图像生成

Adaptive Prompt Elicitation for Text-to-Image Generation

自适应提示引导用于文本到图像生成

Xinyi Wen, Lena Hegemann, Xiaofu Jin, Shuai Ma, Antti Oulasvirta

机构 * Aalto University \& University of Helsinki \& ELLIS Institute Finland Helsinki Finland ； Aalto University Helsinki Finland ； Aalto University \& ELLIS Institute Finland Helsinki Finland ； Aalto University \& University of Helsinki \& ELLIS Institute Finland ； Aalto University ； Aalto University \& ELLIS Institute Finland 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 本文提出自适应提示引导技术，通过交互式意图推断框架提升文本到图像生成与用户意图的对齐效率，实验表明其在准确性和效率上均优于现有方法。

Comments 25 pages, 14 figures, ACM IUI 2026

HP-Edit: A Human-Preference Post-Training Framework for Image Editing

HP-Edit：一种用于图像编辑的人类偏好后训练框架

Fan Li, Chonghuinan Wang, Lina Lei, Yuping Qiu, Jiaqi Xu, Jiaxiu Jiang, Xinran Qin, Zhikai Chen, Fenglong Song, Zhixin Wang, Renjing Pei, Wangmeng Zuo

机构 * Huawei Noah’s Ark Lab（华为诺亚实验室） ； Harbin Institute of Technology（哈尔滨工业大学） ； Nankai University（南开大学） 纠错

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

AI总结 本文提出HP-Edit框架和RealPref-50K数据集，通过少量人类偏好评分数据和预训练视觉大语言模型开发自动评估器，提升图像编辑模型对人类偏好的契合度。

Comments Accepted by CVPR2026

SmartPhotoCrafter: Unified Reasoning, Generation and Optimization for Automatic Photographic Image Editing

SmartPhotoCrafter: 统一推理、生成与优化用于自动摄影图像编辑

Ying Zeng, Miaosen Luo, Guangyuan Li, Yang Yang, Ruiyang Fan, Linxiao Shi, Qirui Yang, Jian Zhang, Chengcheng Liu, Siming Zheng, Jinwei Chen, Bo Li, Peng-Tao Jiang

机构 * vivo BlueImage Lab, vivo Mobile Communication Co., Ltd.（vivo蓝影实验室，vivo移动通信有限公司） 纠错

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

AI总结 本文提出SmartPhotoCrafter，通过统一推理生成过程实现自动摄影图像编辑，提升图像质量与美观，无需人工指令。

Comments tech report

OmniGen2: Towards Instruction-Aligned Multimodal Generation

OmniGen2：面向指令对齐的多模态生成

Chenyuan Wu, Pengfei Zheng, Ruiran Yan, Shitao Xiao, Xin Luo, Yueze Wang, Wanli Li, Xiyan Jiang, Yexin Liu, Junjie Zhou, Ze Liu, Ziyi Xia, Chaofan Li, Haoge Deng, Jiahao Wang, Kun Luo, Bo Zhang, Defu Lian, Xinlong Wang, Zhongyuan Wang, Tiejun Huang, Zheng Liu

机构 * Beijing Academy of Artificial Intelligence（北京人工智能研究院） ； University of Science and Technology of China（中国科学技术大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Zhejiang University（浙江大学） 纠错

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

AI总结 OmniGen2通过双解码路径和解耦图像分词器，实现文本和图像生成的统一解决方案，提升多模态生成任务的性能与一致性，同时提供开源模型和数据集支持。

Denoising, Fast and Slow: Difficulty-Aware Adaptive Sampling for Image Generation

去噪、快速与缓慢：面向图像生成的难度感知自适应采样

Johannes Schusterbauer, Ming Gui, Yusong Li, Pingchuan Ma, Felix Krause, Björn Ommer

机构 * CompVis ； LMU Munich（慕尼黑大学） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心（MCML）） 纠错

专题命中 扩散模型 ：image generation(title,abstract)；text-to-image(abstract)；diffusion(abstract)；image synthesis(abstract)

AI总结 本文提出Patch Forcing框架，通过自适应采样和空间噪声变化提升图像生成效果，优于传统基线方法，适用于分类条件ImageNet和文本到图像生成。

Comments CVPR 2026, Code: https://github.com/CompVis/patch-forcing

Diff-SBSR: Learning Multimodal Feature-Enhanced Diffusion Models for Zero-Shot Sketch-Based 3D Shape Retrieval

Diff-SBSR: 学习多模态特征增强的扩散模型用于零样本素描基础3D形状检索

Hang Cheng, Fanhe Dong, Long Zeng

机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） 纠错

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

AI总结 本文提出利用文本到图像扩散模型解决零样本素描基础3D形状检索问题，通过多模态特征增强策略提升语义上下文捕捉能力，实验表明方法在公开基准上优于现有技术。

AnyRecon: Arbitrary-View 3D Reconstruction with Video Diffusion Model

AnyRecon：基于视频扩散模型的任意视角3D重建

Yutian Chen, Shi Guo, Renbiao Jin, Tianshuo Yang, Xin Cai, Yawen Luo, Mingxin Yang, Mulin Yu, Linning Xu, Tianfan Xue

机构 * AnyRecon: Arbitrary-View 3D Reconstruction with Video Diffusion Model（AnyRecon：任意视角3D重建与视频扩散模型） 纠错

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

AI总结 AnyRecon通过视频扩散模型实现任意视角3D重建，保留显式几何控制并支持灵活条件设置，通过全局场景记忆和几何感知条件策略提升大场景重建效率与鲁棒性。

Comments Webpage: https://yutian10.github.io/AnyRecon/

HarmoniDiff-RS: Training-Free Diffusion Harmonization for Satellite Image Composition

HarmoniDiff-RS：无训练扩散谐调用于卫星图像合成

Xiaoqi Zhuang, Jefersson A. Dos Santos, Jungong Han

机构 * The University of Sheffield（谢菲尔德大学） ； Tsinghua University（清华大学） 纠错

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

AI总结 本文提出HarmoniDiff-RS，一种无训练的扩散框架，用于在不同领域条件下谐调合成卫星图像。通过潜在均值偏移操作对齐源域和目标域，结合时间步的潜在融合策略生成候选合成图像，并利用轻量级和谐分类器选择最一致的结果。

Comments 8 pages, 6 figures, CVPR 2026 findings. Code is available at https://github.com/XiaoqiZhuang/HarmoniDiff-RS

Single-Step Reconstruction-Free Anomaly Detection and Segmentation via Diffusion Models

基于扩散模型的实时无重建异常检测与分割

Mehrdad Moradi, Marco Grasso, Bianca Maria Colosimo, Kamran Paynabar

机构 * H. Milton Stewart School of Industrial and Systems Engineering（H. Milton Stewart工业与系统工程学院） ； Georgia Institute of Technology（佐治亚理工学院） ； Department of Mechanical Engineering（机械工程系） ； Polytechnic University of Milan（米兰理工学院） 纠错

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

AI总结 本文提出RADAR方法，通过注意力机制的扩散模型直接生成异常图，提升检测精度和效率，实验证明在MVTec-AD和3D打印材料数据集上均优于现有方法。

Comments 9 pages, 8 figures, 1 table. Accepted to 2025 International Conference on Machine Learning and Applications (ICMLA)

Journal ref Proc. 2025 International Conference on Machine Learning and Applications (ICMLA), Boca Raton, FL, USA, 2025, pp. 663-670

EgoMotion: Hierarchical Reasoning and Diffusion for Egocentric Vision-Language Motion Generation

视角运动：层次推理与扩散用于中心视觉-语言运动生成

Ruibing Hou, Mingyue Zhou, Yuwei Gui, Mingshuang Luo, Bingpeng Ma, Hong Chang, Shiguang Shan, Xilin Chen

机构 * Key Laboratory of Intelligent Information Processing, Institute of Computing Technology (ICT), Chinese Academy of Sciences (CAS)（智能信息处理重点实验室，计算技术研究所（ICT），中国科学院（CAS）） ； Jilin University (JLU)（吉林大学（JLU）） ； Beijing University of Posts and Telecommunications (BUPT)（北京邮电大学（BUPT）） ； University of the Chinese Academy of Sciences（中国科学院大学） 纠错

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

AI总结 本文提出EgoMotion框架，通过层次推理和扩散模型生成基于第一视角视觉和语言指令的3D人类运动，解决语义推理与运动建模的协同优化问题，提升多模态接地和运动质量。

Comments 12 pages, 3 figures

StomaD2: An All-in-One System for Intelligent Stomatal Phenotype Analysis via Diffusion-Based Restoration Detection Network

StomaD2：一种基于扩散恢复检测网络的智能气孔表型分析一体化系统

Quanling Zhao, Meng'en Qin, Yanfeng Sun, Yuan Miao, Xiaohui Yang

机构 * Henan Engineering Research Center for Artificial Intelligence Theory and Algorithms（河南人工智能理论与算法工程研究中心） ； School of Mathematics and Statistics（数学与统计学学院） ； International Joint Research Laboratory for Global Change Ecology（全球变化生态学联合研究实验室） ； School of Life Sciences（生命科学学院） ； State Key Laboratory of Cotton Biology（棉花生物学国家重点实验室） 纠错

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

AI总结 StomaD2通过扩散恢复模块和专用旋转目标检测网络，实现复杂成像条件下高精度快速气孔表型分析，其柱状结构、上下文感知重采样机制和特征重组模块提升了特征表示能力，实验表明其在玉米和小麦数据集上准确率达99.4%和99.2%。

A Generalist Model for Diverse Text-Guided Medical Image Synthesis

一种通用模型用于多样化文本引导的医学图像合成

Joseph Cho, Mrudang Mathur, Cyril Zakka, Dhamanpreet Kaur, Matthew Leipzig, Alex Dalal, Aravind Krishnan, Eubee Koo, Karen Wai, Cindy S. Zhao, Akshay Chaudhari, Matthew Duda, Ashley Choi, Ehsan Rahimy, Lyna Azzouz, Robyn Fong, Rohan Shad, William Hiesinger

机构 * Department of Cardiothoracic Surgery（心脏外科部门） ； Stanford Medicine（斯坦福医学） ； Department of Ophthalmology（眼科部门） ； Division of Cardiovascular Surgery（心血管外科分会） ； Penn Medicine（宾夕法尼亚医学） 纠错

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

AI总结 本文提出MediSyn模型，通过公开数据训练，生成六种医学领域和十种成像模态的合成图像，验证了通用模型在效率、质量和医学应用中的优势。

ZODIAC: Zero-shot Offline Diffusion for Inferring Multi-xApps Conflicts in Open Radio Access Networks

ZODIAC：零样本离线扩散用于推断开放式无线接入网络中多xApps冲突

Zeyu Fang, Shu Hong, Huu Trung Thieu, Nakjung Choi, Tian Lan

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出ZODIAC框架，通过离线数据推断开放式无线接入网络中多xApps冲突，采用不确定性感知代理模型训练、轨迹级扩散训练和组合引导去噪方法，实现高效且受物理约束的条件搜索。

On the Relation Between Diffusion and Shear Viscosity in Two-Dimensional Magnetized Yukawa Liquids

关于二维磁化Yukawa液体中扩散与剪切粘度关系的研究

N. Kh. Bastykova, T. S. Ramazanov, S. K. Kodanova

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究二维磁化Yukawa液体中剪切粘度与扩散的相互作用机制及影响因素

OmniVoice: Towards Omnilingual Zero-Shot Text-to-Speech with Diffusion Language Models

OmniVoice：迈向多语言零样本文本到语音的扩散语言模型

Han Zhu, Lingxuan Ye, Wei Kang, Zengwei Yao, Liyong Guo, Fangjun Kuang, Zhifeng Han, Weiji Zhuang, Long Lin, Daniel Povey

机构 * Xiaomi Corp.（小米公司） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 OmniVoice是一种支持600多种语言的零样本文本到语音模型，采用新型非自回归架构直接将文本映射到多代码本音频标记，通过全代码本随机掩码策略和预训练LLM初始化提升性能。

Industrial Surface Defect Detection via Diffusion Generation and Asymmetric Student-Teacher Network

工业表面缺陷检测通过扩散生成与非对称教师-学生网络

Shuo Feng, Runlin Zhou, Yuyang Li, Guangcan Liu

机构 * School of Automation, Southeast University, Nanjing, China（自动化学院，东南大学，南京，中国） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出一种无监督缺陷检测方法，结合扩散模型与非对称教师-学生架构，解决数据稀缺、长尾分布和复杂背景下的细微缺陷定位问题，实验表明其在MVTecAD数据集上表现优异。

Preconditioners for the Onsager-Stefan-Maxwell equations for multicomponent diffusion

多组分扩散的奥萨格-史蒂芬-马克斯韦尔方程的预处理程序

Kars Knook, Aaron Baier-Reinio, Patrick E. Farrell

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出了一种增广拉格朗日预处理程序，用于解决稳态奥萨格-史蒂芬-马克斯韦尔方程的预处理问题，适用于等压等温理想气体环境，并展示了其在多种多组分流动中的鲁棒性。

Dual-Guard: Dual-Channel Latent Watermarking for Provenance and Tamper Localization in Diffusion Images

双守护：用于扩散图像溯源和篡改定位的双通道潜在水印

JinFeng Xie, Chengfu Ou, Peipeng Yu, Xiaoyu Zhou, Dingding Huang, Jianwei Fei, Zixuan Shen, Zhihua Xia

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出Dual-Guard双通道潜在水印框架，通过高斯阴影水印和潜在指纹编码器实现溯源验证、对抗性框架抵抗及区域级篡改定位，实验表明其在多种攻击下保持高检测率和低误报率。

Energy relaxation due to two-phonon scattering of electrons: Breakdown of the energy diffusion model

电子双声子散射导致的能量弛豫：能量扩散模型的失效

Joshua Covey, Dmitrii L. Maslov

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究电子双声子散射在关联电子系统中的能量弛豫机制，发现双声子散射主导能量弛豫，推翻传统能量扩散模型。

Comments 5 pages, 3 figures, supplementary material

Diffusion Synthetic Acceleration for polytopic discretisations of Boltzmann transport

扩散合成加速用于玻尔兹曼传输的多边形离散化

Ansar Calloo, Matthew Evans, François Madiot, Tristan Pryer

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文研究了扩散合成加速在多边形不连续伽辽金方法空间离散的单能各向同性散射S_N传输方程中的应用，比较了经典对称内罚和改进内罚方法的收敛性。

Comments 25 pages, 9 figures

CoCoDiff: Optimizing Collective Communications for Distributed Diffusion Transformer Inference Under Ulysses Sequence Parallelism

CoCoDiff：在Ulysses序列并行性下优化分布式扩散变换器推理

Bin Ma, Xingjian Ding, Tekin Bicer, Pengfei Su, Dong Li

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 CoCoDiff通过利用V仅需线性投影而Q/K需额外归一化和RoPE的特性，以及相邻去噪步骤的时序冗余，提出三种机制优化集体通信，实现3.6至8.4倍加速。

Conditional Diffusion Modeling with Attention for Probabilistic Battery Capacity Prediction under Real-World Condition

基于注意力机制的条件扩散建模用于真实世界条件下概率电池容量预测

Chunlin Jiang, Hequn Li, Zhongwei Deng, Jie Shao, Zhansheng Ning

机构 * University of Electronic Science and Technology of China（电子科技大学） ； University of Twente（代尔夫特理工大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出CDUA模型，结合特征工程与深度学习，通过扩散生成模型和注意力机制提升电池容量预测精度与不确定性量化能力。

On the Diffusion Time Evolution of Folding Chains in the Heteropolymer Model

折叠链在异聚物模型中折叠时间的演化

Okezue Bell

专题命中 扩散模型 ：diffusion(title)

AI总结 本文基于异聚物模型研究蛋白质折叠特征的时间演化，发现折叠氨基酸链遵循幂律D~t^ν，随机性增强时幂指数ν从0.66降到0.5。

Comments Actively updating work to distance/build upon IMP heteropolymer study reproduction

CoInteract: Physically-Consistent Human-Object Interaction Video Synthesis via Spatially-Structured Co-Generation

CoInteract：通过空间结构化共生成实现物理一致的人-物体交互视频合成

Xiangyang Luo, Xiaozhe Xin, Tao Feng, Xu Guo, Meiguang Jin, Junfeng Ma

机构 * Tsinghua University（清华大学） ； Alibaba Group（阿里巴巴集团） 纠错

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

AI总结 CoInteract通过空间结构化共生成方法，在人-物体交互视频合成中提升结构稳定性与物理合理性，采用扩散变换器框架结合人类感知混合专家和双流训练策略，实现更真实的交互效果。

Comments The project page: https://xinxiaozhe12345.github.io/CoInteract_Project/

Geometric Decoupling: Diagnosing the Structural Instability of Latent

几何解耦：诊断潜在空间的结构不稳定性

Yuanbang Liang, Zhengwen Chen, Yu-Kun Lai

机构 * School of Computer Science and Informatics（计算机科学与信息学学院） ； Cardiff University（卡迪夫大学） ； Cardiff, United Kingdom（英国卡迪夫） 纠错

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

AI总结 本文提出通过分析生成雅可比矩阵，将几何分解为局部缩放和局部复杂度，揭示潜在扩散模型中潜在空间不稳定性的问题，并提出几何解耦作为评估生成可靠性的新指标。

FluentAvatar: Flicker-Free Talking-Head Animation via Phoneme-Guided Autoregressive Modeling

FluentAvatar: 通过音素引导的自回归建模实现无闪烁的说话头动画

Yuchen Deng, Xiuyang Wu, Hai-Tao Zheng, Suiyang Zhang, Yi He, Yuxing Han

机构 * Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Pengcheng Laboratory（鹏城实验室） 纠错

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

AI总结 本文提出FluentAvatar，通过音素引导的自回归模型解决现有扩散模型中帧间闪烁问题，实现了高质量的说话头动画生成。

Budgeted Online Influence Maximization

预算化的在线影响力最大化

Pierre Perrault, Jennifer Healey, Zheng Wen, Michal Valko

机构 * Adobe Research（Adobe研究院） ； Inria Lille（Inria里尔分校） ； DeepMind（深度Mind） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出一种新的预算化框架，考虑广告活动的总成本而非传统选择影响者集合的基数约束。通过独立级联扩散模型和边级半带反馈，提出算法并提供理论和实验结果，改进了基数约束下的后悔界。

Comments 37th International Conference on Machine Learning (ICML 2020), 28 pages

Multi-Cycle Spatio-Temporal Adaptation in Human-Robot Teaming

人类-机器人协同中的多周期空间-时间适应

Alex Cuellar, Michael Hagenow, Julie Shah

机构 * MIT CSAIL（麻省理工学院计算机科学与人工智能实验室） ； UW Madison Department of Computer Science（威斯康星大学麦迪逊分校计算机科学系） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出RAPIDDS框架，通过联合适应任务调度和机器人运动扩散模型，提升人类-机器人协同的效率与空间适应性，通过仿真和物理机器人实验验证了其有效性。

Comments 8 pages, 7 figures

Multiscale Assessment of Tritium Behavior in Preliminary Fusion Pilot Plant Design Using Surrogate Models in TMAP8

利用TMAP8中的代理模型对初步聚变示范反应堆设计中氚行为进行多尺度评估

Lin Yang, Pierre-Clément A. Simon, Emre Yildirim, José Trueba, Matthew Robinson, Masashi Shimada

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文通过代理模型研究聚变反应堆中氚的扩散、捕获与回收，提升燃料循环建模精度，加速设计迭代。

Comments 47 pages, 23 figures with appendix. Submitted to Nuclear Fusion

Are X-ray Atmospheres Heated by Turbulent Dissipation? XRISM Constraints

射线大气是否由湍流耗散加热？XRISM限制

B. R. McNamara, A. C. Fabian, H. R. Russell, P. E. J. Nulsen, A. Simionescu, A. Majumder, E. D. Miller, A. Sarkar

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究评估湍流耗散是否能抵消辐射冷却流，发现湍流耗散在部分区域可能有效，但Perseus和Virgo系统面临多重挑战，需更大样本验证。

Comments Submitted to ApJ. Comments are welcome!