurav Sukhatme, Daniel Seita

机构 * University of Southern California（南加州大学） 纠错

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

AI总结 CRAFT通过视频扩散生成双臂机器人演示数据，利用边缘结构线索提升生成多样性与鲁棒性，提升多视角任务的泛化能力。

ExpressEdit: Fast Editing of Stylized Facial Expressions with Diffusion Models in Photoshop

ExpressEdit: 在Photoshop中使用扩散模型快速编辑风格化面部表情

Kenan Tang, Jiasheng Guo, Jeffrey Lin, Yao Qin

机构 * University of California, Santa Barbara（加州大学圣塔芭芭拉分校） 纠错

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

AI总结 ExpressEdit通过开放源代码的Photoshop插件，实现快速且无伪影的风格化面部表情编辑，结合Liquify等原生功能，提升编辑效率与艺术创作灵活性。

Comments Accepted to CVPR 2026 Workshop on Generative AI for Storytelling (AISTORY)

NeuralLVC: Neural Lossless Video Compression via Masked Diffusion with Temporal Conditioning

NeuralLVC：基于掩码扩散与时间条件的神经损失视频压缩

Tiberio Uricchio, Marco Bertini

机构 * Università di Pisa（比萨大学） ； Università degli Studi di Firenze（佛罗伦萨大学） 纠错

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

AI总结 NeuralLVC通过结合掩码扩散与I/P帧架构，实现损失视频压缩，利用时间冗余性，实验表明其在Xiph CIF序列中优于H.264和H.265无损压缩。

Diffusion Path Alignment for Long-Range Motion Generation and Domain Transitions

扩散路径对齐用于长程运动生成与领域转换

Haichao Wang, Alexander Okupnik, Yuxing Han, Gene Wen, Johannes Schneider, Kyriakos Flouris

机构 * Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Institute of Information Systems, Universität Liechtenstein（列支敦士登大学信息系统研究所） ； Department of Computer Science, New York University（纽约大学计算机科学系） ； MRC Biostatistics Unit, University of Cambridge（剑桥大学MRC生物统计单元） 纠错

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

AI总结 本文提出基于扩散的优化框架，通过控制能量目标实现运动领域间流畅过渡，提升长程人类运动生成的连贯性与准确性。

MPDiT: Multi-Patch Global-to-Local Transformer Architecture For Efficient Flow Matching and Diffusion Model

MPDiT：一种多块全局到局部变换器架构用于高效的流匹配和扩散模型

Quan Dao, Dimitris Metaxas

机构 * Rutgers University（罗格斯大学） 纠错

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

AI总结 MPDiT通过多块变换器架构在扩散和流匹配模型中实现高效计算，减少50%的GFLOPs消耗同时保持生成性能，改进时间与类别嵌入设计加速训练收敛。

Comments Accepted at CVPR 2026

GaMO: Geometry-aware Multi-view Diffusion Outpainting for Sparse-View 3D Reconstruction

GaMO：基于几何的多视角扩散补全用于稀疏视角3D重建

Yi-Chuan Huang, Hao-Jen Chien, Chin-Yang Lin, Ying-Huan Chen, Yu-Lun Liu

机构 * National Yang Ming Chiao Tung University（国立阳明交通大学） 纠错

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

AI总结 本文提出GaMO框架，通过多视角补全实现稀疏视角3D重建，无需训练即可在零样本条件下提升重建性能，实验表明其在稀疏视角下具有高效且准确的重建能力。

Comments Project page: https://yichuanh.github.io/GaMO/

Stream-DiffVSR: Low-Latency Streamable Video Super-Resolution via Auto-Regressive Diffusion

Stream-DiffVSR: 通过自回归扩散实现低延迟可流式传输视频超分辨率

Hau-Shiang Shiu, Chin-Yang Lin, Zhixiang Wang, Chi-Wei Hsiao, Po-Fan Yu, Yu-Chih Chen, Yu-Lun Liu

机构 * National Yang Ming Chiao Tung University（国立阳明交通大学） ； Shanda AI Research Tokyo（盛大AI研究东京） ； MediaTek Inc.（联发科技股份有限公司） 纠错

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

AI总结 Stream-DiffVSR提出一种因果条件扩散框架，通过四步蒸馏去噪器、自回归时间引导模块和轻量时间感知解码器，实现高效在线视频超分辨率，显著降低延迟并提升质量。

Comments Project page: https://jamichss.github.io/stream-diffvsr-project-page/

Efficient Score Pre-computation for Diffusion Models via Cross-Matrix Krylov Projection

通过交叉矩阵Krylov投影实现扩散模型的高效分数预计算

Kaikwan Lau, Andrew S. Na, Justin W. L. Wan

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

AI总结 本文提出一种加速基于分数的扩散模型的新框架，通过将标准稳定扩散模型转换为Fokker-Planck形式，利用交叉矩阵Krylov投影方法在共享子空间中快速求解后续矩阵，实现15.8%至43.7%的计算时间减少，并在去噪任务中表现出更高的效率。

An Analytical Theory of Spectral Bias in the Learning Dynamics of Diffusion Models

扩散模型学习动力学中频谱偏置的分析理论

Binxu Wang, Cengiz Pehlevan

机构 * Kempner Institute, Harvard University（哈佛大学肯普纳研究所） ； SEAS, Harvard University（哈佛大学工程与应用科学学院） 纠错

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

AI总结 本文提出分析框架，揭示生成分布在扩散模型训练中的演变规律，发现频谱定律揭示高方差结构学习速度快于低方差细节，且局部卷积改变学习动态。

Comments 96 pages, 29 figures. Published in Advances in Neural Information Processing Systems, NeurIPS 2025 (Spotlight)

Diffusion of PeV Cosmic Rays in the Turbulent and Multiphase Interstellar Medium

高能宇宙射线在湍流和多相星际介质中的扩散

Yue Hu

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究高能宇宙射线在多相星际介质中的传输机制，发现相变诱导的磁场梯度增强跨场扩散，但整体散射系数低于等温介质，导致扩散系数显著提高。

Comments 22 pages,8 figures, accepted for the publication in MDPI-Galaxies

Assessing the impact of nodal surface optimization in fixed-node diffusion Monte Carlo on non-covalent interactions

评估固定节点扩散蒙特卡洛方法中节点表面优化对非共价相互作用的影响

Kousuke Nakano, Benjamin X. Shi, Dario Alfè, Andrea Zen

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文通过12种不同非共价相互作用化合物研究，评估节点表面优化对扩散量子蒙特卡洛预测的影响，发现对氢键系统有提升效果，而对分散主导系统影响较小。

Comments 12 pages, 2 figures

DARE: Diffusion Large Language Models Alignment and Reinforcement Executor

DARE：扩散大语言模型对齐与强化执行器

Jingyi Yang, Yuxian Jiang, Xuhao Hu, Shuang Cheng, Biqing Qi, Jing Shao

机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Fudan University（复旦大学） ； Zhejiang University（浙江大学） ； Shanghai AI Laboratory（上海人工智能实验室） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 DARE框架整合了监督微调、参数高效微调、偏好优化和强化学习，为扩散大语言模型提供统一的执行栈，支持多种模型家族，实现算法覆盖、可重复评估和实际加速。

Comments 14 pages,3 figures,5 tables

Primitive-based Truncated Diffusion for Efficient Trajectory Generation of Differential Drive Mobile Manipulators

基于原始的截断扩散用于差分驱动移动机械臂高效轨迹生成

Long Xu, Choilam Wong, Yuhang Zhong, Junxiao Lin, Jialiang Hou, Fei Gao

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出一种学习增强的运动规划器，通过关键点序列提取模块和基于原始的截断扩散模型提升轨迹生成效率与多样性。

Comments 9 pages, 6 figures

Towards Intrinsically Calibrated Uncertainty Quantification in Industrial Data-Driven Models via Diffusion Sampler

面向工业数据驱动模型中固有校准不确定性量化的方法 via 扩散采样器

Yiran Ma, Jerome Le Ny, Zhichao Chen, Zhihuan Song

机构 * College of Control Science and Engineering, Zhejiang University（浙江大学控制科学与工程学院） ； Electrical Engineering Department, Polytechnique Montreal（蒙特利尔理工学院电气工程系） ； GERAD ； State Key Lab of General AI, School of Intelligence Science and Technology, Peking University（北京大学智能科学与技术学院通用人工智能国家重点实验室） ； Guangdong Provincial Key Laboratory of Petrochemical Equipment Fault Diagnosis, Guangdong University of Petrochemical Technology（广东石油化工学院广东省石化装备故障诊断重点实验室） 纠错

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后验采样框架，通过忠实的后验采样实现固有校准的预测不确定性量化，解决了数据驱动方法中不确定性量化难题。

Comments This manuscript has been accepted for publication in IEEE Transactions on Industrial Informatics. Copyright has been transferred to IEEE. Reuse of this material is subject to IEEE copyright restrictions