图像生成

Structure-Guided Diffusion Model for EEG-Based Visual Cognition Reconstruction

基于结构引导的扩散模型用于EEG视觉认知重建

Yongxiang Lian, Yueyang Cang, Pingge Hu, Yuchen He, Li Shi

机构 * China Academy of Information and Communications Technology（信息与通信技术研究院） 纠错

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

AI总结 本文提出结构引导扩散模型(SGDM)，通过整合结构信息提升EEG视觉重建的精度与泛化能力，实现更高质量的视觉内容解码。

Breaking Watermarks in the Frequency Domain: A Modulated Diffusion Attack Framework

频域中破解水印：一种调制扩散攻击框架

Chunpeng Wang, Binyan Qu, Xiaoyu Wang, Zhiqiu Xia, Shanshan Zhang, Yunan Liu, Qi Li

机构 * Qilu University of Technology (Shandong Academy of Sciences)（齐鲁工业大学（山东省科学院）） ； Dalian Maritime University（大连海事大学） ； Nanjing University of Science and Technology（南京理工大学） ； Shandong Jianzhu University（山东建筑大学） 纠错

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

AI总结 本文提出FMDiffWA框架，通过频域调制模块在正反扩散过程中实现水印信号的高效去除，同时保持图像视觉质量，改进了传统扩散模型的训练策略，实验显示其在视觉保真度和通用性方面优于现有方法。

Multimodal Diffusion to Mutually Enhance Polarized Light and Low Resolution EBSD Data

多模态扩散用于互为增强的偏振光与低分辨率EBSD数据

Harry Dong, Timofey Efimov, Megna Shah, Jeff Simmons, Sean Donegan, Marc De Graef, Yuejie Chi

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Air Force Research Laboratory（空军研究实验室） ； Yale University（耶鲁大学） 纠错

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

AI总结 本文提出多模态扩散模型，通过结合偏振光和低分辨率EBSD数据，提升数据收集效率，实现颗粒边界预测、超分辨率和去噪等任务的性能提升。

Nuclear Diffusion Models for Low-Rank Background Suppression in Videos

核扩散模型用于视频中低秩背景抑制

Tristan S. W. Stevens, Oisín Nolan, Jean-Luc Robert, Ruud J. G. van Sloun

机构 * Dept. of Electrical Engineering, Eindhoven University of Technology, the Netherlands（埃因霍温理工大学电气工程系，荷兰） ； Philips Research North America, Cambridge MA, USA（飞利浦北美研究部，马萨诸塞州剑桥） 纠错

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

AI总结 本文提出核扩散模型，结合低秩时间建模与扩散后验采样，提升视频去雾性能，尤其在对比度增强和信号保持方面优于传统RPCA。

Comments 5 pages, 4 figures, preprint

Journal ref 2026 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)

Adaptive Autoguidance for Item-Side Fairness in Diffusion Recommender Systems

自适应自引导的扩散推荐系统中物品层面公平性

Zihan Li, Gustavo Escobedo, Marta Moscati, Oleg Lesota, Markus Schedl

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出A2G-DiffRec，通过自适应自引导提升扩散推荐系统中物品层面的公平性，在牺牲少量准确率的情况下有效平衡不同流行度物品的曝光。

Comments Accepted at SIGIR 2026

dWorldEval: Scalable Robotic Policy Evaluation via Discrete Diffusion World Model

dWorldEval: 通过离散扩散世界模型实现可扩展的机器人策略评估

Yaxuan Li, Zhongyi Zhou, Yefei Chen, Yaokai Xue, Yichen Zhu

机构 * University of Toronto（多伦多大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出dWorldEval，利用离散扩散世界模型统一处理多模态信息，通过单个Transformer网络实现去噪，并引入稀疏关键帧记忆和进度令牌，提升机器人策略评估的可扩展性。

Fast, Stable, and Physical: Hyperbolic, Magnetic Field-Aligned Diffusion in SPH

快速、稳定且物理合理：超几何、磁场对齐扩散在SPH中的应用

Nicholas Owens, James Wadsley, Robert Wissing, Ben Keller

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出了一种基于磁场对齐的超几何扩散方法，通过线性精确梯度扩展（LESPH）提升SPH的稳定性与精度，适用于磁热不稳定性等测试问题。

Comments 9 pages, 8 figures

Equivariant Asynchronous Diffusion: An Adaptive Denoising Schedule for Accelerated Molecular Conformation Generation

等变异步扩散：一种适应性去噪时间表用于加速分子构象生成

Junyi An, Chao Qu, Yun-Fei Shi, Zhijian Zhou, Fenglei Cao, Yuan Qi

机构 * Shanghai Academy of Artificial Intelligence for Science, SAIS（上海人工智能科学研究院，SAIS） ； College of Chemistry and Chemical Engineering, Xiamen University（厦门大学化学与化工学院） ； Artificial Intelligence Innovation and Incubation (AI 3 ) Institute, Fudan University（复旦大学人工智能创新与孵化（AI 3）研究院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出等变异步扩散模型，结合异步去噪时间表与分子级时间表，有效捕捉分子层次结构，提升3D分子生成性能。

Assessing Orbital Optimization in Variational and Diffusion Monte Carlo

评估变分和扩散蒙特卡罗中的轨道优化

Cody A. Melton, Jaron T. Krogel

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文研究了变分蒙特卡罗中轨道优化对相关磁性系统扩散蒙特卡罗结果的提升效果，通过CrSBr模型系统比较不同优化方法，发现随机重构是稳健可靠的优化器，短程Jastrow因子对提升扩散蒙特卡罗至关重要，但轨道优化产生的能量偏差可能源于赝势的局部误差增大，而固定节点误差实际得到改善。

Comments 12 pages, 10 figures

The Bitter Lesson of Diffusion Language Models for Agentic Workflows: A Comprehensive Reality Check

扩散语言模型在代理工作流中的苦涩教训：全面的现实检验

Qingyu Lu, Liang Ding, Kanjian Zhang, Jinxia Zhang, Dacheng Tao

机构 * Southeast University（东南大学） ； Alibaba（阿里巴巴） ； Southeast University Shenzhen Research Institute（东南大学深圳研究院） ； College of Computing and Data Science at Nanyang Technological University（南洋理工大学计算机与数据科学学院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文评估了扩散语言模型在代理任务中的表现，发现其在长期规划和工具调用任务中存在系统性失败，提出需整合因果推理机制以提升代理能力。

Comments ACL 2026 - Main Conference

Halide diffusion in mixed-halide perovskites and heterojunctions

卤化物在混合卤化物钙钛矿和异质结中的扩散

Viren Tyagi, Mike Pols, Geert Brocks, Shuxia Tao

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究通过分子动力学模拟揭示了卤化物缺陷迁移对钙钛矿离子输运及相分离动力学的影响，发现混合卤化物中空位和间隙离子扩散增强，且异质结界面结构调控扩散行为。

Comments 24 pages, 5 figures

Flexible Multitask Learning with Factorized Diffusion Policy

灵活的多任务学习与因子化扩散策略

Chaoqi Liu, Haonan Chen, Sigmund H. Høeg, Shaoxiong Yao, Yunzhu Li, Kris Hauser, Yilun Du

机构 * University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Harvard University（哈佛大学） ； Norwegian University of Science and Technology（挪威科学与技术大学） ； Columbia University（哥伦比亚大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出一种因子化扩散策略框架，通过将复杂动作分布分解为多个专用扩散模型，提升多任务学习的灵活性和适应性，实验证明其在仿真和现实机器人任务中表现优异。

Enzyme-Substrate Complex Formation Modulates Diffusion-Driven Patterning In Metabolic Pathways

酶-底物复合物形成调节代谢通路中的扩散驱动成纹

Faezeh Farivar

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究探讨了可逆酶-底物结合如何影响两步代谢通路中的模式形成，通过构建三物种反应扩散系统，揭示了扩散驱动的模式形成机制及酶结合对空间异质性的影响。

Anisotropic diffusion modeling of cosmic-ray lepton propagation

各向异性扩散模型用于宇宙射线莱顿传播

V. D. Borisov, I. A. Kudryashov

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文利用DAMPE和H.E.S.S.的观测数据，结合AMS-02正电子分数，通过各向异性空间变化扩散框架分析宇宙射线电子-正电子谱，发现扩散张量的空间依赖性和各向异性能准确描述本地电子和正电子数据，得出注入谱指数γ=2.169，与扩散激波加速理论一致。

Journal ref Phys. Rev. D 113, 083037 (2026)

Algebraic Language Models for Inverse Design of Metamaterials via Diffusion Transformers

基于扩散变换器的代数语言模型用于通过扩散变换器进行超材料逆设计

Li Zheng, Siddhant Kumar, Dennis M. Kochmann

机构 * Mechanics & Materials Laboratory, Department of Mechanical and Process Engineering, ETH Zürich（机械与材料实验室，机械与过程工程系，苏黎世联邦理工学院） ； Department of Materials Science and Engineering, Delft University of Technology（材料科学与工程系，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DiffuMeta框架，通过将扩散变换器与代数语言表示结合，实现三维超材料的逆设计，能生成具有精确应力-应变响应的壳体结构，并同时控制多种机械目标。

A data-driven model reduction approach for backward fractional diffusion-wave equations

一种数据驱动的模型降维方法用于反向分数扩散波方程

Dakang Cen, Zhiyuan Li, Wenlong Zhang

专题命中 扩散模型 ：diffusion(title)

AI总结 本文提出一种基于可用数据的观测系统，其解与正向问题解一一对应，证明其在有限维空间中具有相同的线性结构，理论结果表明该方法能有效提升反问题求解效率。

Comments 16 pages

Wan-Image: Pushing the Boundaries of Generative Visual Intelligence

Wan-Image：推动生成视觉智能的边界

Chaojie Mao, Chen-Wei Xie, Chongyang Zhong, Haoyou Deng, Jiaxing Zhao, Jie Xiao, Jinbo Xing, Jingfeng Zhang, Jingren Zhou, Jingyi Zhang, Jun Dan, Kai Zhu, Kang Zhao, Keyu Yan, Minghui Chen, Pandeng Li, Shuangle Chen, Tong Shen, Yu Liu, Yue Jiang, Yulin Pan, Yuxiang Tuo, Zeyinzi Jiang, Zhen Han, Ang Wang, Bang Zhang, Baole Ai, Bin Wen, Boang Feng, Feiwu Yu, Gang Wang, Haiming Zhao, He Kang, Jianjing Xiang, Jianyuan Zeng, Jinkai Wang, Junjie Zhou, Ke Sun, Linqian Wu, Pei Gong, Pingyu Wu, Ruiwen Wu, Tongtong Su, Wenmeng Zhou, Wenting Shen, Wenyuan Yu, Xianjun Xu, Xiaoming Huang, Xiejie Shen, Xin Xu, Yan Kou, Yangyu Lv, Yifan Zhai, Yitong Huang, Yun Zheng, Yuntao Hong, Zhe Zhang, Zhicheng Zhang

机构 * Wan Team（万团队） ； Alibaba Group（阿里巴巴集团） 纠错

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

AI总结 Wan-Image通过统一多模态架构和大规模数据训练，实现从随意生成到专业级视觉工具的转变，具备超长文本渲染、多主体身份保持等专业能力。

How Vulnerable Is My Learned Policy? Universal Adversarial Perturbation Attacks On Modern Behavior Cloning Policies

我的学习策略有多脆弱？现代行为克隆策略的通用对抗扰动攻击

Akansha Kalra, Basavasagar Patil, Guanhong Tao, Daniel S. Brown

机构 * University of Utah（犹他大学） ； University of California, Irvine（加州大学尔湾分校） 纠错

专题命中 扩散模型 ：diffusion(abstract,abstract_cn)

AI总结 研究评估了现代行为克隆策略对白盒、灰盒和黑盒对抗扰动的脆弱性，发现大多数方法易受攻击，包括跨算法的黑盒转移攻击。

Reshoot-Anything: A Self-Supervised Model for In-the-Wild Video Reshooting

Reshoot-Anything：一种用于真实视频重拍的自监督模型

Avinash Paliwal, Adithya Iyer, Shivin Yadav, Muhammad Ali Afridi, Midhun Harikumar

机构 * Morphic Inc.（Morphic公司） 纠错

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

AI总结 本文提出一种自监督框架，通过生成伪多视角训练三元组实现动态视频重拍，利用互联网级单目视频提升模型泛化能力，解决多视角数据稀缺问题。

Comments CVPRW 2026, Project page: https://adithyaiyer1999.github.io/reshoot-anything/, Code: https://github.com/morphicfilms/video-to-video

ORSIFlow: Saliency-Guided Rectified Flow for Optical Remote Sensing Salient Object Detection

ORSIFlow：基于显著性的校正流用于光学遥感显著物体检测

Haojing Chen, Zhihang Liu, Yutong Li, Tao Tan, Haoyu Bian, Qiuju Ma

机构 * 1University of Electronic Science ； 2Hainan University, Haikou, China ； 3China University of Mining \& Technology (Beijing), Beijing, China 纠错

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

AI总结 ORSIFlow提出了一种基于显著性的校正流框架，将光学遥感显著物体检测转化为确定性潜在流生成问题，通过冻结变分自编码器构建紧凑潜在空间，提升推理效率，并设计显著特征判别器和校准器以增强显著性意识，实验表明其在多个公开基准上实现了最先进的性能。

Segment Any-Quality Images with Generative Latent Space Enhancement

通过生成潜在空间增强实现任意质量图像分割

Guangqian Guo, Yong Guo, Xuehui Yu, Wenbo Li, Yaoxing Wang, Shan Gao

机构 * Northwestern Polytechnical University（西北工业大学） ； Huawei（华为） ； University of Chinese Academy of Sciences（中国科学院大学） ； Huawei Noah’s Ark Lab（华为诺亚实验室） 纠错

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

AI总结 本文提出GleSAM，通过生成潜在空间增强提升低质量图像分割鲁棒性，采用潜在扩散方法改进SAM框架，构建LQSeg数据集，实验证明在复杂退化下表现优异。

Comments Accepted by CVPR2025

Statistical Analysis of Markovian Generative Modeling

马尔可夫生成建模的统计分析

Eddie Aamari, Arthur Stéphanovitch

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文探讨了基于马尔可夫动态的连续时间生成模型的统计分析，涵盖分数扩散模型的随机微积分基础、生成匹配框架及有限样本保证，旨在连接现代生成模型与概率、分析和统计工具。

Reionization, UV Luminosity and 21$\,$cm Sensitivity to Primordial Magnetic Fields: Impact of Energy Losses

再电离、紫外光亮度和21厘米对原始磁场的灵敏度：能量损失的影响

Gaétan Facchinetti, Alexander Korochkin, Laura Lopez-Honorez, Justus Schwagereit

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究通过考虑能量损失对原始磁场的影响，重新评估其约束，并展示21厘米信号实验HERA对原始磁场的灵敏度提升。

Comments 29 pages, 12 figures

Large deviation principles for the stationary solutions and invariant measures of a class of SPDE with locally monotone coefficients

关于具有局部单调系数的SPDE的平稳解和不变测度的大偏差原理

Yong Liu, Bin Tang, Rangrang Zhang

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文研究了具有局部单调系数的SPDE的平稳解的存在性，并证明了这些解的大偏差原理，通过收缩原理推导出不变测度的大偏差原理，避免了构造准势能和验证Dembo-Zeitouni均匀大偏差原理的需要。

TabSCM: A practical Framework for Generating Realistic Tabular Data

TabSCM：生成真实表格数据的实用框架

Sven Jacob, Bardh Prenkaj, Weijia Shao, Gjergji Kasneci

机构 * Federal Institute for Occupational Safety and Health (BAuA)（联邦职业安全与健康研究所） ； 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 Center for Machine Learning (MCML)（慕尼黑机器学习中心） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 TabSCM通过保留因果依赖生成真实表格数据，结合条件扩散模型和梯度提升树提高生成质量，同时在多个数据集上优于现有方法，提升解释性和因果鲁棒性。

Stackelberg Stochastic Linear-Quadratic Differential Games: A Closed-Loop Equilibrium Approach

Stackelberg随机线性二次微分博弈：闭环均衡方法

Qi Lü, Bowen Ma, Hanxiao Wang

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文研究了在闭环信息下随机线性二次微分博弈的Stackelberg问题，提出基于闭环均衡策略的新框架，通过将领导者问题转化为正向反向最优控制问题，推导出均衡Riccati方程，并证明其与文献中的耦合HJB系统一致，扩展了现有结果的应用范围。

Comments 26 pages, 3 figures

Multi-Agent Consensus as a Cognitive Bias Trigger in Human-AI Interaction

多智能体共识作为人类与人工智能交互中的认知偏差触发器

Soohwan Lee, Kyungho Lee

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究探讨多智能体系统中共识机制对人类判断的影响，发现多数共识加速意见变化并提升自信，而少数反对则促进更深入的思考，揭示了智能体共识结构在人类与AI交互中的偏差相关信号作用。

Comments ACM CHI 2026 Workshop on Understanding, Mitigating, and Leveraging Cognitive Biases to Calibrate Trust in Evolving AI Systems (CHI'26 Bias4Trust)

AI-Driven Performance-to-Design Generation and Optimization of Marine Propellers

基于人工智能的船舶螺旋桨性能到设计生成与优化

Leah Chen, Keni Chih-Hua Wu, Boon Tat Chia, Xiuqing Xing, Jian Cheng Wong

机构 * Mencast Marine, Singapore（1Mencast Marine，新加坡） ； Institute of High Performance Computing, Agency for Science, Technology and Research, Singapore（2高性能计算研究所，新加坡科技研究局） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出基于物理的数据生成管道和生成式AI框架，用于生成符合性能要求的螺旋桨设计，减少传统设计迭代时间，提升设计多样性。

Comments Accepted at OMAE 2026

UniSonate: A Unified Model for Speech, Music, and Sound Effect Generation with Text Instructions

UniSonate：一种统一的语音、音乐和音效生成模型，通过文本指令控制

Chunyu Qiang, Xiaopeng Wang, Kang Yin, Yuzhe Liang, Yuxin Guo, Teng Ma, Ziyu Zhang, Tianrui Wang, Cheng Gong, Yushen Chen, Ruibo Fu, Chen Zhang, Longbiao Wang, Jianwu Dang

机构 * Tianjin University（天津大学） ； Kling Team, Kuaishou Technology（快手科技 Kling 团队） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 UniSonate通过统一的文本指令接口生成语音、音乐和音效，采用动态令牌注入机制和多阶段课程学习策略，提升跨模态生成性能，实现指令驱动的TTS和TTM的SOTA表现。

Comments Accepted to ACL 2026 main conference (oral)

Generating Synthetic Malware Samples Using Generative AI

利用生成式人工智能生成合成恶意软件样本

Tiffany Bao, Kylie Trousil, Quang Duy Tran, Fabio Di Troia, Younghee Park

机构 * Department of Computer Science, Boston University（波士顿大学计算机科学系） ； Department of Computer Science, University of Wisconsin–La Crosse（威斯康星大学拉克罗斯分校计算机科学系） ； Department of Computer Science, San José State University（圣何塞州立大学计算机科学系） ； Silicon Valley Cybersecurity Institute（硅谷网络安全研究所） ； Department of Computer Engineering, San José State University（圣何塞州立大学计算机工程系） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出利用生成式人工智能生成合成恶意软件样本，以弥补不平衡数据集中的不足，通过分解恶意软件二进制样本为指令序列并利用自然语言处理提升生成对抗网络等模型的性能，实验结果显示分类性能提升显著。

Comments 12 pages, 8 figures. This paper has been published in IEEE Access, available at this URL: https://ieeexplore.ieee.org/document/10947040

Journal ref IEEE Access, vol. 13, pp. 59725-59736, 2025