图像生成

Matrix-noise Jacobians in stochastic-calculus inference and optimal paths

矩阵噪声雅可比在随机微积分推断和最优路径中

Surachate Limkumnerd

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究揭示了矩阵噪声雅可比在随机动力学中的影响，通过有限步路径似然框架展示其在短时展开中的作用，并通过实验验证了其在优化路径中的可测量变化。

The Efficiency Gap in Byte Modeling

字节建模中的效率差距

Celine Lee, Jing Nathan Yan, Chen Liang, Jiaxin Shi, Yin Zhang, Jeremiah Liu, Pengcheng Yin, Fernando Pereira, Ed Chi, Derek Cheng, Alexander M. Rush, Ruoxi Wang

机构 * Google DeepMind（谷歌DeepMind） ； Department of Computer Science, Cornell University（康奈尔大学计算机科学系） ； Work done while at Google DeepMind（曾在谷歌深Mind工作） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究字节建模与掩码扩散建模在计算成本上的差异，发现字节建模在掩码扩散建模中效率更低，需引入新的结构偏置以维持扩展性。

Infinite-Horizon Non-Autonomous Zero-Sum Stochastic Recursive Differential Games and HJBI Equations

无限时间非自主零和随机递归微分博弈与HJBI方程

Sheng Huang, Qingmeng Wei

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文研究了无限时间非自主随机递归微分博弈，通过建立BSDE的时间依赖折扣因子和可能无界随机终端时间的well-posedness和稳定性结果，证明了价值函数为确定性并是HJBI方程的唯一粘性解。

Wall accumulation of confined active Janus colloids due to effective active diffusivity

受限活性Janus胶体的壁积累现象源于有效活性扩散率

Sandeep Ramteke, Alicia Boymelgreen, Jarrod Schiffbauer

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究揭示了受限活性Janus胶体在交流电场下因有效跨通道扩散率导致的壁积累机制，通过实验测量发现粒子在通道内的时间依赖性再分布，揭示了约束控制的主导时间尺度。

Purification of a monitored qubit: exact path-integral solution

被监控量子比特的纯化：精确路径积分解法

Matheus M. R. Poltronieri Martins, Henrique Santos Lima

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究连续时间监控下单量子比特纯化动力学，通过碰撞模型框架描述密度矩阵的条件演化，推导出纯度参数的朗之万方程，并利用路径积分法求解，揭示纯化过程中从扩散主导到测量主导的动态相变。

Comments 7 pages and 5 figures

scShapeBench: Discovering geometry from high dimensional scRNAseq data

scShapeBench: 从高维scRNAseq数据中发现几何结构

Andrew J Steindl, João Felipe Rocha, Brian Tshilengi Di Bassinga, Zachary Warren, Matthew Scicluna, César Miguel Valdez Córdova, Shabarni Gupta, Leire Torices, Daniel Neumann, Timothy J. Mann, Ihuan Gunawan, Dhananjay Bhaskar, John G Lock, Christine L Chaffer, Guy Wolf, Smita Krishnaswamy

机构 * Yale University（耶鲁大学） ； Mila / Université de Montréal（Mila / 蒙特利尔大学） ； Garvan Institute of Medical Research（Garvan医学研究机构） ； School of Biomedical Sciences, University of New South Wales（新南威尔士大学生物医学科学学院） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 scShapeBench通过合成和专家标注的单细胞数据集，提供高维数据形状检测的基准，结合扩散几何提取Reeb图，改进拓扑-aware评估指标，优于PAGA和Mapper。

Geometry over Density: Few-Shot Cross-Domain OOD Detection

密度上的几何学：少样本跨领域异常检测

Shawn Li, You Qin, Jiate Li, Charith Peris, Lisa Bauer, Roger Zimmermann, Yue Zhao

机构 * University of Southern California（南加州大学） ； National University of Singapore（新加坡国立大学） ； Amazon（亚马逊） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出UFCOD框架，通过扩散轨迹的信息几何分析实现少样本跨领域异常检测，无需额外训练即可在不同领域中高效检测异常样本。

Conditioning the tanh-drift process on first-passage times: Exact drifts, bridges, and process equivalences

对首次通过时间进行tanh漂移过程的条件化：精确漂移、桥梁和过程等价性

Kacim François-Élie, Alain Mazzolo

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文研究了具有漂移μ(x)=αtanh(αx+β)的Benes过程，探讨了在无限和有限时间范围内对首次通过时间分布的条件化，揭示了Benes过程与布朗运动在桥梁结构上的等价性，并连接了最近关于漂移布朗运动和Benes过程的条件化结果。

Comments 21 pages, 1 figure; final version

Journal ref J. Math. Phys. 67, 053301 (2026)

When to Act, Ask, or Learn: Uncertainty-Aware Policy Steering

何时行动、提问或学习：不确定性感知的策略引导

Jessie Yuan, Yilin Wu, Andrea Bajcsy

机构 * Carnegie Mellon University（卡内基梅隆大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出不确定性感知策略引导框架，通过联合推理任务语义不确定性和低层动作可行性，选择执行高置信度动作、通过自然语言查询澄清任务歧义或请求动作干预修正低层策略，提升机器人部署性能。

Comments To appear in Robotics: Science and Systems 2026

Flow Matching for Offline Reinforcement Learning with Discrete Actions

基于流匹配的离线强化学习中离散动作的处理

Fairoz Nower Khan, Nabuat Zaman Nahim, Ruiquan Huang, Haibo Yang, Peizhong Ju

机构 * Department of Computer Science, University of Kentucky（计算机科学系，肯塔基大学） ； Department of Computing and Information Sciences, Rochester Institute of Technology（计算与信息科学系，罗切斯特理工学院） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出一种适用于离散动作空间的流匹配框架，通过连续时间马尔可夫链和因子化条件路径，扩展了离线强化学习的应用范围，并在多种任务中展示了优越性能。

Cascaded Flow Matching for Heterogeneous Tabular Data with Mixed-Type Features

级联流匹配用于异质表格数据的混合类型特征

Markus Mueller, Kathrin Gruber, Dennis Fok

机构 * Econometric Institute, Erasmus University Rotterdam, Rotterdam, The Netherlands（荷兰埃因霍温鲁特兰大学经济研究所） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出级联流匹配方法，用于生成混合类型特征的表格数据，通过低分辨率和高分辨率的结合，提升生成质量与分布细节的准确性。

Comments published at ICML 2026

LLM Flow Processes for Text-Conditioned Regression

用于文本条件回归的LLM流程

Felix Biggs, Samuel Willis

机构 * Secondmind ； Wayve 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出结合轻量级神经过程与边际LLM预测，以解决文本条件回归中的误差累积问题，提升预测校准和局部一致性。

Breakdown of the Wiedemann-Franz law in an interacting quantum Hall metamaterial

量子反磁流定律在相互作用量子反磁超材料中的失效

Patrice Roche, Carles Altimiras, François D. Parmentier, Olivier Maillet

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究探讨了相互作用量子反磁超材料中量子输运特性，发现中性传输模式导致反磁流定律被违反，其洛伦兹比与链长平方根成正比。

Comments 10 pages (6 main text/refs/End Matter + 4 supplemental material), 5 figures (4 main + 1 SM). Final version, close to published one

Journal ref Phys. Rev. Lett. 136, 196301 (2026)

An MRI Atlas of the Human Fetal Brain: Reference and Segmentation Tools for Fetal Brain MRI Analysis

人类胎儿大脑的MRI图谱：用于胎儿大脑MRI分析的参考和分割工具

Mahdi Bagheri, Clemente Velasco-Annis, Jian Wang, Razieh Faghihpirayesh, Shadab Khan, Camilo Calixto, Camilo Jaimes, Lana Vasung, Abdelhakim Ouaalam, Onur Afacan, Simon K. Warfield, Caitlin K. Rollins, Ali Gholipour

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文介绍了CRL-2025胎儿大脑图谱，提供了更详细的解剖信息和分割工具，用于胎儿大脑MRI分析和神经发育研究。

Weak solutions of Stochastic Volterra Equations in convex domains with general kernels

随机Volterra方程在凸域中的弱解

Eduardo Abi Jaber, Aurélien Alfonsi, Guillaume Szulda

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文研究了具有连续系数和可能奇异非卷积核的随机Volterra方程的弱存在性，通过引入近似方案并证明其收敛性，强调了解在闭凸集内的随机不变性，并推导了非卷积Riccati方程的Laplace变换表示。

Denoising Diffused Embeddings: a Generative Approach for Hypergraphs

去噪扩散嵌入：超图的生成方法

Shihao Wu, Junyi Yang, Gongjun Xu, Ji Zhu

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出DDE方法，通过条件超链接概率模型和扩散模型生成超图新链接，解决超图数据中节点度异质性和超链接稀疏性等挑战，实验验证其在计算效率和生成性能上的优势。

Absorbing phase transitions with memory in critical scaling

具有记忆的吸收相变的临界标度

Kartik Chhajed, P. K. Mohanty

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究揭示了在临界标度中，记忆的存在可能导致吸收相变的临界指数依赖于初始条件，挑战了传统普遍性假设。

Journal ref Phys. Rev. Research 2026

Spin dynamics and polarization in relativistic systems: recent developments

相对论系统中的自旋动力学与极化：近期发展

Sourav Dey, Arpan Das, Hiranmaya Mishra, Amaresh Jaiswal

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文综述了相对论系统中自旋动力学和极化现象的最新理论与实验进展，重点讨论了重离子碰撞中自旋极化现象的理论基础及实验观测。

Comments 60 pages, 7 figures

Indefinite Stochastic LQ Optimal Control for Jump-Diffusion Systems with Random Coefficients

不定性随机线性二次最优控制：具有随机系数的跳跃扩散系统

Xinyu Ma, Qingxin Meng

专题命中 可控生成 ：diffusion(title,abstract)

AI总结 本文研究具有随机系数的跳跃扩散系统中的不定性随机线性二次最优控制问题，通过构造代数逆流提取价值函数的半鞅核，并证明其满足带跳跃的广义随机矩阵方程，无需松弛技术或额外可逆性假设，扩展了经典不定性LQ理论。

ZeD-MAP: Bundle Adjustment Guided Zero-Shot Depth Maps for Real-Time Aerial Imaging

ZeD-MAP：基于束调整的零样本深度图用于实时航拍成像

Selim Ahmet Iz, Francesco Nex, Norman Kerle, Henry Meissner, Ralf Berger

机构 * German Aerospace Center (DLR), Institute of Space Research（德国航空航天中心（DLR）空间研究所） ； Faculty of Geo-Information Science and Earth Observation (ITC), University of Twente（代尔夫特理工大学地理信息科学与地球观测学院） 纠错

专题命中 可控生成 ：diffusion(abstract)；分类 cs.CV

AI总结 本文提出ZeD-MAP框架，通过集成增量聚类束调整，将扩散深度模型转换为具有度量一致性的SLAM映射流程，实现高分辨率无人机影像的实时三维地图生成。

CUBic: Coordinated Unified Bimanual Perception and Control Framework

CUBic：协调统一的双臂感知与控制框架

Xingyu Wang, Pengxiang Ding, Jingkai Xu, Donglin Wang, Zhaoxin Fan

机构 * Beijing Advanced Innovation Center for Future Blockchain and Privacy Computing, School of Artificial Intelligence, Beihang University（北京未来区块链与隐私计算高级创新中心，人工智能学院，北京航空航天大学） ； Westlake University（西湖大学） ； Zhejiang University（浙江大学） ； Peking University（北京大学） 纠错

专题命中 可控生成 ：diffusion(abstract)

AI总结 本文提出CUBic框架，通过统一感知模型解决双臂协调问题，采用共享表示学习提升任务成功率。

Improving Diffusion Posterior Samplers with Lagged Temporal Corrections for Image Restoration

通过滞后时间校正改进扩散后验采样器用于图像修复

Davide Evangelista, Elena Morotti, Francesco Pivi, Maurizio Gabbrielli

机构 * Dept. of Computer Science and Engineering（计算机科学与工程系） ； University of Bologna（博洛尼亚大学） ； Dept. of Political and Social Sciences（政治与社会科学系） 纠错

专题命中 图像修复 ：diffusion(title,abstract)；分类 cs.CV

AI总结 本文提出LAMP方法，通过第二阶离散化与残差校正改进扩散后验采样，提升图像修复性能，无需增加去噪评估次数。

Comments 9 Figures, 9 Tables, Submitted to a conference

Inpainting over the cracks: challenges of applying pre-merger searches for massive black hole binaries to realistic LISA datasets

裂缝中的修补：将预并合搜索应用于大规模黑洞双星的现实LISA数据集的挑战

Gareth Cabourn Davies, Ian Harry

专题命中 图像修复 ：inpainting(title,abstract)

AI总结 本文探讨了在LISA数据集中应用预并合搜索检测大规模黑洞双星的挑战，比较了零延迟滤波方法与首次应用的修补技术，展示了在数据间隙存在时仍能有效识别预并合信号的能力。

Comments 13 pages, 10 figures, 4 tables

HADAR-Based Thermal Infrared Hyperspectral Image Restoration

基于HADAR的热红外超光谱图像修复

Cheng Dai, Jiale Lin, Bingxuan Song, Yifei Chen, Jiashuo Chen, Xin Yuan, Fanglin Bao

机构 * School of Science, Westlake University（西lake大学科学学院） ； School of Engineering, Westlake University（西lake大学工程学院） 纠错

专题命中 图像修复 ：inpainting(abstract)；分类 cs.CV

AI总结 本文提出HADAR驱动框架，利用热物理模型实现热红外超光谱图像的修复，通过温度、发射率和纹理三元组建模，提升去噪、补全和超分辨等性能。

Comments 17 pages, 18 figures

Equivariant Splitting: Self-supervised learning from incomplete data

等价分裂：从不完整数据中自监督学习

Victor Sechaud, Jérémy Scanvic, Quentin Barthélemy, Patrice Abry, Julián Tachella

机构 * LPENSL, CNRS, ENS de Lyon, France（LPENSL、CNRS、 Lyon 工程科学研究院、法国） ； Prysm, Lyon, France（Prysm、Lyon、法国） 纠错

专题命中 图像修复 ：inpainting(abstract)；分类 cs.CV

AI总结 本文提出一种新的自监督学习策略，用于处理单个不完整观测模型下的逆问题，通过等价性定义和自监督分裂损失，实现对监督损失的无偏估计，实验显示在高秩 deficient 前向模型中取得最佳性能。

Stylized Text-to-Motion Generation via Hypernetwork-Driven Low-Rank Adaptation

通过超网络驱动的低秩适应生成风格化文本到动作生成

Junhyuk Jeon, Seokhyeon Hong, Junyong Noh

机构 * Visual Media Lab, KAIST（韩国庆熙大学视觉媒体实验室） 纠错

专题命中 个性化与一致性 ：diffusion(abstract)；分类 cs.CV、cs.GR

AI总结 本文提出轻量级风格条件框架，通过超网络生成LoRA参数动态调节预训练扩散模型，实现高效且通用的风格化动作生成。

Comments Accepted to SIGGRAPH 2026. Project page: https://junhyukjeon.github.io/projects/style-salad/

AnyFlow: Any-Step Video Diffusion Model with On-Policy Flow Map Distillation

AnyFlow: 任意步视频扩散模型与在线策略流图蒸馏

Yuchao Gu, Guian Fang, Yuxin Jiang, Weijia Mao, Song Han, Han Cai, Mike Zheng Shou

机构 * NVIDIA ； Show Lab, National University of Singapore（新加坡国立大学Show实验室） ； MIT（麻省理工学院） 纠错

专题命中 效率与蒸馏 ：diffusion(title,abstract)；分类 cs.CV

AI总结 AnyFlow通过优化完整ODE采样轨迹，解决一致性蒸馏在任意步视频生成中的性能退化问题，实现高效在线蒸馏以减少测试时误差。

Comments Project page at https://nvlabs.github.io/AnyFlow/

DirectTryOn: One-Step Virtual Try-On via Straightened Conditional Transport

DirectTryOn: 通过直线化条件传输实现一步虚拟试穿

Xianbing Sun, Jiahui Zhan, Liqing Zhang, Jianfu Zhang

机构 * Shanghai Jiao Tong University（上海交通大学） 纠错

专题命中 效率与蒸馏 ：image generation(abstract)；diffusion(abstract)；分类 cs.CV

AI总结 本文提出通过直线化条件传输、服装保持损失和自一致性损失改进VTON，实现一步生成，提升效率与质量。

OP4KSR: One-Step Patch-Free 4K Super-Resolution with Periodic Artifact Suppression

OP4KSR：一种一步式无补丁4K超分辨率方法，具有周期性伪影抑制

Chengyan Deng, Pengbin Yu, Zhentao Chen, Wei Shen, Kai Zhang, Meng Li, Lunxi Yuan, Xue Zhou, Li Yu

机构 * School of Automation Engineering, University of Electronic Science and Technology of China（电子科技大学自动化工程学院） ； OPPO AI Center, OPPO Inc.（OPPO人工智能中心） ； School of Intelligence Science and Technology, Nanjing University（南京大学智能科学与技术学院） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)；分类 cs.CV

AI总结 OP4KSR提出一种基于Flux架构的一步式4K超分辨率方法，利用F16 VAE压缩降低内存消耗，同时通过RoPE基频重缩放和周期性损失抑制伪影，实现高效且高质量的4K超分辨率生成。

EDITS: Enhancing Dataset Distillation with Implicit Textual Semantics

EDITS: 通过隐式文本语义增强数据集蒸馏

Qianxin Xia, Jiawei Du, Guoming Lu, Zhiyong Shu, Jielei Wang

机构 * University of Electronic Science and Technology of China（电子科技大学） ； Centre for Frontier AI Research, Agency for Science, Technology and Research（前沿人工智能研究中心，科技研究局） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)；分类 cs.CV

AI总结 本文提出EDITS框架，利用图像数据中的隐式文本语义提升数据集蒸馏效果，通过全局语义查询模块融合外部文本与图像特征，结合局部语义意识选择代表性样本构建图像和文本原型，最终通过双原型引导策略生成合成数据集。