图像生成

Improved Electrochemical Performance and Diffusion kinetics by Boron-doping in Na$_{0.66}$Mn$_{0.8}$Fe$_{0.2}$O$_{2}$ Layered Cathodes for Sodium-Ion Batteries

通过硼掺杂提升Na₀.₆₆Mn₀.₈Fe₀.₂O₂层状正极材料的电化学性能与扩散动力学性能用于钠离子电池

Jayashree Pati, P. Senthilkumar, Deepak Seth, Riya Gulati, Manish Kr. Singh, Madhav Sharma, Anita Dhaka, M. Ali Haider, Rajendra S. Dhaka

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究通过硼掺杂改善钠离子电池正极材料的比容量和循环稳定性，利用电化学测试和理论计算分析其扩散动力学及结构稳定性。

Comments submitted

DiffQEC: A versatile diffusion model for quantum error correction

DiffQEC：一种用于量子纠错的通用扩散模型

Tianyi Xu, Qinglong Liu, Maolin Wang, Fei Zhang, Zhe Zhao, Yang Wang, Ye Wei

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出DiffQEC，一种基于离散去噪扩散的生成解码器，通过结合综合征处理器和特征调制，提升量子纠错的解码效率与准确性。

Comments 15 pages, 4 figures

Scaling Properties of Continuous Diffusion Spoken Language Models

连续扩散口语语言模型的可扩展性特性

Jason Ramapuram, Eeshan Gunesh Dhekane, Amitis Shidani, Dan Busbridge, Bogdan Mazoure, Zijin Gu, Russ Webb, Tatiana Likhomanenko, Navdeep Jaitly

机构 * Apple（苹果公司） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文研究连续扩散口语语言模型在性能上的可扩展性，提出基于音素Jensen-Shannon散度的评估指标，发现其在参数规模增加时生成质量提升，但长文本连贯性仍面临挑战。

High-accuracy sampling for diffusion models and log-concave distributions

扩散模型与对数凹分布的高精度采样

Fan Chen, Sinho Chewi, Constantinos Daskalakis, Alexander Rakhlin

机构 * Department of XXX, University of YYY, Location, Country（XXX系，YYY大学，地点，国家） ； School of ZZZ, Institute of WWW, Location, Country（ZZZ学院，WWW研究所，地点，国家） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出扩散模型采样算法，实现δ误差在polylog(1/δ)步内完成，改进了现有结果。针对数据内在维度d*和非均匀L-Lipschitz条件，提出复杂度为polylog(1/δ)的采样方法。

Fate of diffusion under integrability breaking of classical integrable magnets

经典可积磁体在非可积性破坏下的扩散命运

Jiaozi Wang, Sourav Nandy, Markus Kraft, Tomaž Prosen, Robin Steinigeweg

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究经典可积磁体在非可积性破坏下的扩散行为，发现扩散常数随扰动强度变化及磁化转移统计分布的非高斯到高斯转变。

Comments 8 pages, 8 figures

Beyond Binary Out-of-Distribution Detection: Characterizing Distributional Shifts with Multi-Statistic Diffusion Trajectories

超越二元分布外检测：利用多统计扩散轨迹表征分布偏移

Achref Jaziri, Martin Rogmann, Martin Mundt, Visvanathan Ramesh

机构 * Goethe University（弗赖堡大学） ； University of Bremen（不莱梅大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出DISC方法，通过扩散模型的迭代去噪过程提取多维特征向量，表征多噪声水平下的统计差异，实现对分布外数据类型的分类，突破传统二元检测的局限。

Comments Accepted at AISTATS 2026

DreamAudio: Customized Text-to-Audio Generation with Diffusion Models

DreamAudio: 基于扩散模型的定制化文本到音频生成

Yi Yuan, Xubo Liu, Haohe Liu, Xiyuan Kang, Zhuo Chen, Yuxuan Wang, Mark D. Plumbley, Wenwu Wang

机构 * School of Computer Science and Electronic Engineering, University of Surrey（Surrey大学计算机科学与电子工程学院） ； Department of Informatics, King’s College London（伦敦国王学院信息学院） ； Seed Group, ByteDance Inc.（字节跳动Seed团队） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出DreamAudio，通过参考音频样本生成定制化音频，提升细粒度音频控制能力，实验显示其在定制生成任务中表现优异。

Comments Lastest arxiv version. Accepted by IEEE/ACM Transactions on Audio, Speech, and Language Processing. Demos are available at https://yyua8222.github.io/DreamAudio_demopage/

GeoEdit: Local Frames for Fast, Training-Free On-Manifold Editing in Diffusion Models

GeoEdit：用于扩散模型中无训练快速在流形上编辑的局部框架

Yiming Zhang, Sitong Liu, Ke Li, Zhihong Wu, Alex Cloninger, Melvin Leok

机构 * University of California San Diego, La Jolla, CA, USA（加州大学圣迭戈分校） ； University of Washington, Seattle, WA, USA（华盛顿大学） ； Xidian University, Xi'an, China（西电大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出GeoEdit，通过局部流形切线空间实现无需训练的快速在流形上编辑，利用小扰动构建切线框架，实现精细编辑。

BiMol-Diff: A Unified Diffusion Framework for Molecular Generation and Captioning

BiMol-Diff：一种用于分子生成和描述的统一扩散框架

Aditya Hemant Shahane, Anuj Kumar Sirohi, Devansh Arora, Nitin Kumar, Prathosh A P, Sandeep Kumar

机构 * Indian Institute of Technology Delhi（印度理工学院德里） ； Indian Institute of Technology Ropar（印度理工学院罗帕尔） ； Indian Institute of Science Bengaluru（班加罗尔印度科学研究院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出BiMol-Diff，一种统一的扩散框架，用于文本条件分子生成和分子描述任务，通过token-aware噪声调度提升分子结构-语言建模的保真度。

When to Commit? Towards Variable-Size Self-Contained Blocks for Discrete Diffusion Language Models

何时承诺？面向离散扩散语言模型的可变大小自包含块

Danny Wang, Ruihong Qiu, Zi Huang

机构 * The University of Queensland（昆士兰大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出可变大小自包含块(VSB)以解决离散扩散语言模型中固定大小或启发式块解码导致的早token承诺问题，通过自包含性原则提升预测一致性。

Task-guided Spatiotemporal Network with Diffusion Augmentation for EEG-based Dementia Diagnosis and MMSE Prediction

基于扩散增强的任务引导时空网络用于基于EEG的痴呆症诊断和MMSE预测

Xiaoyu Zheng, Xu Tian, Bin Jiao, Kunbo Cui, Hanhe Lin, Lu Shen, Jin Liu

机构 * Hunan Provincial Key Lab on Bioinformatics, School of Computer Science and Engineering, Central South University（湖南生物信息省重点实验室，计算机科学与工程学院，中南大学） ； Xinjiang Engineering Research Center of Big Data and Intelligent Software, School of Software, Xinjiang University（新疆大数据与智能软件工程研究中心，软件学院，新疆大学） ； School of Science and Engineering, University of Dundee（科学与工程学院，邓迪大学） ； Department of Neurology, Xiangya Hospital, Central South University（神经内科，湘雅医院，中南大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出任务引导时空网络，通过多频段特征融合模块和扩散增强模块，提升EEG数据中痴呆症诊断和MMSE预测的准确性与鲁棒性。

Symmetric Equilibrium Propagation for Thermodynamic Diffusion Training

对称均衡传播用于热力学扩散训练

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 本文提出对称均衡传播作为热力学扩散模型的本地训练规则，通过低秩耦合实现高效训练，显著降低能耗。

On the Memorization of Consistency Distillation for Diffusion Models

关于扩散模型中一致性蒸馏的记忆性

Bingqing Jiang, Difan Zou

机构 * School of Computing & Data Science, The University of Hong Kong（计算与数据科学学院，香港大学） ； School of Computing & Data Science and Institute of Data Science, The University of Hong Kong（计算与数据科学学院和数据科学研究所，香港大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究探讨了蒸馏对扩散模型记忆性的影响，发现一致性蒸馏可减少记忆性的同时保持样本质量，理论分析表明其抑制不稳定特征方向，提升泛化能力。

Comments 34 pages

NI Sampling: Accelerating Discrete Diffusion Sampling by Token Order Optimization

基于令牌顺序优化的NI采样：通过令牌顺序优化加速离散扩散采样

Enshu Liu, Xuefei Ning, Yu Wang, Zinan Lin

机构 * Department of EE, Tsinghua University（清华大学电子工程系） ； Microsoft Research（微软研究院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出NI采样方法，通过优化令牌采样顺序显著提升离散扩散模型的采样效率，实验表明在保持准确性的同时，加速效果达14.3倍。

Comments Accepted by ICLR 2026

Doloris: Dual Conditional Diffusion Implicit Bridges with Sparsity Masking Strategy for Unpaired Single-Cell Perturbation Estimation

Doloris：双条件扩散隐式桥梁与稀疏掩码策略用于无配对单细胞扰动估计

Changxi Chi, Jun Xia, Yufei Huang, Zhuoli Ouyang, Cheng Tan, Yunfan Liu, Jingbo Zhou, Chang Yu, Liangyu Yuan, Siyuan Li, Zelin Zang, Stan Z. Li

机构 * Zhejiang University（浙江大学） ； Westlake University（西湖大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Centre for Artificial Intelligence and Robotics Hong Kong Institute of Science & Innovation, Chinese Academy of Sciences（人工智能与机器人中心 香港创新研究院 中国科学院） ； Southern University of Science and Technology（南方科技大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Shanghai Jiao Tong University（上海交通大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出Doloris模型，通过双条件扩散模型和稀疏掩码策略解决无配对单细胞扰动数据建模问题，有效捕捉单细胞扰动多样性并取得最佳性能。

Magnetic field dynamics in presence of Hall conductivity and thermal diffusion

有霍尔电导率和热扩散时的磁场动力学

G. S. Bisnovatyi-Kogan, M. V. Glushikhina

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究霍尔电流与热扩散对磁场结构的影响，推导包含种子磁场生成机制的磁场动力学方程。

Comments 23 pages, 8 figures

CODA: Coordination via On-Policy Diffusion for Multi-Agent Offline Reinforcement Learning

CODA：通过在线扩散实现多智能体离线强化学习中的协调

Marcel Hedman, Kale-ab Abebe Tessera, Juan Claude Formanek, Anya Sims, Riccardo Zamboni, Trevor McInroe, John Torr, Elliot Fosong

机构 * Inephany Ltd（Inephany有限公司） ； Department of Statistics, University of Oxford（牛津大学统计系） ； University of Cape Town Cape Town, South Africa（南非开普敦大学） ； The University of Edinburgh（爱丁堡大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 CODA通过在线扩散生成合成经验，解决多智能体离线强化学习中的协调问题，提升联合行为适应性。

Measuring Temporal Linguistic Emergence in Diffusion Language Models

在扩散语言模型中测量时间语言涌现

Harry Lu

机构 * School of Mathematics, University of Minnesota, Minneapolis MN, United States（明尼苏达大学数学系，明尼苏达州明尼阿波利斯） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究通过分析LLaDA-8B-Base在WikiText-103上的生成轨迹，探讨不同信息在生成过程中的测量时间，发现内容类别比功能密集类别更早稳定，粗略语义标签比精确词法身份更易线性恢复，中段轨迹状态最易受干扰。

The Decay of Impact with Network Distance in Linear Diffusion Processes

线性扩散过程中网络距离对影响衰减的影响

Alexander Murray-Watters, Cheng Wang, John R. Hipp, Cynthia Lakon, Carter T. Butts

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文研究了线性扩散过程中网络距离对影响衰减的影响，提出了一种近似解来描述节点间总影响与网络距离的关系，并通过数值实验验证了该模型的有效性。

Sampling-Free Diffusion Transformers for Low-Complexity MIMO Channel Estimation

无需采样的扩散变换器用于低复杂度MIMO信道估计

Zhixiong Chen, Hyundong Shin, Arumugam Nallanathan

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出无需采样的扩散变换器(SF-DiT-CE)用于低复杂度MIMO信道估计，利用MIMO信道的角域稀疏性，通过轻量级DiT直接预测干净信道，避免迭代采样，提升准确性和鲁棒性。

On the Reasoning Abilities of Masked Diffusion Language Models

关于掩码扩散语言模型的推理能力

Anej Svete, Ashish Sabharwal

机构 * ETH Zürich（苏黎世联邦理工学院） ； Allen Institute for AI（人工智能研究所） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文研究了掩码扩散模型在推理任务中的能力，通过与链式思维和填充循环变压器框架对比，证明了其在有限精度对数宽度下与多项式填充PLTs等效，并展示了其在解决特定问题时的高效性。

Toward Theoretical Insights into Diffusion Trajectory Distillation via Operator Merging

迈向通过算子合并的扩散轨迹蒸馏的理论洞察

Weiguo Gao, Ming Li

机构 * School of Mathematical Sciences, Fudan University（复旦大学数学科学学院） ； Shanghai Key Laboratory of Contemporary Applied Mathematics（上海当代应用数学重点实验室） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文通过算子合并问题重新诠释扩散轨迹蒸馏，揭示线性高斯和非线性高斯混合两种 regime 中的理论机制，提出理论最优合并策略及计算方法。

Comments 25 pages, 23 figures

Journal ref Neural Networks 202 (2026) 109023

Improving Music Source Separation with Diffusion and Consistency Refinement

通过扩散与一致性细化提升音乐源分离

Tornike Karchkhadze, Mohammad Rasool Izadi, Shuo Zhang, Shlomo Dubnov

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音乐源分离方法，通过迭代去噪增强分离效果，采用一致性蒸馏加速推理，提升性能并保持质量，适用于多种架构。

V-GRPO: Online Reinforcement Learning for Denoising Generative Models Is Easier than You Think

V-GRPO：去噪生成模型的在线强化学习比你想象的更容易

Bingda Tang, Yuhui Zhang, Xiaohan Wang, Jiayuan Mao, Ludwig Schmidt, Serena Yeung-Levy

机构 * Stanford University（斯坦福大学） ； Tsinghua University（清华大学） ； Amazon FAR（亚马逊FAR） ； University of Pennsylvania（宾夕法尼亚大学） 纠错

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

AI总结 本文提出V-GRPO方法，通过结合ELBO近似与GRPO算法，实现稳定高效的去噪生成模型在线强化学习，优于传统MDP方法，在文本到图像合成中取得最佳性能。

Accelerating New Product Introduction for Visual Quality Inspection via Few-Shot Diffusion-Based Defect Synthesis

通过少样本扩散基缺陷合成加速新产品引入

Serkan Hamdi Güğül, Kemal Levi, Burak Acar

机构 * Relimetrics, Inc.（Relimetrics公司） 纠错

专题命中 扩散模型 ：diffusion(title)；分类 cs.CV

AI总结 本文提出一种端到端生成框架，通过少样本扩散基缺陷合成提升视觉检测性能，实现在领域内增强和跨领域迁移，显著提升NPI阶段的检测精度。

Comments 10 pages, 6 figures. White paper from Relimetrics, Inc

ShapeUP: Scalable Image-Conditioned 3D Editing

ShapeUP: 可扩展的图像条件3D编辑

Inbar Gat, Dana Cohen-Bar, Guy Levy, Elad Richardson, Daniel Cohen-Or

机构 * Tel Aviv University（特拉维夫大学） 纠错

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

AI总结 ShapeUP提出一种可扩展的图像条件3D编辑框架，通过监督的潜在到潜在转换实现高质量3D编辑，优于现有训练和无训练基线。

Comments SIGGRAPH 2026. Project page: https://inbar-2344.github.io/ShapeUp-page/

Audio-Omni: Extending Multi-modal Understanding to Versatile Audio Generation and Editing

Audio-Omni: 扩展多模态理解到多功能音频生成与编辑

Zeyue Tian, Binxin Yang, Zhaoyang Liu, Jiexuan Zhang, Ruibin Yuan, Hubery Yin, Qifeng Chen, Chen Li, Jing Lyu, Wei Xue, Yike Guo

机构 * Hong Kong University of Science and Technology（香港理工大学） ； WeChat Vision, Tencent Inc（微信视觉，腾讯公司） ； Peking University（北京大学） 纠错

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

AI总结 Audio-Omni提出首个端到端框架，统一音频生成与编辑，结合多模态理解能力，通过冻结的多模态大语言模型与可训练的扩散变换器实现高保真合成，并构建大规模数据集提升音频编辑性能。

SMP: Reusable Score-Matching Motion Priors for Physics-Based Character Control

SMP：基于物理的字符控制的可重用评分匹配运动先验

Yuxuan Mu, Ziyu Zhang, Yi Shi, Dun Yang, Minami Matsumoto, Kotaro Imamura, Guy Tevet, Chuan Guo, Michael Taylor, Chang Shu, Pengcheng Xi, Xue Bin Peng

机构 * Simon Fraser University（西蒙 Fraser大学） ； Stanford University（斯坦福大学） ； Snap Inc.（Snap公司） ； National Research Council Canada（加拿大国家研究理事会） ； NVIDIA（NVIDIA公司） 纠错

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

AI总结 本文提出SMP，利用预训练的运动扩散模型和评分蒸馏采样生成可重用的运动先验，适用于多种任务，能合成新风格并产生高质量动作。

Comments To appear in ACM Transactions on Graphics (SIGGRAPH 2026)

Towards Any-Quality Image Segmentation via Generative and Adaptive Latent Space Enhancement

通过生成性和自适应潜在空间增强实现任意质量图像分割

Guangqian Guo, Aixi Ren, Yong Guo, Xuehui Yu, Jiacheng Tian, Wenli Li, Chaowei Wang, Yaoxing Wang, Shan Gao

机构 * Northwestern Polytechnical University（西北工业大学） ； Max Planck Institute for Informatics（马克斯·普朗克研究所） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

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

AI总结 本文提出GleSAM++，通过生成性潜在空间增强和自适应增强机制提升低质量图像分割鲁棒性，同时保持对清晰图像的泛化能力。

Comments Diffusion-based latent space enhancement helps improve the robustness of SAM

GS-DOT: Gaussian splatting-based image reconstruction for diffuse optical tomography

基于高斯溅射的图像重建：用于扩散光学断层扫描

Jingjing Jiang

机构 * Computational Optical Imaging Group, Biomedical Optics Research Laboratory, Dept. of Neonatology, University Hospital Zurich（计算光学成像组、生物医学光学研究实验室、新生儿科部门、苏黎世大学医院） ； University of Zurich, Switzerland（苏黎世大学，瑞士） 纠错

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

AI总结 本文提出GS-DOT，一种基于高斯溅射的扩散光学断层扫描图像重建框架，通过优化高斯原始体实现吸收系数的稀疏表示，提高了噪声鲁棒性和内存效率。