图像生成

ProDiG: Progressive Diffusion-Guided Gaussian Splatting for Aerial to Ground Reconstruction

ProDiG：渐进式扩散引导高斯点云法用于空到地重建

Sirshapan Mitra, Yogesh S. Rawat

机构 * CRCV, University of Central Florida（中佛罗里达大学计算机视觉研究中心） 纠错

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

AI总结 本文提出ProDiG方法，通过扩散引导逐步将空视图转换为地面级视图，利用几何感知因果注意力模块和距离自适应高斯模块，实现高斯点云的渐进式优化，提升重建的几何一致性和鲁棒性。

Comments CVPR Findings 2026

Contour Refinement using Discrete Diffusion in Low Data Regime

利用离散扩散进行低数据环境下的轮廓优化

Fei Yu Guan, Ian Keefe, Sophie Wilkinson, Daniel D. B. Perrakis, Steven Waslander

机构 * University of Toronto（多伦多大学） ； Simon Fraser University（西蒙弗雷泽大学） ； Natural Resources Canada（加拿大自然资源部） 纠错

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

AI总结 本文提出轻量离散扩散轮廓优化方法，通过自注意力CNN和条件处理，在低数据环境下实现鲁棒边界检测，提升推理效率3.5倍。

Comments CRV 2026, 8 pages, 6 figures

Disentangled Point Diffusion for Precise Object Placement

解耦点扩散用于精确物体放置

Lyuxing He, Eric Cai, Shobhit Aggarwal, Jianjun Wang, David Held

机构 * Carnegie Mellon University（卡内基梅隆大学） ； ABB Inc.（ABB公司） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出TAX-DPD框架，通过解耦点扩散模型实现高精度物体放置，提升多模态覆盖与几何变化适应性。

CAGenMol: Condition-Aware Diffusion Language Model for Goal-Directed Molecular Generation

CAGenMol：面向目标的扩散语言模型用于定向分子生成

Yanting Li, Zhuoyang Jiang, Enyan Dai, Lei Wang, Wen-Cai Ye, Li Liu

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Jinan University, Guangzhou（暨南大学（广州）） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出CAGenMol，一种条件感知的离散扩散框架，用于解决分子生成中异构约束冲突问题，通过结合扩散与强化学习提升生成效果。

Learning Discrete Diffusion of Graphs via Free-Energy Gradient Flows

通过自由能梯度流学习图的离散扩散

Dario Rancati, Jan Maas, Francesco Locatello

机构 * Institute of Science and Technology Austria（奥地利科学技术研究所） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出了一种基于自由能梯度流的学习方法，用于离散空间的扩散动力学学习，通过W_K度量恢复底层函数，训练速度快且无需样本轨迹。

Signal-Aware Conditional Diffusion Surrogates for Transonic Wing Pressure Prediction

面向信号的条件扩散代理模型用于跨音速机翼压力预测

Víctor Francés-Belda, Carlos Sanmiguel Vila, Rodrigo Castellanos

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出一种条件去噪扩散概率模型，用于预测NASA通用研究模型机翼在不同马赫数、攻角和四类操纵面偏转条件下的表面压力分布，通过主成分表示实现非截断可逆线性重参数化，提升压力场重建精度。

Comments 18 pages, 9 figures

Invertible Diffusion for Low-Memory Channel Gain Map Construction in Wireless Communication Networks

可逆扩散用于无线通信网络中低内存通道增益图构建

Ruifeng Gao, Sen Li, Jue Wang, Qiuming Zhu, Shu Sun

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出InvDiff-CGM，通过可逆扩散框架从稀疏测量和环境先验构建通道增益图，实现低内存消耗并提升图像质量。

dTRPO: Trajectory Reduction in Policy Optimization of Diffusion Large Language Models

dTRPO：扩散大语言模型策略优化中的轨迹缩减

Wenxuan Zhang, Lemeng Wu, Changsheng Zhao, Ernie Chang, Mingchen Zhuge, Zechun Liu, Andy Su, Hanxian Huang, Jun Chen, Chong Zhou, Raghuraman Krishnamoorthi, Vikas Chandra, Mohamed Elhoseiny, Wei Wen

机构 * Meta AI 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出dTRPO，通过减少轨迹概率计算成本提升扩散大语言模型的策略优化效果，实验显示在STEM、编程和指令遵循任务中性能提升显著。

Reaction-diffusion equations in periodic media: convergence to pulsating fronts

周期性介质中的反应扩散方程：向脉动前沿收敛

Hongjun Guo, François Hamel, Luca Rossi

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究周期性介质中反应扩散-对流方程的长期行为，证明在弱稳定性和脉动前沿存在性假设下，解的长期动力学中前沿轮廓出现，无论初始支持有界还是无界，并探讨了入侵解的渐近入侵形状和几何性质。

Training-Free Multi-User Generative Semantic Communications via Null-Space Diffusion Sampling

无需训练的多用户生成语义通信 via 空间扩散采样

Eleonora Grassucci, Jinho Choi, Jihong Park, Riccardo F. Gramaccioni, Giordano Cicchetti, Danilo Comminiello

机构 * Dept. of Information Engineering, Electronics, and Telecommunications of Sapienza University of Rome（罗马大学信息工程、电子与电信系） ； School of Electrical and Mechanical Engineering, The University of Adelaide（阿德莱德大学电气与机械工程学院） ； ISTD Pillar, Singapore University of Technology and Design（新加坡科技设计大学ISTD支柱） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出一种多用户生成语义通信框架，利用扩散模型在接收端恢复丢失信息，通过OFDMA系统仅传输生成模型所需的比特，实现高效通信。

Comments Accepted in IEEE Access

Introspective Diffusion Language Models

反思式扩散语言模型

Yifan Yu, Yuqing Jian, Junxiong Wang, Zhongzhu Zhou, Donglin Zhuang, Xinyu Fang, Sri Yanamandra, Xiaoxia Wu, Qingyang Wu, Shuaiwen Leon Song, Tri Dao, Ben Athiwaratkun, James Zou, Fan Lai, Chenfeng Xu

机构 * Together AI ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Princeton University（普林斯顿大学） ； Stanford University（斯坦福大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出反思式扩散语言模型，通过引入反思性解码算法，在保持并行解码的同时继承自回归训练的反思一致性，实现了与同规模自回归模型相当的质量并优于先前扩散模型。

Diffusion-CAM: Faithful Visual Explanations for dMLLMs

扩散-CAM：面向dMLLMs的可信视觉解释

Haomin Zuo, Yidi Li, Luoxiao Yang, Xiaofeng Zhang

机构 * Department of Automation and Intelligent Sensing, Shanghai Jiao Tong University（上海交通大学自动化与智能感知系） ； Sun Yat-sen University（中山大学） ； Northwestern University（西北大学） ； 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Diffusion-CAM，一种专为扩散多模态大语言模型设计的可解释性方法，通过可微探针获取中间表示，捕捉潜在特征及其类别梯度，解决空间模糊和图像内部混淆问题，提升定位准确性和视觉保真度。

Comments Accepted by ACL 2026 main conference

Continuous-time Online Learning via Mean-Field Neural Networks: Regret Analysis in Diffusion Environments

基于均场神经网络的连续时间在线学习：扩散环境中的遗憾分析

Erhan Bayraktar, Bingyan Han, Ziqing Zhang

机构 * University of Michigan（密歇根大学） ； 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 本文研究了由未知系数生成的数据的连续时间在线学习问题，采用两层神经网络进行非前瞻性参数更新，通过均场极限建立随机Wasserstein梯度流，并在扩散环境中推导出均场极限和有限粒子系统的遗憾界。

Comments 64 pages, 5 figures

Hypergraph Neural Diffusion: A PDE-Inspired Framework for Hypergraph Message Passing

超图神经扩散：一种受偏微分方程启发的超图信息传递框架

Zhiheng Zhou, Mengyao Zhou, Xixun Lin, Xingqin Qi, Guiying Yan

机构 * School of Mathematics and Statistics, Shandong University（山东大学数学与统计学院） ； Academy of Mathematics and Systems Science, Chinese Academy of Sciences（中国科学院数学与系统科学研究院） ； School of Mathematical Sciences, University of Chinese Academy of Sciences（中国科学院大学数学科学学院） ； Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； School of Cyber Security, University of Chinese Academy of Sciences（中国科学院大学网络空间安全学院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出Hypergraph Neural Diffusion框架，通过结合非线性扩散方程与超图信息传递，解决现有超图神经网络在传播深度、过平滑和适应复杂超图结构方面的不足，理论分析和实验验证了其稳定性与可解释性。

Diffusion Reinforcement Learning Based Online 3D Bin Packing Spatial Strategy Optimization

基于扩散强化学习的在线三维装箱空间策略优化

Jie Han, Tong Li, Qingyang Xu, Yong Song, Bao Pang, Xianfeng Yuan

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出一种基于扩散强化学习的算法，通过马尔可夫决策链建模装箱问题，采用高度图状态表示和扩散模型行为网络，实验表明在复杂在线场景中显著提高了装箱物品数量。

Comments 8 pages, double-column. Jie Han and Tong Li contributed equally to this work. Qingyang Xu is the corresponding author

Lost in Diffusion: Uncovering Hallucination Patterns and Failure Modes in Diffusion Large Language Models

迷失在扩散中：揭示扩散大语言模型中的幻觉模式和失败模式

Zhengnan Guo, Fei Tan

机构 * East China Normal University（华东师范大学） ； Zhejiang University of Technology（浙江工业大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文通过对比研究揭示扩散大语言模型（dLLMs）的幻觉模式，发现其比自回归模型更易产生幻觉，并指出扩散过程特有的失败模式，如提前终止、去噪不完整和上下文入侵，强调了模型可靠性的问题。

Comments Accepted to ACL 2026 Findings

Re-Mask and Redirect: Exploiting Denoising Irreversibility in Diffusion Language Models

重新掩码和引导：利用去噪不可逆性在扩散语言模型中进行攻击

Arth Singh

机构 * National Institute of Technology Agartala（阿加尔塔拉国立理工学院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出TrajHijack攻击，通过重新掩码已承诺的拒绝标记并注入短的肯定前缀，显著提升ASR性能，揭示了扩散语言模型的安全性漏洞及防御机制的不足。

Comments 15 pages

Multimodal Diffusion Forcing for Forceful Manipulation

多模态扩散强迫用于强力操控

Zixuan Huang, Huaidian Hou, Dmitry Berenson

机构 * University of Michigan, Ann Arbor（密歇根大学安娜堡分校） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出多模态扩散强迫框架，通过随机部分遮蔽和扩散模型重建轨迹，学习机器人多模态轨迹，提升对动作与力信号的依赖性，实验证明其在模拟和现实环境中的强性能和鲁棒性。

Comments Project website: https://unified-df.github.io

Non-stationary Diffusion For Probabilistic Time Series Forecasting

非平稳扩散用于概率时间序列预测

Weiwei Ye, Zhuopeng Xu, Ning Gui

机构 * Central South University（中南大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出非平稳扩散模型，通过改进噪声模型以适应时间变化的不确定性，提升时间序列预测性能。

Comments Accepted as spotlight poster at ICML

A Diffusion-Contrastive Graph Neural Network with Virtual Nodes for Wind Nowcasting in Unobserved Regions

具有虚拟节点的扩散-对比图神经网络用于无观测区域的风现在预报

Jie Shi, Siamak Mehrkanoon

机构 * Department of Information and Computing Sciences, Utrecht University（乌得勒支大学信息与计算科学系） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出一种基于扩散和对比的图神经网络，通过引入虚拟节点在无观测区域预测风况，有效降低预测误差，提升风能利用和预警系统能力。

Comments 25 pages, 7 figures

Astrocytic resource diffusion stabilizes persistent activity in neural fields

星形胶质细胞资源扩散稳定神经场中的持久活动

Noah Palmer, Heather L. Cihak, Daniele Avitabile, Zachary P. Kilpatrick

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究通过引入星形胶质细胞-神经场耦合模型，揭示了星形胶质细胞扩散如何通过资源平滑和突触补充机制稳定神经场中的持久活动。

Comments 23 pages, 7 figures

Universality and ambiguity in extremes of anomalous diffusion

极端异常扩散中的普遍性与歧义性

Sean D Lawley

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究异常和正常扩散模型中最快首次通过时间的普遍性与模型特异性，揭示亚扩散可能比正常扩散更快，但参数范围依赖具体模型存在歧义。

Comments 16 pages, 6 figures

Diffusion Denoiser Achievable Analysis for Finite Blocklength Unsourced Random Access

有限块长无源随机接入的扩散去噪器可实现分析

Yuming Han, Yuxin Long

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出一种兼容扩散去噪器的解码器，用于有限块长无源多址接入信道问题，通过训练得分网络提升性能，理论分析得出更紧的随机编码可实现界限，并在现有解码器上实现至少0.5dB的E_b/N_0改进。

Numerical Modeling of Solvent Diffusion through the Transition Metal Dichalcogenides based Nanomaterials

过渡金属二硫化物基纳米材料中溶剂扩散的数值建模

Geetika Sahu

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文通过改进的菲克扩散定律和动态键渗透模型，研究了溶剂扩散对纳米颗粒层剥离及尺寸变化的影响，揭示了扩散率和迭代次数对纳米颗粒均匀性的作用机制。

Comments 14 pages, 7 figures

Not All Denoising Steps Are Equal: Model Scheduling for Faster Masked Diffusion Language Models

并非所有去噪步骤都同等重要：用于加快掩码扩散语言模型的模型调度

Ivan Sedykh, Nikita Sorokin, Valentin Malykh

机构 * ITMO University（ITMO大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文研究了掩码扩散语言模型的模型调度，通过在部分去噪步骤中替换较小模型，减少计算量并保持生成质量，实验表明中间步骤对替换最敏感，整体FLOPs减少17%。

Parallelism and Generation Order in Masked Diffusion Language Models: Limits Today, Potential Tomorrow

掩码扩散语言模型中的并行性与生成顺序：今日的限制，明日的潜力

Yangyang Zhong, Yanmei Gu, Zhengqing Zang, Xiaomeng Li, Yuqi Ding, Xibei Jia, Yuting Shen, Zhenzhong Lan, Liwang Zhu, Weiping Liu, Junlin Zhou, Haisheng Liu, Zhong Xin Yu, Pengxin Luo, Donglian Qi, Yunfeng Yan, Junbo Zhao

机构 * Zhejiang University（浙江大学） ； Ant Group（蚂蚁集团） ； Shanghai Jiao Tong University（上海交通大学） ； University of Chinese Academy of Social Sciences（中国社会科学院大学） ； Westlake University（西湖大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究评估了八种主流MDLM在58个基准上的表现，发现其并行性和生成顺序受任务领域和正确性影响显著，且在需要逆向信息的任务中表现更优，提出生成后编辑范式以提升效率。

BadGraph: A Backdoor Attack Against Latent Diffusion Model for Text-Guided Graph Generation

BadGraph: 针对文本引导图生成的潜在扩散模型后门攻击

Liang Ye, Shengqin Chen, Jiazhu Dai

机构 * School of Computer Engineering and Science, Shanghai University（上海大学计算机工程与科学学院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出BadGraph，一种针对文本引导图生成的潜在扩散模型的后门攻击方法，通过文本触发器污染训练数据，在推理时触发指定子图，同时保持对清洁输入的正常性能。

Advancing Reasoning in Diffusion Language Models with Denoising Process Rewards

通过去噪过程奖励推进扩散语言模型的推理能力

Shaoan Xie, Lingjing Kong, Xiangchen Song, Xinshuai Dong, Guangyi Chen, Eric P. Xing, Kun Zhang

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出去噪过程奖励，通过优化去噪轨迹提升扩散语言模型的推理稳定性与可解释性，实验显示在推理任务中表现更优。

Improved Sample Complexity For Diffusion Model Training Without Empirical Risk Minimizer Access

改进的扩散模型训练样本复杂度无需经验风险最小化器访问

Mudit Gaur, Prashant Trivedi, Sasidhar Kunapuli, Amrit Singh Bedi, Vaneet Aggarwal

机构 * Purdue University（普渡大学） ； University of Central Florida（中佛罗里达大学） ； Independent Researcher（独立研究员） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出一种改进的扩散模型训练方法，通过结构化分解分数估计误差，建立样本复杂度界O(ε⁻⁴)，无需假设访问经验风险最小化器。

Journal ref Transactions on Machine Learning Research, Apr 2026

GIF: A Conditional Multimodal Generative Framework for IR Drop Imaging in Chip Layouts

GIF：一种用于芯片布局中IR降成像的条件多模生成框架

Kiran Thorat, Nicole Meng, Mostafa Karami, Caiwen Ding, Yingjie Lao, Zhijie Jerry Shi

机构 * University of Connecticut（康涅狄格大学） ； Tufts University（塔夫茨大学） ； University of Minnesota Twin Cities（明尼苏达大学双城分校） 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GIF框架，通过融合几何和拓扑信息生成高质量IR降图像，优于现有方法。