图像生成

MARS: Sound Generation via Multi-Channel Autoregression on Spectrograms

MARS：通过多通道自回归在频谱图上生成声音

Eleonora Ristori, Luca Bindini, Paolo Frasconi

机构 * AI Lab, DINFO Università di Firenze Florence, Italy（火nze大学人工智能实验室） 纠错

专题命中 文生图 ：image synthesis(abstract)

AI总结 MARS通过多通道自回归在频谱图上生成声音，利用通道复用策略提升频谱图生成的效率和质量，实验表明其在多个评估指标上表现优异。

Comments Accepted at IJCNN 2026 (to appear in IEEE/IJCNN proceedings). This arXiv submission corresponds to the camera-ready version

Prompt-Guided Image Editing with Masked Logit Nudging in Visual Autoregressive Models

基于视觉自回归模型的掩码logit调整的提示引导图像编辑

Amir El-Ghoussani, Marc Hölle, Gustavo Carneiro, Vasileios Belagiannis

机构 * Friedrich-Alexander-Universität Erlangen-Nürnberg（埃朗根-纽伦堡弗里德里希-亚历山大大学） ； University of Surrey（萨里大学） 纠错

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

AI总结 本文提出掩码logit调整方法，通过调整模型预测logits实现提示引导的图像编辑，保留无关区域，提升编辑质量和重建效果，优于现有方法。

Comments Accepted at the 2026 IEEE/CVF Conference on Computer Vision and Pattern Recognition Findings (CVPRF)

Latent Wavelet Diffusion For Ultra-High-Resolution Image Synthesis

潜在小波扩散用于超高清图像合成

Luigi Sigillo, Shengfeng He, Danilo Comminiello

机构 * Sapienza University of Rome（罗马大学） ； Singapore Management University（新加坡管理大学） ； EMBL（欧洲分子生物学实验室） 纠错

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

AI总结 本文提出Latent Wavelet Diffusion，通过频率感知的掩码策略和一致性VAE目标提升超高清图像生成的细节和纹理保真度，且无需额外计算开销。

Comments Accepted at ICLR 2026

PixelDiT: Pixel Diffusion Transformers for Image Generation

PixelDiT：用于图像生成的像素扩散变换器

Yongsheng Yu, Wei Xiong, Weili Nie, Yichen Sheng, Shiqiu Liu, Jiebo Luo

机构 * NVIDIA ； University of Rochester（罗切斯特大学） 纠错

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

AI总结 PixelDiT提出了一种单阶段端到端模型，直接在像素空间学习扩散过程，提升了图像生成质量与效率，其在ImageNet和文本到图像生成任务中均取得优异成绩。

Comments Accepted to CVPR 2026

An Analysis of Regularization and Fokker-Planck Residuals in Diffusion Models for Image Generation

扩散模型图像生成中正则化与福克-普朗克残差的分析

Onno Niemann, Gonzalo Martínez Muñoz, Alberto Suárez Gonzalez

机构 * MCIN/ AEI / 10.13039/501100011033 / FEDER, UE（MCIN/ AEI / 10.残补10.13039/501100011033 / FEDER, UE） ； Autonomous Community of Madrid（马德里自治区） ； ELLIS Unit Madrid（马德里ELLIS单位） ； Centro de Computación Científica-Universidad Autónoma de Madrid (CCC-UAM)（马德里自治大学计算中心（CCC-UAM）） 纠错

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

AI总结 本文研究了扩散模型中通过简化惩罚项实现福克-普朗克方程正则化的有效性，发现其在较低计算成本下可提升生成质量。

Comments Accepted at IJCNN 2026 IEEE. Personal use of this material is permitted. Permission from IEEE must be obtained for all other uses, in any current or future media, including reprinting/republishing this material for advertising or promotional purposes, creating new collective works, for resale or redistribution to servers or lists, or reuse of any copyrighted component of this work in other works

Edge-preserving noise for diffusion models

边缘保留噪声用于扩散模型

Jente Vandersanden, Sascha Holl, Xingchang Huang, Gurprit Singh

机构 * Max Planck Institute for Informatics（马克斯·普朗克信息研究所） ； Advanced Micro Devices（先进微器件） 纠错

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

AI总结 本文提出一种边缘保留的扩散过程，通过混合噪声方案在边缘感知调度器中平滑过渡，提升结构细节捕捉能力，同时保持全局性能，并在图像生成和结构引导任务中取得改进。

Deepfake Detection Generalization with Diffusion Noise

基于扩散噪声的深度伪造检测泛化

Hongyuan Qi, Wenjin Hou, Hehe Fan, Jun Xiao

机构 * Zhejiang University（浙江大学） 纠错

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

AI总结 本文提出利用扩散噪声特征提升深度伪造检测的泛化能力，通过引入注意力引导的噪声学习框架，增强模型对真实与合成图像差异的捕捉，实验表明在多个基准上取得最佳性能。

Comments 17 pages

Bird-SR: Bidirectional Reward-Guided Diffusion for Real-World Image Super-Resolution

Bird-SR：双向奖励引导扩散用于现实世界图像超分辨率

Zihao Fan, Xin Lu, Yidi Liu, Jie Huang, Dong Li, Xueyang Fu, Baocai Yin

机构 * MoE Key Laboratory of Brain-inspired Intelligent Perception and Cognition, School of Information Science and Technology, University of Science and Technology of China（脑启发智能感知与认知MoE实验室，信息科学与技术学院，中国科学技术大学） ； iFlytek Research, iFlytek Co., Ltd., Hefei, China（科大讯飞研究院，科大讯飞股份有限公司，合肥，中国） 纠错

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

AI总结 Bird-SR通过双向奖励引导扩散框架，结合合成和真实图像数据，提升现实世界超分辨率的结构一致性与感知质量。

DVFace: Spatio-Temporal Dual-Prior Diffusion for Video Face Restoration

DVFace：时空双先验扩散用于视频面部修复

Zheng Chen, Bowen Chai, Rongjun Gao, Mingtao Nie, Xi Li, Bingnan Duan, Jianping Fang, Xiaohong Liu, Linghe Kong, Yulun Zhang

机构 * Shanghai Jiaotong University（上海交通大学） 纠错

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

AI总结 本文提出DVFace，一种单步扩散框架，通过时空双代码本设计提取互补的空间和时间面部先验，提升视频面部修复的质量、时间一致性和身份保持。

Comments Code is available at: https://github.com/zhengchen1999/DVFace

Step-level Denoising-time Diffusion Alignment with Multiple Objectives

分步级去噪时间扩散对齐与多目标

Qi Zhang, Dawei Wang, Shaofeng Zou

机构 * School of Electrical, Computer and Energy Engineering, Arizona State University（电气、计算机与能源工程学院，亚利桑那州立大学） 纠错

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

AI总结 本文提出MSDDA框架，通过分步级强化学习对扩散模型进行多目标对齐，无需重新训练，实现闭式解的最优去噪分布，避免了现有方法的近似误差。

Diagnosing and Improving Diffusion Models by Estimating the Optimal Loss Value

通过估计最优损失值来诊断和改进扩散模型

Yixian Xu, Shengjie Luo, Liwei Wang, Di He, Chang Liu

机构 * State Key Laboratory of General Artificial Intelligence（通用人工智能国家重点实验室） ； Zhongguancun Academy（中关村学院） 纠错

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

AI总结 本文通过估计扩散模型的最优损失值，提出了一种诊断和改进扩散模型的方法，开发了有效的估计器，并发现减去最优损失后，功率律更明显。

Comments 33 pages, 12 figures, 9 tables. ICLR 2026 Camera Ready version

JoyVASA: Portrait and Animal Image Animation with Diffusion-Based Audio-Driven Facial Dynamics and Head Motion Generation

JoyVASA: 基于扩散模型的面部和动物图像动画：结合音频驱动的面部动态和头部运动生成

Xuyang Cao, Guoxin Wang, Sheng Shi, Jun Zhao, Yang Yao, Jintao Fei, Minyu Gao, Pei Xie

机构 * JD Health International Inc.（JD健康国际公司） 纠错

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

AI总结 本文提出JoyVASA，一种基于扩散模型的音频驱动面部动画方法，通过解耦面部表示和独立于角色身份的运动生成，实现更长视频和动物面部的无缝动画。

Global solutions to cross-diffusion systems with independent advections in one dimension

一维交叉扩散系统中独立对流的全局解

Jakub Skrzeczkowski

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文研究了一维中考虑两个物种u和v的交叉扩散系统，利用达西定律描述其演化，并探讨了在存在额外对流场时构造解的问题，提出了统一适用于所有压力指数α的方法，解决了α>1时的首次存在性结果。

Comments 55 pages + references

Surface diffusion: The intermediate scattering function seen as a characteristic function of probability theory

表面扩散：中间散射函数作为概率论特征函数的视角

E. E. Torres-Miyares, S. Miret-Artés

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文通过将中间散射函数视为概率论特征函数，解析地推导出吸附质位置概率分布的矩和累积量，特别关注与扩散系数相关的二阶矩，并探讨了氢和氘在Pt(111)表面的非相干隧道跃迁及更远距离跃迁的扩展。

Comments 1 figures

Journal ref Phys. Chem. Chem. Phys 28 (2026) 8916-8921

Global existence for a system without self-diffusion and different mobilities

无自扩散和不同迁移率系统的全局存在性

Charles Elbar

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究一维交叉扩散系统，考虑线性压力定律和不同迁移率，证明任意有界非负初始数据下，任何好的近似方案都能得到全局弱解。

Comments 17 pages

SynHAT: A Two-stage Coarse-to-Fine Diffusion Framework for Synthesizing Human Activity Traces

SynHAT：一种两阶段粗到细的扩散框架用于合成人类活动轨迹

Rongchao Xu, Lin Jiang, Dahai Yu, Ximiao Li, Guang Wang

机构 * Florida State University（佛罗里达州立大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 SynHAT通过粗到细的扩散框架解决人类活动轨迹合成中的复杂时空依赖和计算效率问题，提升数据真实性与隐私保护。

Uncertainty-aware Generative Learning Path Recommendation with Cognition-Adaptive Diffusion

具有认知适应扩散的不确定性感知生成学习路径推荐

Xiangrui Xiong, Hang Liang, Baiyang Chen, Zifei Pan, Yanli Lee

机构 * Xihua University（西华大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出U-GLAD模型，通过概率分布建模认知状态，利用多头注意力和目标特定变换生成个性化嵌入，采用生成扩散模型预测最优概念的潜在表示，有效解决历史交互不确定性问题。

Comments 20 pages, 4 figures

Thermodynamic Diffusion Inference with Minimal Digital Conditioning

基于最小数字条件的热力学扩散推断

Aditi De

机构 * Aditi De（阿迪蒂·德） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出通过热力学实现扩散模型推断，解决非局部跳跃连接和输入条件化问题，实现能量节省和高解码相似度。

Quantum correction to the diffusion term in stochastic inflation from composite-operator matching in Soft de Sitter Effective Theory

在软德西特有效理论中通过复合算符匹配获得随机膨胀的扩散项量子修正

Martin Beneke, Patrick Hager, Andrea F. Sanfilippo

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文通过复合算符匹配在软德西特有效理论中，首次确定了随机膨胀扩散项的二次修正，研究了算符混合和重整化方法。

Comments 65 pages, 11 figures

Hölder estimates of weak solutions to chemotaxis systems of fast diffusion type

关于快速扩散类型的趋化系统弱解的Hölder估计

M. Marras, F. Ragnedda, S. Vernier-Piro, V. Vespri

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文研究了一类奇异类型的拟线性趋化系统，其中扩散算子为Δu^m（0<m<1），对应快速扩散情形，趋化漂移非线性。通过改进的De Giorgi-Di Benedetto迭代方案，建立了该系统有界解的Hölder正则性结果，推动了非线性扩散趋化模型精细正则性性质的理解。

EEGDM: Learning EEG Representation with Latent Diffusion Model

EEGDM: 通过潜在扩散模型学习EEG表示

Shaocong Wang, Tong Liu, Yihan Li, Ming Li, Kairui Wen, Pei Yang, Wenqi Ji, Minjing Yu, Yong-Jin Liu

机构 * Tsinghua University（清华大学） ； Tianjin University（天津大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 EEGDM提出一种基于潜在扩散模型的自监督框架，通过生成EEG信号来捕捉全局动态和长程依赖，实现高质量的EEG信号重建和鲁棒表示学习。

Exploring the flavor structure of leptons via diffusion models

通过扩散模型探索轻子的风味结构

Satsuki Nishimura, Hajime Otsuka, Haruki Uchiyama

机构 * Department of Physics, Kyushu University（九州大学物理系） ； Quantum and Spacetime Research Institute (QuaSR), Kyushu University（量子与时空研究 institute（QuaSR），九州大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出利用扩散模型研究轻子风味结构，通过扩展标准模型并训练神经网络生成中微子质量矩阵，发现中微子质量平方差和混合角的一致解，并揭示CP相位和中微子质量和的非平凡趋势。

Comments 23 pages, 5 figures, v2: published version

Journal ref Phys. Rev. D 113, 055030 (2026)

Bridging the Gap between Learning and Inference for Diffusion-Based Molecule Generation

弥合生成与推断之间的差距：基于扩散的分子生成

Peidong Liu, Wenbo Zhang, Wei Ju, Jiancheng Lv, Xianggen Liu

机构 * Sichuan University（四川大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出DiffGap框架，通过自适应采样和伪分子估计，弥合生成与推断之间的差距，提升分子生成的准确性与稳定性。

Comments 16 pages, 3 figures

Towards Deploying VLA without Fine-Tuning: Plug-and-Play Inference-Time VLA Policy Steering via Embodied Evolutionary Diffusion

迈向无需微调的VLA部署：通过具身进化扩散实现即插即用的推理时VLA策略引导

Zhuo Li, Junjia Liu, Zhipeng Dong, Tao Teng, Quentin Rouxel, Darwin Caldwell, Fei Chen

机构 * Collaborative and Versatile Robots (CLOVER) Laboratory, T-Stone Robotics Institute, The Chinese University of Hong Kong, Hong Kong（协作与多功能机器人实验室，T-Stone机器人研究所，香港中文大学，香港） ； Φ \Phi -Institute for Physical Human Intelligence（物理人机智能研究所） ； Center for Embodied Artificial Intelligence and Computer Vision, Shenzhen Loop Area Institute, Shenzhen, China（具身人工智能与计算机视觉中心，深圳环园研究院，深圳，中国） ； Department of Advanced Robotics, Istituto Italiano di Tecnologia, Genoa, Italy（先进机器人系，意大利理工学院，热那亚，意大利） 纠错

专题命中 扩散模型 ：diffusion(title)

AI总结 本文提出VLA-Pilot方法，通过即插即用的策略引导实现无需微调的零样本部署，提升预训练VLA在不同任务和机器人平台上的表现。

Comments 9 pages, 8 figures, submitted to IEEE RA-L

RAD-2: Scaling Reinforcement Learning in a Generator-Discriminator Framework

RAD-2: 在生成器-判别器框架中扩展强化学习

Hao Gao, Shaoyu Chen, Yifan Zhu, Yuehao Song, Wenyu Liu, Qian Zhang, Xinggang Wang

机构 * Huazhong University of Science & Technology（华中科技大学） ； Horizon Robotics 纠错

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

AI总结 RAD-2提出了一种生成器-判别器框架，通过扩散生成器生成轨迹候选并利用RL优化判别器评估长期驾驶质量，从而提升闭环规划的稳定性与安全性，实验显示碰撞率降低56%。

Comments Project page: https://hgao-cv.github.io/RAD-2

R3D: Revisiting 3D Policy Learning

R3D：重新审视3D策略学习

Zhengdong Hong, Shenrui Wu, Haozhe Cui, Boyi Zhao, Ran Ji, Yiyang He, Hangxing Zhang, Zundong Ke, Jun Wang, Guofeng Zhang, Jiayuan Gu

机构 * Zhejiang University（浙江大学） ； ShanghaiTech University（上海科技大学） 纠错

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

AI总结 本文针对3D策略学习中的训练不稳定和过拟合问题，提出结合可扩展的Transformer3D编码器与扩散解码器的新架构，有效提升3D模仿学习的性能。

High-Speed Full-Color HDR Imaging via Unwrapping Modulo-Encoded Spike Streams

通过解调编码脉冲流实现高速全彩HDR成像

Chu Zhou, Siqi Yang, Kailong Zhang, Heng Guo, Zhaofei Yu, Boxin Shi, Imari Sato

机构 * Digital Content and Media Sciences Research Division, National Institute of Informatics（国家信息研究所数字内容与媒体科学研究中心） ； Pattern Recognition and Intelligent System Laboratory, School of Artificial Intelligence, Beijing University of Posts and Telecommunications（人工智能学院，北京邮电大学） ； State Key Laboratory of Multimedia Information Processing, School of Computer Science, the National Engineering Research Center of Visual Technology, School of Computer Science, and the PKU-AI 2 Robotics Joint Lab of Embodied AI, Peking University（多媒体信息处理国家重点实验室，计算机学院，视觉技术国家工程研究中心，计算机学院，北京大学PKU-AI 2机器人联合实验室） ； Institute for Artificial Intelligence, the State Key Laboratory of Multimedia Information Processing, School of Computer Science, and the National Engineering Research Center of Visual Technology, School of Computer Science, Peking University（人工智能研究院，多媒体信息处理国家重点实验室，计算机学院，视觉技术国家工程研究中心，计算机学院，北京大学） ； Institute for Artificial Intelligence, and the National Engineering Research Center of Visual Technology, School of Computer Science, Peking University（人工智能研究院，视觉技术国家工程研究中心，计算机学院，北京大学） 纠错

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

AI总结 本文提出一种基于模运算的HDR成像系统，通过改进传感模型和解调算法实现高速全彩HDR成像，有效克服了传统方法在运动伪影与信息损失之间的权衡问题。

Comments TPAMI under review

Precision Synthesis of Multi-Tracer PET via VLM-Modulated Rectified Flow for Stratifying Mild Cognitive Impairment

多示踪PET的高精度合成通过VLM调制的校正流用于区分轻度认知障碍

Tuo Liu, Shuijin Lin, Shaozhen Yan, Haifeng Wang, Jie Lu, Jianhua Ma, Chunfeng Lian

机构 * School of Mathematics and Statistics, Xi'an Jiaotong University（西安交通大学数学与统计学学院） ； Key Laboratory of Biomedical Information Engineering of Ministry of Education, School of Life Science and Technology, Xi'an Jiaotong University（教育部生物医学信息工程重点实验室，西安交通大学生命科学与技术学院） ； Department of Radiology and Nuclear Medicine, Xuanwu Hospital, Capital Medical University（首都医科大学宣武医院放射科与核医学科） ； Research Center for Intelligent Medical Equipment and Devices (IMED), Xi'an Jiaotong University（智能医疗设备与器件研究中心（IMED），西安交通大学） 纠错

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

AI总结 本文提出DIReCT$++$模型，结合MRI和临床信息，通过校正流和视觉语言模型生成高保真多示踪PET图像，实现轻度认知障碍的精准分层。

Comments Added supplementary material

Federated Breast Cancer Detection Enhanced by Synthetic Ultrasound Image Augmentation

联邦学习通过合成超声图像增强提升乳腺癌检测

Hongyi Pan, Ziliang Hong, Gorkem Durak, Ziyue Xu, Ulas Bagci

机构 * Department of Radiology Northwestern University（放射科 北卡罗来纳大学） ； NVIDIA 纠错

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

AI总结 本文提出基于生成模型的数据增强框架，通过合成图像提升联邦学习在乳腺超声分类中的性能，实验表明适当使用合成数据可提升AUC指标，但过度使用反而降低性能。

Comments This paper has been accepted to EMBC2026

Cell-cell adhesion cannot sustain extended follower streams in a minimal non-local model of leader-follower migration

细胞间黏附无法在最小的非局部领导者-追随者迁移模型中维持扩展的追随者流

Thomas Jun Jewell, Samuel W. S. Johnson, Ruth E. Baker, Philip K. Maini

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究发现，非局部黏附模型无法维持长距离的追随者流，需发展新的连续模型以实现持续的集体细胞运动。