图像生成

Ouroboros: Single-step Diffusion Models for Cycle-consistent Forward and Inverse Rendering

Ouroboros: 单步扩散模型用于循环一致的正向与反向渲染

Shanlin Sun, Yifan Wang, Hanwen Zhang, Yifeng Xiong, Qin Ren, Ruogu Fang, Xiaohui Xie, Chenyu You

机构 * University of California, Irvine（加州大学伊维特分校） ； Stony Brook University（石溪大学） ； Huazhong University of Science and Technology（华中科技大学） ； University of Florida（佛罗里达大学） 纠错

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

AI总结 Ouroboros通过双单步扩散模型实现正反向渲染的互促，扩展了内在分解到室内外场景，并引入循环一致性机制，实验显示其在多样场景中表现优异且推理速度显著提升。

Comments Accepted by ICCV 2025

R3D2: Realistic 3D Asset Insertion via Diffusion for Autonomous Driving Simulation

R3D2：通过扩散实现自动驾驶模拟中的真实3D资产插入

William Ljungbergh, Bernardo Taveira, Wenzhao Zheng, Adam Tonderski, Chensheng Peng, Fredrik Kahl, Christoffer Petersson, Michael Felsberg, Kurt Keutzer, Masayoshi Tomizuka, Wei Zhan

机构 * Zenseact ； Linköping University（林哈尔大学） ； Chalmers University（查尔姆斯理工大学） ； UC Berkeley（加州大学伯克利分校） 纠错

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

AI总结 R3D2是一种轻量级单步扩散模型，用于在现有场景中实时生成真实3D资产，通过训练学习真实集成，提升自动驾驶模拟的真实性。

Noise-Adaptive Diffusion Sampling for Inverse Problems Without Task-Specific Tuning

具有任务无关调优的噪声自适应扩散采样用于逆问题

Yingzhi Xia, Setthakorn Tanomkiattikun, Liangli Zhen, Zaiwang Gu

机构 * Institute of High Performance Computing, Agency for Science, Technology and Research, Singapore（高性能计算研究所，科技研究局，新加坡） ； Institute for Infocomm Research, Agency for Science, Technology and Research, Singapore（信息通信研究所，科技研究局，新加坡） ； 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 本文提出噪声空间Hamilton蒙特卡洛方法，用于逆问题求解，避免局部极值并提升鲁棒性，通过噪声空间探索提升重建质量。

Comments Accepted by ICLR 2026

When Earth Foundation Models Meet Diffusion: An Application to Land Surface Temperature Super-Resolution

当地球基础模型遇见扩散：一种用于地表温度超分辨率的应用

Yiheng Chen, Zihui Ma, Peishi Jiang, Yilong Dai, Qikai Hu, Xinyue Ye, Lingyao Li, Rita Sousa, Runlong Yu

机构 * University of Alabama（阿拉巴马大学） ； Emory University（埃默里大学） ； University of Michigan（密歇根大学） ； University of South Florida（佛罗里达州立大学） ； New York University（纽约大学） 纠错

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

AI总结 本文提出EFDiff框架，利用地球基础模型指导扩散模型进行极端空间退化下的超分辨率重建，通过交叉注意力机制提升细尺度重建效果，优于基线方法。

Latent-Compressed Variational Autoencoder for Video Diffusion Models

视频扩散模型的潜在压缩变分自编码器

Jiarui Guan, Wenshuai Zhao, Zhengtao Zou, Juho Kannala, Arno Solin

机构 * Aalto University（阿alto大学） ； ELLIS Institute Finland（ELLIS研究所芬兰） ； University of Oulu（奥卢大学） 纠错

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

AI总结 本文提出一种潜在压缩方法，通过去除视频潜在表示中的高频成分而非直接减少通道数，提升视频生成质量与压缩效率。

Comments Accepted to CVPR 2026 findings

FrameDiT: Diffusion Transformer with Matrix Attention for Efficient Video Generation

FrameDiT：基于矩阵注意力的扩散变换器用于高效视频生成

Minh Khoa Le, Kien Do, Duc Thanh Nguyen, Truyen Tran

机构 * Applied Artificial Intelligence Initiative, Deakin University, Australia（德肯大学应用人工智能倡议，澳大利亚） ； FPT Smart Cloud, Vietnam（越南FPT智能云） ； Deakin University, Australia（德肯大学，澳大利亚） 纠错

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

AI总结 本文提出Matrix Attention，通过将帧视为矩阵来处理视频生成中的时空动态，结合FrameDiT-G和FrameDiT-H模型，在保持效率的同时提升了视频质量和时间一致性。

Comments Code: https://github.com/minhkhoale/FrameDiT Accepted at CVPR 2026 Findings

DiffCoT: Diffusion-styled Chain-of-Thought Reasoning in LLMs

DiffCoT：在大语言模型中采用扩散风格的推理链推理

Shidong Cao, Hongzhan Lin, Yuxuan Gu, Ziyang Luo, Jing Ma

机构 * Hong Kong Baptist University（香港 Baptist 大学） ； Harbin Institute of Technology（哈尔滨工业大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 DiffCoT通过扩散风格的推理链框架，改进了大语言模型在多步数学问题解决中的鲁棒性和错误纠正能力，通过迭代去噪过程实现中间步骤的统一生成与回顾性修正。

Comments DiffCoT improves multi-step LLM reasoning by applying diffusion-based iterative denoising to correct intermediate Chain-of-Thought steps

Journal ref The 64th Annual Meeting of the Association for Computational Linguistics 2026

Physics-Informed Neural Networks for Biological $2\mathrm{D}{+}t$ Reaction-Diffusion Systems

具有生物信息的神经网络用于生物的二维加时间反应扩散系统

William Lavery, Jodie A. Cochrane, Christian Olesen, Dagim S. Tadele, John T. Nardini, Sara Hamis

机构 * Dept. of Information Technology（信息科技系） ； Uppsala University（乌普萨拉大学） ； Dept. of Medical Genetics（医学遗传学系） ； Oslo University Hospital（奥斯陆大学医院） ； Dept. of Mathematics and Statistics（数学与统计学系） ； The College of New Jersey（新泽西学院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出了一种扩展的生物信息神经网络，用于学习二维加时间反应扩散系统的 governing equations，通过数据预处理、基于 BINN 的方程学习和符号回归后处理，从时间延拓显微镜数据中恢复了肺癌细胞种群动力学的 governing equations。

Diffusion compaction coupling controls pore pressure dynamics in granular fluid flows

扩散压缩耦合控制颗粒流中孔隙压力动态

Eric C. P. Breard, Claudia Elijas Parra, Mattia de' Michieli Vitturi

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究通过建立颗粒-流体混合物中孔隙压力演化模型，揭示扩散与压缩耦合对颗粒流流动性的影响机制，提出无量纲源-扩散比Ψ_0控制孔隙压力演变。

Comments Approx. 55 pages, 12 figures, 4 tables, and 1 appendix; not associated with a conference

Adaptive Kernel Selection for Kernelized Diffusion Maps

基于核方法的扩散图中自适应核选择

Othmane Aboussaad, Adam Miraoui, Boumediene Hamzi, Houman Owhadi

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出两种自适应核选择方法，通过变分外循环学习连续核参数，并利用随机傅里叶特征提升可扩展性，以提高扩散图核估计的准确性与稳定性。

One Pass for All: A Discrete Diffusion Model for Knowledge Graph Triple Set Prediction

一次完成所有：一种用于知识图谱三元组集预测的离散扩散模型

Jihong Guan, Jiaqi Wang, Wengen Li, Hanchen Yang, Yichao Zhang, Shuigeng Zhou

机构 * School of Computer Science and Technology, Tongji University（同济大学计算机科学与技术学院） ； School of Computer Science, Fudan University（复旦大学计算机科学学院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出DiffTSP，一种离散扩散模型，用于知识图谱三元组集预测。通过离散扩散过程生成完整的三元组集，确保预测三元组间的依赖关系，实现一次通过完成预测。

Existence theorems for nonlinear stationary Kolmogorov equations with partially degenerate diffusion matrices

非线性 stationary Kolmogorov 方程部分退化扩散矩阵存在性定理

Aziz M. Embarek, Dmitry V. Shatilovich

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文研究非线性 stationary Kolmogorov 方程在退化扩散矩阵和不连续系数下的解存在性，提出基于李雅普诺夫函数积分条件和解投影正则性的新方法，并通过例子验证结果。

Universal Diffusion-Based Probabilistic Downscaling

通用扩散式概率降尺度

Roberto Molinaro, Niall Siegenheim, Henry Martin, Mark Frey, Niels Poulsen, Philipp Seitz, Marvin Vincent Gabler

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出一种通用扩散降尺度框架，通过无需特定模型微调将确定性低分辨率天气预报转化为概率高分辨率预测，评估结果显示其在提升空间分辨率和不确定性表示方面具有显著优势。

Comments ICLR 2026 Workshop on AI and Partial Differential Equations

OXtal: An All-Atom Diffusion Model for Organic Crystal Structure Prediction

OXtal：一种用于有机晶体结构预测的全原子扩散模型

Emily Jin, Andrei Cristian Nica, Mikhail Galkin, Jarrid Rector-Brooks, Kin Long Kelvin Lee, Santiago Miret, Frances H. Arnold, Michael Bronstein, Avishek Joey Bose, Alexander Tong, Cheng-Hao Liu

机构 * University of Oxford（牛津大学） ； Synteny ； Google（谷歌） ； Mila ； Université de Montréal（蒙特利尔大学） ； Caltech（加州理工学院） ； NVIDIA（英伟达） ； Lila ； AITHYRA ； FutureHouse ； Imperial College London（伦敦帝国学院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 OXtal通过全原子扩散模型直接学习分子构象与周期性排列的联合分布，利用数据增强策略提升效率，实现对晶体结构的高精度预测，显著优于传统方法。

ControlAudio: Tackling Text-Guided, Timing-Indicated and Intelligible Audio Generation via Progressive Diffusion Modeling

ControlAudio：通过渐进扩散建模解决文本引导、时间指示和可理解音频生成

Yuxuan Jiang, Zehua Chen, Zeqian Ju, Yusheng Dai, Weibei Dou, Jun Zhu

机构 * Tsinghua University（清华大学） ； Shengshu AI（盛舒AI） ； University of Science and Technology of China（中国科学技术大学） ； Monash University（墨尔本大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 ControlAudio通过多任务学习和渐进扩散建模，实现文本、时间及音素特征的精细控制，提升音频生成的时序精度和语音清晰度，达到当前最优水平。

Comments Accepted at ACL 2026 Main

Projected Coupled Diffusion for Test-Time Constrained Joint Generation

投影耦合扩散用于测试时间受限的联合生成

Hao Luan, Yi Xian Goh, See-Kiong Ng, Chun Kai Ling

机构 * School of Computing, National University of Singapore（新加坡国立大学计算机学院） ； Faculty of Computer Science and Information Technology, Universiti Malaya（马来亚大学计算机科学与信息技术学院） ； Institute of Data Science, National University of Singapore（新加坡国立大学数据科学研究所） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出投影耦合扩散（PCD），一种用于受限联合生成的测试时间框架，通过耦合指导项促进扩散模型协调，并在每个扩散步骤中引入投影步骤以强制硬约束，实验证明其在图像对生成、物体操作和多机器人运动规划中的有效性。

Comments ICLR 2026. OpenReview: https://openreview.net/forum?id=1FEm5JLpvg. Code: https://github.com/EdmundLuan/pcd

Grokking of Diffusion Models: Case Study on Modular Addition

扩散模型的掌握：模块加法的案例研究

Joon Hyeok Kim, Yong-Hyun Park, Mattis Dalsætra Østby, Jiatao Gu

机构 * Department of Computer and Information Science（计算机与信息科学系） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究扩散模型在模块加法任务中展现的延迟泛化现象，揭示其内部计算机制，通过单图像和多样本两种数据 regime 分析模型的算法学习过程。

Comment on Cosmological constraints on unimodular gravity models with diffusion (arXiv:2211.07424): thermodynamic inadmissibility of the H0 tension resolution mechanism

对包含扩散的宇宙学约束的评论（arXiv:2211.07424）：热力学上不可接受的H0张力解决机制

Mauricio Cataldo

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 该文指出，基于扩散的UG模型无法满足热力学第二定律，证明了其无法同时满足第二定律和产生正的有效宇宙学常数项，从而无法缓解H0张力。

Comments 4 pages

Interpolating Discrete Diffusion Models with Controllable Resampling

通过可控重采样插值离散扩散模型

Marcel Kollovieh, Sirine Ayadi, Stephan Günnemann

机构 * School of Computation, Information and Technology, Technical University of Munich（计算、信息与技术学院，慕尼黑技术大学） ； Munich Data Science Institute（慕尼黑数据科学研究所） ； Munich Center for Machine Learning（慕尼黑机器学习中心） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出IDDM模型，通过可控重采样机制减少对中间潜在状态的依赖，改进扩散过程，实现更有效的token修正，在分子图生成和文本生成任务中表现优异。

Scalable DDPM-Polycube: An Extended Diffusion-Based Method for Hexahedral Mesh and Volumetric Spline Construction

可扩展的DDPM-多面体：一种扩展的扩散方法用于六面体网格和体积样条构造

Yuxuan Yu, Jiashuo Liu, Hua Tong, Honghua Lou, Yongjie Jessica Zhang

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出了一种扩展的扩散方法，通过引入盲孔立方体原始几何体、扩展网格配置和开发基于亏格的上下文生成策略，提升了六面体网格和体积样条构造的通用性、可扩展性和自动化水平。

Contact-Rich Robotic Assembly in Construction via Diffusion Policy Learning

通过扩散策略学习实现建筑中的接触密集机器人装配

Salma Mozaffari, Daniel Ruan, William van den Bogert, Nima Fazeli, Sigrid Adriaenssens, Arash Adel

机构 * Princeton University（普林斯顿大学） ； University of Michigan（密歇根大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文研究了在建筑施工中使用扩散策略学习提升机器人装配的鲁棒性和精度，通过紧密契合的木构接合作为案例，证明扩散策略能通过接触感知控制补偿对齐误差。

EGMOF: Efficient Generation of Metal-Organic Frameworks Using a Hybrid Diffusion-Transformer Architecture

EGMOF：一种高效生成金属有机框架的混合扩散-Transformer架构

Seunghee Han, Yeonghun Kang, Taeun Bae, Junho Kim, Younghun Kim, Varinia Bernales, Alan Aspuru-Guzik, Jihan Kim

机构 * Department of Chemical and Biomolecular Engineering, Korea Advanced Institute of Science and Technology（韩国科学技术院化学与生物分子工程系） ； Department of Chemistry, University of Toronto（多伦多大学化学系） ； Vector Institute for Artificial Intelligence（人工智能矢量研究所） ； Department of Chemistry, Sungkyunkwan University（成均馆大学化学系） ； Acceleration Consortium（加速联盟） ； Department of Computer Science, University of Toronto（多伦多大学计算机科学系） ； Department of Materials Science & Engineering, University of Toronto（多伦多大学材料科学与工程系） ； Department of Chemical Engineering & Applied Chemistry, University of Toronto（多伦多大学化学工程与应用化学系） ； Canadian Institute for Advanced Research (CIFAR)（加拿大高级研究 institute (CIFAR)） ； NVIDIA 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 EGMOF通过模块化流程实现高效MOF逆向设计，利用扩散模型与Transformer模型生成结构，仅需1000个训练样本即取得显著提升，适用于多种属性数据集。

Constraining the slow-diffusion zone size and electron injection spectral index for the Geminga pulsar halo

限制Geminga脉冲星晕中慢扩散区大小和电子注入光谱指数

Kun Fang

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 通过HAWC实验数据约束Geminga晕的慢扩散区大小和电子注入光谱指数，结合两区扩散模型得出慢扩散区半径范围及光谱指数上限，验证预测正电子谱与AMS-02测量一致。

Comments 15 pages, 5 figures. Accepted for publication in PRD

Journal ref Phys.Rev.D 109 (2024) 4, 043041

Stability-Weighted Decoding for Diffusion Language Models

扩散语言模型的稳定性加权解码

Yue Wu, Jian Huang

机构 * Department of XXX, University of YYY, Location, Country（XXX系，YYY大学，Location，Country） ； School of ZZZ, Institute of WWW, Location, Country（ZZZ学院，WWW研究所，Location，Country） ； Department of Data Science and Artificial Intelligence, The Hong Kong Polytechnic University, Hong Kong, China（数据科学与人工智能系，香港理工大学，香港，中国） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出稳定性加权解码方法，通过引入时间稳定性提升扩散语言模型的生成准确性与鲁棒性，实验表明其在代码生成和数学推理任务中表现优异。

Long-Time Behaviors of Branching-Diffusion Processes via Spectral Analysis

分支-扩散过程的长期行为 via 谱分析

Kang Dai, Jian Wang

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文研究了对应于漂移Schrödinger算子的分支-扩散过程的长期行为，建立了总质量的指数收敛速率并刻画了其准稳分布。

Comments 13 pages

Diffusion-Based Optimization for Accelerated Convergence of Redundant Dual-Arm Minimum Time Problems

基于扩散的优化用于冗余双臂最短时间问题的加速收敛

Jushan Chen, Jonathan Fried, Santiago Paternain

机构 * Department of Electrical, Computer, and Systems Engineering, Rensselaer Polytechnic Institute（电气、计算机与系统工程系，罗切斯特理工学院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出基于扩散算法的框架，通过概率采样解决非凸高阶问题，实现35倍的运行时间减少和34%的Cartesian误差降低。

Comments Under review for conference publication

Dynamic Sheaf Diffusion Networks with Adaptive Local Structure for Heterogeneous Spatio-Temporal Graph Learning

具有自适应局部结构的动态sheaf扩散网络用于异质时空图学习

Abeer Mostafa, Raneen Younis, Zahra Ahmadi

机构 * Peter L. Reichertz Institute for Medical Informatics（汉诺威医学院彼得·L·里赫茨医学信息学研究所） ； Hannover Medical School（汉诺威医学院） ； Lower Saxony Center for Artificial Intelligence and Causal Methods in Medicine (CAIMed)（下萨克森人工智能与医学因果方法中心（CAIMed）） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出ST-Sheaf GNN，通过动态局部结构学习信息流，缓解过平滑问题，实现在多领域时空预测中的优越性能。

LogicDiff: Logic-Guided Denoising Improves Zero-Shot Reasoning in Masked Diffusion Language Models

LogicDiff：逻辑引导去噪提升掩码扩散语言模型的零样本推理

Shaik Aman

机构 * Independent Researcher（独立研究者） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 LogicDiff通过逻辑角色引导去噪策略提升掩码扩散语言模型的零样本推理能力，显著提高GSM8K和MATH-500任务的准确率，但较少样本提示下效果受限。

Comments 9 pages, 3 figures, 3 tables

A Unification of Discrete, Gaussian, and Simplicial Diffusion

离散、高斯和单纯扩散的统一

Nuria Alina Chandra, Yucen Lily Li, Alan N. Amin, Alex Ali, Joshua Rollins, Sebastian W. Ober, Aniruddh Raghu, Andrew Gordon Wilson

机构 * New York University（纽约大学） ； CUNY（纽约大学） ； BigHat Biosciences（BigHat 生物科技） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文通过构建基于Wright-Fisher种群遗传模型的统一框架，将离散、高斯和单纯扩散视为不同参数化形式，实现了三种扩散方法的统一，并展示了在不同领域中训练单一模型的可行性。

Stochastic Calculus for Pathwise Observables of Markov-Jump Processes: Unification of Diffusion and Jump Dynamics

路径观测在马尔可夫跳跃过程中的随机微积分：扩散与跳跃动力学的统一

Lars Torbjørn Stutzer, Cai Dieball, Aljaž Godec

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文通过建立马尔可夫跳跃过程路径观测的完整随机微积分，统一了扩散与跳跃动力学，推导了热力学不等式并讨论了饱和条件，同时将框架与量子 unraveling 和开放量子系统 Belavkin 方程联系起来。

Comments Version accepted in Phys. Rev. X (but with shortened abstract as it was too long)