图像生成

When Cultures Meet: Multicultural Text-to-Image Generation

当文化相遇：多文化文本到图像生成

Parth Bhalerao, Mounika Yalamarty, Brian Trinh, Oana Ignat

机构 * Santa Clara University（圣克拉拉大学） 纠错

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

AI总结 本文提出多文化文本到图像生成任务，构建首个评估基准，分析先进模型在多文化场景下的表现，提出MosAIG框架提升图像生成质量与文化准确性。

Follow the Flow: On Information Flow Across Textual Tokens in Text-to-Image Models

跟随流动：文本到图像模型中文本令牌间信息流动的研究

Guy Kaplan, Michael Toker, Yuval Reif, Yonatan Belinkov, Roy Schwartz

机构 * Hebrew University of Jerusalem（海法大学） ； Technion – Israel Institute of Technology（技术学院 – 以色列理工学院） ； Kempner Institute, Harvard University（哈佛大学凯普纳研究所） 纠错

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

AI总结 本文研究文本到图像模型中令牌表示间的信息分布，发现信息常集中于少数几个令牌，且令牌间存在孤立与交互影响，改进编码可提升生成质量。

Comments Accepted to ACL 2026

T2I-FactualBench: Benchmarking the Factuality of Text-to-Image Models with Knowledge-Intensive Concepts

T2I-FactualBench：基于知识密集概念的文本到图像模型事实性评估基准

Ziwei Huang, Wanggui He, Quanyu Long, Yandi Wang, Haoyuan Li, Zhelun Yu, Fangxun Shu, Long Chan, Hao Jiang, Fei Wu, Leilei Gan

机构 * Zhejiang University（浙江大学） ； Alibaba Group（阿里巴巴集团） ； Nanyang Technological University（南洋理工大学） 纠错

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

AI总结 本文提出T2I-FactualBench，通过知识密集概念评估文本到图像模型的事实性，揭示当前SOTA模型在事实性上的不足。

Journal ref Proceedings of the 63rd Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers), pages 27501-27524, 2025

From Competition to Coopetition: Coopetitive Training-Free Image Editing Based on Text Guidance

从竞争到协竞：基于文本引导的无训练图像编辑协竞训练方法

Jinhao Shen, Haoqian Du, Xulu Zhang, Xiao-Yong Wei, Qing Li

机构 * Department of Computing, Hong Kong Polytechnic University（香港理工大学计算机系） ； Department of Computer Science, Sichuan University（四川大学计算机科学系） 纠错

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

AI总结 本文提出CoEdit，通过将注意力控制从竞争转为协竞谈判，提升图像编辑的时空一致性，引入双熵注意力操控和熵 latent 修正机制，改进可编辑区域定位并增强语义一致性。

An Empirical Study of Validating Synthetic Data for Text-Based Person Retrieval

基于文本的人检索中合成数据验证的实证研究

Min Cao, Yuxin Lu, Ziyin Zeng, Dong Yi, Jinqiao Wang, Mang Ye

机构 * School of Computer Science and Technology, Soochow University（苏州大学计算机科学与技术学院） ； Frontis ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Foundation Model Research Center, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所基础模型研究中心） ； School of Artifcial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； Wuhan AI Research, Wuhan, China（武汉人工智能研究所，武汉，中国） ； School of Computer Science, Wuhan University（武汉大学计算机学院） 纠错

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

AI总结 本文首次系统研究文本基于人检索中合成数据的有效性，提出统一合成 pipeline 并通过实验揭示其作为替代或补充的真实数据的实用性。

Comments 20 pages,13 figures

CLIMB: Controllable Longitudinal Brain Image Generation using Mamba-based Latent Diffusion Model and Gaussian-aligned Autoencoder

CLIMB：基于Mamba的潜在扩散模型和高斯对齐自编码器的可控纵向脑图像生成

Duy-Phuong Dao, Muhammad Taqiyuddin, Jahae Kim, Sang-Heon Lee, Hye-Won Jung, Jaehoo Choi, Hyung-Jeong Yang

机构 * Department of Artificial Intelligence Convergence, Chonnam National University（全南国立大学人工智能融合系） ； Department of Nuclear Medicine, Chonnam National University（全南国立大学核医学系） ； University of South Australia（南澳大利亚大学） ； AdelaideMRI（阿德莱德MRI） ； Electronics and Telecommunications Research Institute（电子电信研究所） 纠错

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

AI总结 CLIMB通过基于状态空间的潜在扩散模型和高斯对齐自编码器，实现对脑结构时间演变的可控生成，利用基线MRI扫描及其获取年龄作为基础输入，并结合多种条件变量提升解剖变化的建模能力。

Comments 18 pages, 5 figures, 5 tables

Noise Aggregation Analysis Driven by Small-Noise Injection: Efficient Membership Inference for Diffusion Models

由小噪声注入驱动的噪声聚合分析：扩散模型的高效成员推断

Guo Li, Weihong Chen, Yongfu Fan

机构 * South China University of Technology（华南理工大学） 纠错

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

AI总结 本文提出基于噪声聚合分析的成员推断方法，通过单步低强度噪声注入策略增强成员与非成员样本差异，降低模型查询需求并提升推断效率与准确性。

Efficient Video Diffusion Models: Advancements and Challenges

高效视频扩散模型：进展与挑战

Shitong Shao, Lichen Bai, Pengfei Wan, James Kwok, Zeke Xie

机构 * 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)；image generation(abstract)；分类 cs.CV

AI总结 本文综述了高效视频扩散模型的进展与挑战，分析了四种主要范式，探讨了减少函数调用次数和降低每步开销的核心目标，并讨论了未来研究方向。

Frequency-Aware Flow Matching for High-Quality Image Generation

面向频率的流匹配用于高质量图像生成

Sucheng Ren, Qihang Yu, Ju He, Xiaohui Shen, Alan Yuille, Liang-Chieh Chen

机构 * Johns Hopkins University（约翰霍普金斯大学） ； ByteDance（字节跳动） 纠错

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

AI总结 本文提出FreqFlow，通过时间依赖的自适应加权将频率感知条件融入流匹配框架，以提升图像生成的全局结构和细节质量，在ImageNet-256上取得最佳FID成绩。

Comments Accepted by CVPR 2026

Motion-Adapter: A Diffusion Model Adapter for Text-to-Motion Generation of Compound Actions

Motion-Adapter：一种用于复合动作文本到运动生成的扩散模型适配器

Yue Jiang, Mingyu Yang, Liuyuxin Yang, Yang Xu, Bingxin Yun, Yuhe Zhang

机构 * School of Computer Science, Northwest University（西北大学计算机学院） 纠错

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

AI总结 本文提出Motion-Adapter，通过计算解耦的交叉注意力图，解决文本到运动扩散模型中的时间信息处理和注意力崩溃问题，提升复合动作生成的准确性和连贯性。

Comments 12 pages, 12 figures, Under review for publication in IEEE Transactions on Visualization and Computer Graphics

Elucidating the SNR-t Bias of Diffusion Probabilistic Models

阐明扩散概率模型的SNR-t偏差

Meng Yu, Lei Sun, Jianhao Zeng, Xiangxiang Chu, Kun Zhan

机构 * Lanzhou University（兰州大学） ； AMAP Alibaba Group（AMAP阿里巴巴集团） 纠错

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

AI总结 本文揭示了扩散模型在推理阶段SNR与时间步的不匹配问题，提出差分校正方法提升生成质量，实验表明在多种模型和数据集上效果显著。

Comments Accepted to CVPR 2026, 19pages, with appendix

Hierarchical Codec Diffusion for Video-to-Speech Generation

层次编码扩散用于视频到语音生成

Jiaxin Ye, Gaoxiang Cong, Chenhui Wang, Xin-Cheng Wen, Zhaoyang Li, Boyuan Cao, Hongming Shan

机构 * Fudan University（复旦大学） ； Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） 纠错

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

AI总结 本文提出HiCoDiT，利用残差向量量化编码的层次结构，通过低层和高层块生成不同层级的语音令牌，以实现强音频视觉对齐，实验表明其在保真度和表达性上优于基线。

Comments CVPR 2026

Network Meta-analysis and Diffusion

网络元分析与扩散

Gerta Rücker, Annabel L. Davies, Guido Schwarzer

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出通过扩散矩阵的几何级数避免矩阵求逆来计算网络元分析中的协方差矩阵，并建立回归分析参数估计与网络图随机游走之间的联系。

Comments 19 pages, 8 figures

CRoCoDiL: Continuous and Robust Conditioned Diffusion for Language

CRoCoDiL：连续且稳健的语言条件扩散

Roy Uziel, Omer Belhasin, Itay Levy, Akhiad Bercovich, Ran El-Yaniv, Ran Zilberstein, Michael Elad

机构 * NVIDIA 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出CRoCoDiL，通过连续语义空间改进扩散模型，实现更高质量和更快的文本生成。

Gaussian fluctuating Generally covariant diffusion

高斯波动一般协变扩散

David Montenegro, Giorgio Torrieri

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文扩展了之前开发的一般协变形式化，以包含守恒电荷的扩散，并评论了化学势项与扩散项之间的微妙差异。

Comments Extensively extended discussion and apprendix added. Coauthor added. Version accepted, Phys Rev D https://doi.org/10.1103/9bg6-shp6

VADF: Vision-Adaptive Diffusion Policy Framework for Efficient Robotic Manipulation

VADF：面向高效机器人操作的视觉自适应扩散策略框架

Xinglei Yu, Zhenyang Liu, Shufeng Nan, Simo Wu, Yanwei Fu

机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出VADF框架，通过视觉驱动的双适应方法减少训练收敛步骤并提升推理早期成功率，采用通用设计可无缝集成至任何扩散策略架构。

Fractal geometry-governed oxygen diffusion: Tumors vs. Normal Tissues

分形几何主导的氧扩散：肿瘤与正常组织

Neda Valizadeh, Robabeh Rahimi, Ramin Abolfath

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出基于分形几何的扩散框架，通过考虑生物组织的结构异质性和异常传输，解释肿瘤与正常组织在高剂量率照射下的差异响应。

Quantum Search without Global Diffusion

无全局扩散的量子搜索

John Burke, Ciaran McGoldrick

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出一种无需全局扩散的量子搜索方法，通过局部操作实现二次加速，减少电路深度并优化 oracle 调用。

Comments 24 pages, 5 figures. Data and code available on request

SOAR: Self-Correction for Optimal Alignment and Refinement in Diffusion Models

SOAR：扩散模型中的自校正以实现最优对齐与细化

You Qin, Linqing Wang, Hao Fei, Roger Zimmermann, Liefeng Bo, Qinglin Lu, Chunyu Wang

机构 * Tencent Hunyuan（腾讯文汇） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 SOAR通过自校正方法改进扩散模型的对齐和细化，提升生成和OCR性能，同时兼容后续强化学习。

Differentiable Surrogate for Detector Simulation and Design with Diffusion Models

基于扩散模型的可微替代品用于探测器模拟与设计

Xuan Tung Nguyen, Long Chen, Tommaso Dorigo, Nicolas R. Gauger, Pietro Vischia, Federico Nardi, Muhammad Awais, Hamza Hanif, Shahzaib Abbas, Rukshak Kapoor

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出一种基于扩散模型的条件去噪扩散替代品，用于电磁量能器闪烁体的模拟与设计，通过高效推理和低秩适应实现高保真能量沉积图的生成。

Comments 43 pages, 21 figures

Journal ref Mach. Learn.: Sci. Technol. 7 (2026) 025061

Improving the Throughput of Diffusion-based Large Language Models via a Training-Free Confidence-Aware Calibration

通过训练无关的置信度感知校准提高扩散式大语言模型的吞吐量

Jucheng Shen, Gaurav Sarkar, Yeonju Ro, Sharath Nittur Sridhar, Zhangyang Wang, Aditya Akella, Souvik Kundu

机构 * Rice University（里士大学） ； Intel（英特尔） ； 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CadLLM，一种无需训练的加速扩散式大语言模型（dLLMs）推理吞吐量的方法。通过动态调整生成块大小、步长和阈值，结合置信度控制，减少softmax开销，提升吞吐量。

Comments 12 pages, 3 figures. Accepted to Findings of ACL 2026

Beyond water limitation in vegetation-autotoxicity patterning: a cross-diffusion model

超越水分限制的植被-自毒模式：一个交叉扩散模型

Francesco Giannino, Annalisa Iuorio, Cinzia Soresina

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出一个交叉扩散模型，通过考虑自毒作用对植被动态的影响，揭示了在不依赖显式水分动态的情况下，生物质-毒素反馈可支持稳定植被空间模式的形成。

Comments 17 pages, 5 figures

Anthropogenic Regional Adaptation in Multimodal Vision-Language Model

人为区域适应于多模态视觉-语言模型

Samuel Cahyawijaya, Peerat Limkonchotiwat, Tack Hwa Wong, Hitesh Laxmichand Patel, Amit Agarwal, Manuel Antonio Rufino, Carlos Rafael Catalan, Muhammad Reza Qorib, Vicky Feliren, Holy Lovenia, Aye Hninn Khine, Frederikus Hudi, David Anugraha, Alham Fikri Aji, Romrawin Chumpu, Viet-Thanh Pham, Minghan Wang, Mohamed Fazli Imam, Ruochen Zhang, Joseph Marvin Imperial, Khumaisa Nur'aini, Do Xuan Long, Musa Izzanardi Wijanarko, Joel Ruben Antony Moniz, Patrick Amadeus Irawan, Hanif Muhammad Zhafran, Isaiah Flores, Salsabila Zahirah Pranida, Jun Kevin, Jostin Jerico Rosal, Patricia Nicole Monderin, Kun Kerdthaisong, Ahmad Mustafid, My Chiffon Nguyen, Natchapon Jongwiriyanurak, Siva Worajitwannakul, Haochen Li, Adrian Xuan Wei Lim, Bin Wang, Muhammad Ravi Shulthan Habibi, Lynnette Hui Xian Ng, Mithil Bangera, Yeshil Bangera, Priyaranjan Pattnayak, Dun Li Chan, Sherissa Caren Djuniwar, Cho Chan Myei Oo, Hee Ming Shan

机构 * Cohere ； SEACrowd ； AI Singapore ； Universiti Teknologi PETRONAS ； Oracle ； Carnegie Mellon University（卡内基梅隆大学） ； Monash University, Indonesia（莫纳什大学（印尼）） ； King Mongkut’s University of Technology Thonburi（泰国孔敬大学） ； Nara Institute of Science and Technology（奈良科学技術大學） ； Stanford University（斯坦福大学） ； MBZUAI ； National University of Singapore（新加坡国立大学） ； Monash University, Australia（莫纳什大学（澳大利亚）） ； Brown University（布朗大学） ； University of Bath（巴斯大学） ； Mila - Quebec AI Institute（蒙特利尔AI研究所） ； Institut Teknologi Bandung（Bandung 工程技术大学） ； Ateneo de Manila University（马尼拉亚特内奥大学） ； Universitas Pelita Harapan（Pelita Harapan 大学） ； Seoul National University of Science and Technology（首尔科学技术大学） ； Thammasat University（泰国 Thammasat 大学） ； Independent（独立） ； University College London（伦敦大学学院） ； Nanyang Technological University（南洋理工大学） ； MiroMind AI ； University of Indonesia（印度尼西亚大学） ； University of New Haven（纽黑文大学） ； INTI International University and Colleges（INTI 国际大学和学院） ； Binus University（Binus 大学） ； National University Philippines（菲律宾国家大学） ； ThoughtFull 纠错

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

AI总结 本文提出人为区域适应框架，通过地理通用化简化方法提升多模态模型在特定区域的文化相关性，实验显示在东南亚地区提升5-15%的同时保持全球性能。

1S-DAug: One-Shot Data Augmentation for Robust Few-Shot Generalization

1S-DAug：一种用于鲁棒少样本泛化的单次数据增强

Yunwei Bai, Ying Kiat Tan, Yao Shu, Tsuhan Chen

机构 * National University of Singapore（新加坡国立大学） ； 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(abstract,abstract_cn)；分类 cs.CV

AI总结 本文提出1S-DAug，一种基于单例图像生成多样且忠实变体的生成增强算子，通过结合传统几何扰动、受控噪声注入和去噪扩散过程，提升少样本分类性能，实现在多个基准测试中提升20%的准确率。

A Single Image and Multimodality Is All You Need for Novel View Synthesis

单张图像与多模态信息足矣实现新视角合成

Amirhosein Javadi, Chi-Shiang Gau, Konstantinos D. Polyzos, Tara Javidi

机构 * Department of Electrical and Computer Engineering（电气与计算机工程系） 纠错

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

AI总结 本文提出利用稀疏多模态测距数据提升单图像新视角合成的几何一致性和视觉质量，通过多模态深度重建框架替代传统单目深度估计，增强扩散模型的生成效果。

DriveLaW:Unifying Planning and Video Generation in a Latent Driving World

DriveLaW：在潜在驾驶世界中统一规划与视频生成

Tianze Xia, Yongkang Li, Lijun Zhou, Jingfeng Yao, Kaixin Xiong, Haiyang Sun, Bing Wang, Kun Ma, Guang Chen, Hangjun Ye, Wenyu Liu, Xinggang Wang

机构 * Huazhong University of Science and Technology（华中科技大学） ； Xiaomi EV（小米电动车） 纠错

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

AI总结 DriveLaW通过统一视频生成与运动规划，提升自动驾驶中的预测与规划性能，实现视频生成与轨迹规划的一致性，取得新的state-of-the-art结果。

Comments 18 pages, 6 figures, CVPR 2026

Ellipsoidal Density-Equalizing Map for Genus-0 Closed Surfaces

椭圆密度等化映射用于亏格为0的闭合曲面

Zhiyuan Lyu, Lok Ming Lui, Gary P. T. Choi

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

AI总结 本文提出了一种用于亏格为0闭合曲面的椭圆密度等化映射方法，通过能量最小化结合密度等化和准共形映射，实现面积保持或可控面积变化的参数化，提升曲面重新网格化性能。

Journal ref Advances in Computational Mathematics, 52, 30 (2026)

Geometric regularization of autoencoders via observed stochastic dynamics

通过观测的随机动力学对自编码器进行几何正则化

Sean Hill, Felix X. -F. Ye

机构 * Department of Mathematics and Statistics, University at Albany, SUNY（数学与统计学系，阿尔巴尼大学，纽约州立大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出一种基于观测随机动力学的自编码器正则化方法，通过构建切包层惩罚和逆一致性惩罚，学习单个非线性切片和潜在SDE，从而减少学习误差并提升泛化能力。

Spinning Living Crystals of Run-and-Tumble Particles with Environmental Feedback

具有环境反馈的运行- tumble 粒子活晶体旋转

Maks Pečnik Bambič, Nuno A. M. Araújo, Giorgio Volpe

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究揭示了活性物质中集体旋转的新机制，动态环境通过反馈协调非手性活性粒子自组织形成持续集体固态旋转的活晶体，且粒子长持续时间运动导致不同于传统扩散的动态特性。

Comments 23 pages, 17 figures

Hopping-Mediated Charge Transport in Graphene Beyond the Ballistic Regime

在非弹道极限下的石墨烯跃迁介导电荷输运

J. P. Dadario Pereira, Raphael Tromer, Luiz A. Ribeiro Junior, Douglas S. Galvao

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出了一种基于轨迹解析的框架，用于研究石墨烯及相关二维碳材料在非理想弹道和完全相干极限下的电荷输运，通过动能蒙特卡罗跃迁模拟，结合杂质、热激活和外部场的影响，计算电流和有效透射率。