图像生成

Brain MR Image Synthesis with 3D Multi-Contrast Self-Attention GAN

利用3D多对比自注意GAN进行脑部MRI图像合成

Zaid A. Abod, Furqan Aziz

机构 * School of Computing and Mathematical Sciences, University of Leicester（利兹大学计算与数学科学学院） 纠错

专题命中 文生图 ：image synthesis(title)；分类 cs.CV

AI总结 本文提出3D-MC-SAGAN框架，通过单张T2w图像生成高保真多对比MRI图像，保留肿瘤特征，结合多种损失函数提升全局真实感和肿瘤结构保真度。

Comments Note: This work has been submitted to the IEEE for possible publication

PhysEdit: Physically-Consistent Region-Aware Image Editing via Adaptive Spatio-Temporal Reasoning

PhysEdit: 一种通过自适应时空推理实现物理一致的区域感知图像编辑

Guandong Li, Mengxia Ye

机构 * iFLYTEK ； Aegon THTF 纠错

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

AI总结 PhysEdit通过自适应时空推理实现物理一致的区域感知图像编辑，提升编辑效率和准确性，适用于不同复杂度的图像编辑任务。

Comments 11 pages, 7 figures

SPLICE: Latent Diffusion over JEPA Embeddings for Conformal Time-Series Inpainting

SPLICE：基于JEPA嵌入的潜在扩散模型用于置信时间序列修复

Arnaud Zinflou

机构 * Hydro-Québec Research Institute Canada（加拿大水电研究院） 纠错

专题命中 扩散模型 ：inpainting(title,abstract)；diffusion(title)

AI总结 SPLICE结合潜在生成修复与分布无关的在线自适应预测区间，通过JEPA编码器、条件潜在桥接和解码器实现时间序列修复，利用ACI保证预测覆盖，优于现有基线。

IdentiFace: Multi-Modal Iterative Diffusion Framework for Identifiable Suspect Face Generation in Crime Investigations

IdentiFace：面向犯罪调查的可识别嫌疑人面部生成多模态迭代扩散框架

Weichen Liu, Yixin Yang, Changsheng Chen, Alex Kot

机构 * Southeast University（东南大学） ； Shenzhen MSU-BIT University（深圳MSU-BIT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IdentiFace框架，通过多模态输入设计和迭代生成流程提升可识别嫌疑人面部生成的条件控制与特征调整能力，贡献了面部身份损失函数和两个专用数据集，实验证明其在身份检索上的优越性能。

Comments 11 pages, 5 figures

Diffusion Models for Solving Inverse Problems via Posterior Sampling with Piecewise Guidance

通过后验采样与分段引导的扩散模型解决逆问题

Saeed Mohseni-Sehdeh, Walid Saad, Kei Sakaguchi, Tao Yu

机构 * Department of Electrical and Computer Engineering（电气与计算机工程系） ； Virginia Tech（弗吉尼亚理工大学） ； Department of Electrical and Electronic Engineering（电气电子工程系） ； Institute of Science（科学研究所） 纠错

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

AI总结 本文提出一种基于扩散模型的分段引导框架，用于解决逆问题，通过分段函数平衡计算效率与引导精度，有效整合测量噪声，实验显示在图像修复和超分辨率任务中提升效率。

Repurposing Image Diffusion Models for Adversarial Synthetic Structured Data: A Case Study of Ground Truth Drift

将图像扩散模型用于对抗性合成结构数据：真实值漂移的案例研究

Adam Arthur, Christopher Schwartz

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究探讨了利用现有图像扩散模型生成对抗性合成数据的可能性，分析了模型在空间局部性上的归纳偏差，并提出合成证据作为新类别，探讨了真实值漂移的产生机制。

Comments 2 figures

Information-geometric adaptive sampling for graph diffusion

信息几何自适应采样用于图扩散

Yuhui Lu, Wenjing Liu, Kun Zhan

机构 * School of Information Science and Engineering（信息科学与工程学院） 纠错

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

AI总结 本文提出基于信息几何的图扩散自适应采样方法，通过Fisher-Rao度量定义信息速度，提升分子和社会网络生成的结构保真度和采样效率。

Comments Accepted to ICML 2026!

Conditional Diffusion Posterior Alignment for Sparse-View CT Reconstruction

基于条件扩散后验对齐的稀疏视图CT重建

Luis Barba, Johannes Kirschner, Benjamin Bejar

机构 * Swiss Data Science Center (SDSC) in Paul Scherrer Institute (PSI)（瑞士数据科学中心（SDSC）在保罗·舍勒研究所（PSI）） ； Swiss Data Science Center (SDSC) and ETH Zurich（瑞士数据科学中心（SDSC）和苏黎世联邦理工学院） ； Swiss Data Science Center (SDSC) and Paul Scherrer Institute (PSI)（瑞士数据科学中心（SDSC）和保罗·舍勒研究所（PSI）） 纠错

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

AI总结 本文提出CDPA方法，结合条件扩散与显式数据一致性，解决稀疏视图CT重建中3D体积扩展问题，通过2D U-Net模型提升切片一致性，并在合成和真实CBCT数据上取得最佳性能。

It's Never Too Late: Noise Optimization for Collapse Recovery in Trained Diffusion Models

迟到也不晚：通过噪声优化在训练好的扩散模型中恢复崩溃

Anne Harrington, A. Sophia Koepke, Shyamgopal Karthik, Trevor Darrell, Alexei A. Efros

机构 * UC Berkeley（加州大学伯克利分校） ； University of Tübingen, Tübingen AI Center（图宾根大学，图宾根人工智能中心） ； TU Munich, MCML（慕尼黑工业大学，MCML） 纠错

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

AI总结 本文通过噪声优化提升扩散模型生成多样性，减少模式崩溃，同时保持基础模型的保真度。

Comments CVPR 2026. Project page at https://akoepke.github.io/divgen/index.html

DiffMI: Breaking Face Recognition Privacy via Diffusion-Driven Training-Free Model Inversion

DiffMI：通过扩散驱动的无训练模型逆向攻击破解人脸识别隐私

Hanrui Wang, Shuo Wang, Chun-Shien Lu, Isao Echizen

机构 * Echizen Lab, National Institute of Informatics (NII)（筑前实验室，日本国立信息学研究所） ； Shanghai Jiao Tong University（上海交通大学） ； Institute of Information Science, Academia Sinica（学术院信息科学研究所） 纠错

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

AI总结 本文提出DiffMI，一种基于扩散的无训练模型逆向攻击方法，通过鲁棒潜在码初始化、对抗性细化策略和统计学基础的优化目标，实现对未知目标身份和人脸识别模型的有效攻击，具有更高的适应性和更低的计算开销。

Comments IEEE Transactions on Information Forensics and Security

Journal ref IEEE Transactions on Information Forensics and Security, vol. 21, 2026. 4275-4290

Diffusion Models are Secretly Zero-Shot 3DGS Harmonizers

扩散模型实际上是秘密的零样本3DGS和谐者

Vsevolod Skorokhodov, Nikita Durasov, Pascal Fua

机构 * Computer Vision Laboratory, EPFL（EPFL 计算机视觉实验室） 纠错

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

AI总结 本文提出D3DR方法，通过扩散模型隐含理解场景光照，实现3DGS场景中物体的自然插入与光照修正，提升视图合成质量。

Deep-Picard Iteration for Space-time Fractional Diffusion PDEs

深度-皮卡德迭代用于时空分数扩散偏微分方程

Zhijun Zeng, Zhitong Chen, Ling Qin, Yi Zhu

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出一种深度-皮卡德迭代框架，用于高维非线性时空分数扩散方程，通过蒙特卡洛模拟分数动力学替代直接离散Caputo记忆项和非局部分数拉普拉斯算子，利用监督神经网络回归避免分数微分算子残差最小化，测试表明在d=100维问题中具有稳定收敛性和高精度。

Soft Graph Diffusion Transformer for MIMO Detection

用于MIMO检测的软图扩散变换器

Nan Jiang, Jiadong Hong, Lei Liu, Xinyu Bian, Wenjie Wang, Zhaoyang Zhang

机构 * College of Information Science and Electronic Engineering（信息科学与电子工程学院） ； Theory Lab, Central Research Institute, 2012 Labs（理论实验室、中央研究所、2012实验室） ； Huawei Technologies Co., Ltd.（华为技术有限公司） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出SGDiT模型，从流匹配视角重新审视MIMO检测，通过自适应层归一化条件软图变换器实现噪声级条件去噪过程，结合交叉熵训练目标提升符号检测性能。

Comments 6 pages, 4 figures, 2 tables

GD4: Graph-based Discrete Denoising Diffusion for MIMO Detection

GD4：基于图的离散去噪扩散用于MIMO检测

Qincheng Lu, Sitao Luan, Xiao-Wen Chang

机构 * School of Computer Science（计算机科学学院） ； McGill University（麦吉尔大学） ； University of Montreal（蒙特利尔大学） ； Mila - Quebec AI Institute（魁北克人工智能研究所） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出GD4，一种基于图的离散去噪扩散方法，用于MIMO检测，在有限计算预算下产生高质量次优解，优于现有扩散方法和经典基线。

VQ-SAD: Vector Quantized Structure Aware Diffusion For Molecule Generation

VQ-SAD：基于向量量化结构感知的分子生成扩散模型

Farshad Noravesh, Reza Haffari, Layki Soon, Arghya Pal

机构 * Monash University（墨尔本大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 VQ-SAD通过将原子和键类型编码为VQ-VAE的潜在变量，结合符号与神经结构信息，提升分子生成扩散模型的去噪效果，优于现有方法。

Comments 17 pages

A unified perspective on fine-tuning and sampling with diffusion and flow models

Carles Domingo-Enrich, Yuanqi Du, Michael S. Albergo

机构 * Microsoft Research New England（微软研究新英格兰实验室） ； Harvard University（哈佛大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

Mean-Field Path-Integral Diffusion: From Samples to Interacting Agents

均场路径积分扩散：从样本到交互代理

Michael Chertkov

机构 * Graduate Interdisciplinary Program in Applied Mathematics & Department of Mathematics, University of Arizona（应用数学联合计划与数学系，亚利桑那大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出均场路径积分扩散框架，通过共享统计量使样本协调传输概率质量，统一生成模型与多代理控制，证明在二次交互势能下，自洽引导是初始与目标均值的精确线性插值。

Comments 31 pages, 14 figures

Cross-fluctuation phase transitions reveal sampling dynamics in diffusion models

交叉波动相变揭示扩散模型中的采样动力学

Sai Niranjan Ramachandran, Manish Krishan Lal, Suvrit Sra

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 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 ：diffusion(title,abstract)

AI总结 研究通过交叉波动分析扩散模型中分布采样动力学的相变过程，揭示采样过程中分布结构的演变及提升生成效率的方法。

Comments Accepted at NeurIPS 2025. 10 pages, camera-ready version. appendices included

Incomplete Data, Complete Dynamics: A Diffusion Approach

不完整数据，完整动态：一种扩散方法

Zihan Zhou, Chenguang Wang, Hongyi Ye, Yongtao Guan, Tianshu Yu

机构 * School of Data Science, The Chinese University of Hong Kong, Shenzhen（数据科学学院，香港中文大学（深圳）） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出一种基于扩散的框架，通过将不完整数据分为观察上下文和未观测查询部分，实现对物理系统的学习与缺失部分的准确填补，理论和实验均证明其在流体流动和天气系统等任务中优于现有方法。

Geometric thermodynamics of reaction-diffusion systems: Thermodynamic trade-off relations and optimal transport for pattern formation

反应扩散系统的几何热力学：图案形成与耗散的热力学权衡关系及最优传输

Ryuna Nagayama, Kohei Yoshimura, Artemy Kolchinsky, Sosuke Ito

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文通过几何方法研究反应扩散系统中图案形成与耗散的关系，揭示热力学权衡关系与最优传输在模式形成中的作用，通过数学方法分析耗散与模式演变速度的关联。

Comments 49 pages, 11 figures

MSACT: Multistage Spatial Alignment for Stable Low-Latency Fine Manipulation

MSACT：多阶段空间对齐用于稳定低延迟精细操控

Xianbo Cai, Hideyuki Ichiwara, Masaki Yoshikawa, Tetsuya Ogata

机构 * Department of Intermedia Art and Science, Waseda University（武藏大学多媒体艺术与科学系） ； National Institute of Advanced Industrial Science and Technology (AIST)（国家先进工业科学与技术研究院） 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MSACT，通过多阶段空间对齐模块提升低延迟精细操控的稳定性，结合预训练ResNet视觉先验，增强视觉到动作的映射稳定性，实验证明在模拟和真实任务中提升了定位稳定性和任务性能。

Comments 8 pages, 6 figures

Color Conditional Generation with Sliced Wasserstein Guidance

基于切片Wasserstein指导的颜色条件生成

Alexander Lobashev, Maria Larchenko, Dmitry Guskov

机构 * Glam AI ； Magicly AI ； McGill University（麦吉尔大学） 纠错

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

AI总结 本文提出SW-Guidance方法，通过修改扩散模型采样过程，利用可微的切片1-Wasserstein距离提升颜色一致性，生成与参考图像颜色匹配且语义连贯的图像。

Comments NeurIPS 2025, spotlight

Journal ref https://neurips.cc/virtual/2025/loc/san-diego/poster/115823

Collective Recourse for Generative Urban Visualizations

生成城市可视化中的集体救济

Rashid Mushkani

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

AI总结 本文提出集体救济机制，通过结构化社区'视觉缺陷报告'触发模型和规划流程的修复。研究定义了救济流程、在扩散栈中定位四个基本原理，并评估了240份合成报告的效果。

Stepper: Stepwise Immersive Scene Generation with Multiview Panoramas

Stepper：基于多视角全景图的分步沉浸式场景生成

Felix Wimbauer, Fabian Manhardt, Michael Oechsle, Nikolai Kalischek, Christian Rupprecht, Daniel Cremers, Federico Tombari

机构 * Google（谷歌） ； University of Oxford（牛津大学） ； MCML ； Technical University of Munich（慕尼黑技术大学） 纠错

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

AI总结 Stepper通过分步扩展多视角全景图，解决传统方法在视觉保真度与可探索性之间的权衡问题，实现高质量沉浸式3D场景生成。

Comments Accepted at CVPR 2026 Findings; Find our project page under https://fwmb.github.io/stepper/

Scale-Aware Adversarial Analysis: A Diagnostic for Generative AI in Multiscale Complex Systems

基于尺度的对抗分析：生成AI在多尺度复杂系统中的诊断

Mengke Zhao, Guang-Xing Li, Duo Xu, Keping Qiu

机构 * School of Astronomy and Space Science, Nanjing University（南京大学天文与空间科学学院） ； South-Western Institute for Astronomy Research, Yunnan University（云南西南天文研究所） ； Key Laboratory of Modern Astronomy and Astrophysics (Nanjing University), Ministry of Education（南京大学现代天文与天体物理重点实验室） ； Canadian Institute for Theoretical Astrophysics, University of Toronto（多伦多大学加拿大理论天体物理研究所） 纠错

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

AI总结 本文提出基于约束扩散分解的诊断框架，用于评估生成AI在多尺度复杂系统中的性能，揭示模型在物理约束下的稳定性与连续性问题。

Comments submitted, comments welcome

Flow matching for Sentinel-2 super-resolution: implementation, application, and implications

Sentinel-2超分辨率的流匹配：实现、应用与影响

Dakota Hester, Vitor S. Martins, Lucas B. Ferreira, Thainara M. A. Lima, Juliana A. Araújo

机构 * Department of Agricultural and Biological Engineering, Mississippi State University（农业与生物工程系，密苏里州立大学） ； North Mississippi Research and Extension Center, Mississippi State University（北密苏里研究与推广中心，密苏里州立大学） 纠错

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

AI总结 本文提出一种流匹配模型，用于Sentinel-2影像的4倍超分辨率处理，通过对比实验显示其在单步采样中的像素准确率优于扩散和Real-ESRGAN模型，并在20步采样中生成逼真图像，为高分辨率遥感应用提供了新方法。

Comments 41 pages, 16 figures, 7 tables. Submitted in ISPRS Open Journal of Photogrammetry and Remote Sensing

HyCOP: Hybrid Composition Operators for Interpretable Learning of PDEs

HyCOP：混合组成算子用于可解释性学习偏微分方程

Jinpai Zhao, Nishant Panda, Yen Ting Lin, Eirik Valseth, Diane Oyen, Clint Dawson

机构 * Los Alamos National Laboratory（洛斯阿拉莫斯国家实验室） ； Norwegian University of Life Sciences（挪威生命科学大学） ； Simula Research Lab.（Simula研究实验室） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 HyCOP通过组合简单模块学习参数化PDE解算子，提供可解释程序，优于传统神经算子，并支持模块化迁移。

Unsupervised Learning of Quantum Phase Transitions for Bose-Hubbard lattice systems

无监督学习玻色-哈伯德晶格系统的量子相变

Bihui Zhu

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出基于扩散映射的无监督学习方法，用于识别玻色-哈伯德模型中不同相结构的相变，无需先验知识或手工设计的可观测量。

Comments 11 pages, 6 figures

Reconstruction of glymphatic transport fields from subject-specific imaging data, with particular emphasis on cerebrospinal fluid flow and tracer conservation

从受体特异性成像数据中重建淋巴系统运输场，特别强调脑脊液流动和示踪剂守恒

A. Derya Bakiler, Michael J. Johnson, Michael R. A. Abdelmalik, Frimpong A. Baidoo, Andrew Badachhape, Ananth V. Annapragada, Thomas J. R. Hughes, Shaolie S. Hossain

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出一种计算框架，用于从时空成像数据中高保真重建受体特异性淋巴系统运输场，通过求解约束反问题实现质量守恒，验证了该方法在小鼠脑部对比增强磁共振成像中的有效性。

Comments Total 40 pages including references and appendix, 16 figures

Architecting mechanosensitive nanofluidic transport in graphite nanoslits

在石墨纳米狭缝中构建机械敏感的纳米流体传输

Mathieu Lizée, Zhijia Zhang, Baptiste Coquinot, Qian Yang, Lydéric Bocquet

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究通过理性设计石墨纳米狭缝内的离子传输，实现压力敏感的双极响应，揭示了表面电荷模式对压力依赖性导电性的调控机制。

Comments 9 pages, 4 figures