图像生成

Boosting Text-to-Image Diffusion Models via Core Token Attention-Based Seed Selection

通过基于核心标记注意力的种子选择提升文本到图像扩散模型

Yunzhe Zhang, Hongfu Liu, Pengyu Hong

机构 * Brandeis University（布兰迪大学） 纠错

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

AI总结 本文研究了文本到图像扩散模型中种子对生成质量的影响，提出基于核心标记注意力的种子选择方法，无需训练即可提升文本与图像的一致性及视觉质量。

Comments Preprint

TextBoost: Boosting Text Encoder for Personalized Text-to-Image Generation

TextBoost: 通过文本编码器提升文本到图像生成的个性化

NaHyeon Park, Kunhee Kim, Hyunjung Shim

机构 * KAIST（韩国科学技术院） 纠错

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

AI总结 本文提出TextBoost，一种高效的文本到图像扩散模型单次个性化方法，通过仅微调文本编码器提升计算和存储效率，并保持语义完整性，从而实现更快收敛和更低存储需求，同时保持高质量生成。

Comments Project page: https://textboost.github.io. Accepted to TMLR

Awakening the Hydra: Stabilizing Multi-Concept Backdoor Injection in Text-to-Image Diffusion Models

唤醒 Hydra：在文本到图像扩散模型中稳定多概念后门注入

Kai Wang, Jiale Zhang, Chengcheng Zhu, Chuang Ma, Songze Li

机构 * Yangzhou University（扬州大学） ； Nanjing University（南京大学） ； Chongqing University（重庆大学） ； Southeast University（东南大学） 纠错

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

AI总结 本文研究了在易受干扰的环境下多概念后门攻击的稳定性问题，提出 Hydra 框架，通过约束触发语义和协调跨任务交互，实现稳健且可控的多概念后门注入，实验表明 Hydra 在保持清洁生成质量的同时，有效激活后门。

Comments Preprint. 18 pages

Diffusion-State Policy Optimization for Masked Diffusion Language Models

扩散状态策略优化用于掩码扩散语言模型

Daisuke Oba, Hiroki Furuta, Naoaki Okazaki

机构 * Institute of Science Tokyo（东京科学研究院） 纠错

专题命中 扩散模型 ：diffusion(title,summary_cn)

AI总结 本文提出Diffusion-State Policy Optimization（DiSPO），一种用于掩码扩散语言模型的插件信用分配层，通过直接优化中间填充决策来改进生成过程，实验表明其在数学和规划基准测试中优于现有基线方法。

Query-Aware Flow Diffusion for Graph-Based RAG with Retrieval Guarantees

基于查询意识的流扩散图基RAG系统：具有检索保证

Zhuoping Zhou, Davoud Ataee Tarzanagh, Sima Didari, Wenjun Hu, Baruch Gutow, Oxana Verkholyak, Masoud Faraki, Heng Hao, Hankyu Moon, Seungjai Min

机构 * Samsung SDS Research America（三星SDS美国研究院） 纠错

专题命中 扩散模型 ：diffusion(title,summary_cn)

AI总结 本文提出了一种无需训练的Query-Aware Flow Diffusion RAG（QAFD-RAG）系统，通过动态适应查询语义来改进图基RAG系统的检索能力，提供了首次统计保证，证明在弱信号-噪声条件下，QAFD-RAG能够以高概率恢复相关子图。

Comments Published at the International Conference on Learning Representations (ICLR) 2026. 38 pages, 5 figures, 10 tables

What Concepts Lie Within? Detecting and Suppressing Risky Content in Diffusion Transformers

什么概念在其中？在扩散变换器中检测和抑制危险内容

Chenyu Zhang

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

AI总结 本文研究了如何在扩散变换器中检测和抑制危险内容，提出了一种无需训练的推理时安全机制AHV-D&S，通过分析注意力头对概念的敏感性来检测和抑制危险生成倾向，有效压制了性内容、受版权保护的内容及有害内容，同时保持视觉质量。

Comments arXiv admin comment: This version has been removed by arXiv administrators as the submitter did not have the rights to agree to the license at the time of submission

CAB: Accelerating Flow and Diffusion Sampling via Rectification and Corrected Adams-Bashforth

CAB: 通过校正和修正Adams-Bashforth加速流和扩散采样

Anuska Roy, Pravin Nair

机构 * Department of Electrical Engineering（电气工程系） 纠错

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

AI总结 本文提出了一种无需训练的采样器CAB，通过将采样动态转换为统一的校正坐标系，并应用带有基于过去速度评估的简单修正项的多步Adams-Bashforth预测器，从而在不增加额外函数评估次数的情况下加速流和扩散模型。

DG = FEM + flat elements, Part I: Diffusion

DG = FEM + flat elements, Part I: Diffusion

Jiří Szotkowski, Václav Kučera, Chi-Wang Shu, Antoine Quiriny, Jonathan Lambrechts, Nicolas Moës, Jean-François Remacle

专题命中 扩散模型 ：diffusion(title,title_cn)

AI总结 本文研究了连续有限元方法（FEM）与不连续Galerkin方法（DG）在泊松问题中的联系，通过在单元界面插入消失厚度的'虚拟'元素，并修改扩散系数以证明FEM公式收敛于Babuška-Zlámal DG方法，采用梯形边积分。该方法通过简单的网格编辑和单个雅可比阈值实现，能够在不修改原有FEM代码的情况下实现DG的简单实现，并支持适应性元素级的FEM与DG切换。

Rethinking the Design Space of Reinforcement Learning for Diffusion Models: On the Importance of Likelihood Estimation Beyond Loss Design

重新思考扩散模型强化学习的设计空间：超越损失设计的似然估计的重要性

Jaemoo Choi, Yuchen Zhu, Wei Guo, Petr Molodyk, Bo Yuan, Jinbin Bai, Yi Xin, Molei Tao, Yongxin Chen

机构 * Georgia Institute of Technology（佐治亚理工学院） ； National University of Singapore（新加坡国立大学） ； Nanjing university（南京大学） 纠错

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

AI总结 本文研究了扩散模型强化学习设计空间中的关键问题，通过分解策略梯度目标、似然估计器和回放采样方案三个因素，发现基于证据下界（ELBO）的模型似然估计器是实现有效、高效和稳定强化学习优化的主要因素，优于特定策略梯度损失函数的影响。

Comments 23 pages, 11 figures

Hierarchical Schedule Optimization for Fast and Robust Diffusion Model Sampling

分层调度优化用于快速且稳健的扩散模型采样

Aihua Zhu, Rui Su, Qinglin Zhao, Li Feng, Meng Shen, Shibo He

机构 * School of Computer Science and Engineering, Macau University of Science and Technology（澳门科学技术大学计算机科学与工程学院） ； Beijing Institute of Technology（北京理工大学） ； Zhejiang University（浙江大学） 纠错

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

AI总结 本文提出了一种分层调度优化方法，通过改进的双层优化框架，在极低的函数评估次数下实现高效的扩散模型采样，显著提升了样本质量和计算效率。

Comments Preprint, accepted to AAAI 2026

Membership Inference Attacks on Discrete Diffusion Language Models

对离散扩散语言模型的成员推断攻击

Shailesh Kasivelrajan

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文研究了对微调后的MDLMs的成员推断攻击，发现其比现有灰盒基线更易受攻击，并设计了阴影模型转移攻击以证明其有效性。

Comments Citations and Co Authors need to be verified and updated. Will submit a new version soon

Taming Real-World Space-Time Video Super-Resolution with One-Step Diffusion

通过一步扩散模型平滑现实世界的时空视频超分辨率

Shuoyan Wei, Feng Li, Chen Zhou, Runmin Cong, Yao Zhao, Huihui Bai

机构 * Institute of Information Science, Beijing Jiaotong University（北京交通大学信息科学学院） ； Visual Intelligence + X International Cooperation Joint Laboratory of MOE, Beijing（教育部视觉智能+X国际合作联合实验室） ； Innovation School of Artificial Intelligence, Hefei University of Technology（合肥工业大学人工智能创新学院） ； School of Control Science and Engineering, Shandong University（山东大学控制科学与工程学院） 纠错

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

AI总结 本文提出OSDEnhancer框架，通过一步扩散模型实现鲁棒的时空视频超分辨率，解决了现实世界中复杂未知退化的问题，通过线性初始化和分治策略提升时空动态和纹理恢复性能。

Comments 12 pages, 9 figures

Landscape-Awareness for Geometric View Diffusion Model

面向几何视角的扩散模型

Yan-Ting Chen, Hao-Wei Chen, Tsu-Ching Hsiao, Chun-Yi Lee

机构 * Elsa Lab, National Taiwan University（国家台湾大学 Elsa 实验室） 纠错

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

AI总结 本文提出了一种面向几何视角的扩散模型，通过重塑优化景观来引导更新至真实视角，并通过视角条件扩散模型进行细化，以提高收敛性、减少对暴力采样依赖并实现更高的样本效率。

Comments CVPR2026

Stitched Value Model for Diffusion Alignment

用于扩散对齐的拼接价值模型

Hyojun Go, Hyungjin Chung, Prune Truong, Goutam Bhat, Li Mi, Zhaochong An, Zixiang Zhao, Dominik Narnhofer, Serge Belongie, Federico Tombari, Konrad Schindler

机构 * ETH Zurich（苏黎世联邦理工学院） ； Google（谷歌） ； University of Copenhagen（哥本哈根大学） 纠错

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

AI总结 本文提出StitchVM，一种将预训练的干净图像奖励模型转移到噪声潜在空间的拼接框架，通过高效转移和微调，提升扩散对齐的效率和效果。

Comments Project page: https://gohyojun15.github.io/StitchVM/

EpiDiffVO: Geometry-Aware Epipolar Diffusion for Robust Visual Odometry

EpiDiffVO: 一种基于几何的视差扩散用于鲁棒视觉里程计

Prateeth Rao

机构 * International Institute of Information Technology Bangalore（国际信息科技学院班加罗尔） 纠错

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

AI总结 本文提出了一种稀疏视差匹配框架，通过优化几何一致性来减少冗余，并结合视差扩散过程和图神经网络实现高效的视觉里程计。

Comments 8 pages, 5 figures, in revision to be submitted to IEEE RA-L

Sparse Mixture-of-Experts Routing in Visual Diffusion Transformers:Diagnosis, Boundary Calibration and Evolutionary Roadmap from Routing Collapse to Selective Deadlock

视觉扩散变换器中稀疏专家混合路由的稀疏性：从路由崩溃到选择性死锁的诊断、边界校准和进化路线图

Haiying Sha

机构 * Haiying Sha（海ying Sha） 纠错

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

AI总结 本文系统诊断了Token-Choice稀疏混合专家（MoE）在视频扩散变换器中的训练失败模式，通过分析超过6500万个标记的路由决策时间序列，提出了功能冗余假说，并总结了从视觉统一到世界模型的三步进化路线图。

Mitigating Mask Prior Drift and Positional Attention Collapse in Large Diffusion Vision-Language Models

缓解大扩散视觉-语言模型中的遮蔽先验漂移和位置注意力崩溃

Sujung Hong, Chanyong Yoon, Seong Jae Hwang

机构 * Department of Artificial Intelligence, Yonsei University, Seoul, Republic of Korea（首尔大学人工智能系） 纠错

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

AI总结 本文研究了大扩散视觉-语言模型在长形式生成中的重复生成和视觉 grounding 退化问题，提出了一种无需训练的解决方案来缓解遮蔽先验漂移和位置注意力崩溃。

Distribution Prototype Diffusion Learning for Open-set Supervised Anomaly Detection

分布原型扩散学习用于开放集监督异常检测

Fuyun Wang, Tong Zhang, Yuanzhi Wang, Yide Qiu, Xin Liu, Xu Guo, Zhen Cui

机构 * Nanjing University of Science and Technology（南京理工大学） ； Nanjing SeetaCloud Technology（南京海康威视科技） ； Beijing Normal University（北京师范大学） 纠错

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

AI总结 本文提出了一种分布原型扩散学习方法，通过构建可学习的高斯原型来创建潜在表示空间，以提高正常样本的判别边界，并通过Schroedinger桥促进正常样本向原型的扩散，同时将异常样本推离，从而提升异常检测性能。

Comments Accepted by CVPR 2025

Finite-temperature spin diffusion in the two-dimensional XY model

二维XY模型中有限温度下的自旋扩散

Erik Fitzner, Byungjin Lee, Junhyeok Hur, Minseok Kim, Benedikt Schneider, Jae-yoon Choi, Björn Sbierski

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究通过理论与实验结合的方法，量化了二维正方形晶格量子自旋-1/2 XY模型在有限温度下的自旋扩散，展示了在超越一维范围和验证先进量子模拟平台定量能力上的突破。

Comments 6+3 pages, comments are welcome!

Constraint-Aware Physics-Informed Neural Networks for SEIR Reaction-Diffusion Epidemic Models with Vital Dynamics

具有约束的物理信息神经网络用于带有人口动态的SEIR反应扩散流行病模型

Achraf Zinihi, Matthias Ehrhardt

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出了一种具有约束的物理信息神经网络（PINN）方法，用于带有均匀Neumann边界条件的SEIR反应扩散系统，通过结构保持隐式显式非标准有限差分（NSFD）方案生成合成基准数据，以解决空间流行病学数据稀缺的问题。

CMAD: Cooperative Multi-Agent Diffusion via Stochastic Optimal Control

CMAD：通过随机最优控制的协作多智能体扩散

Riccardo Barbano, Alexander Denker, Zeljko Kereta, Runchang Li, Francisco Vargas

机构 * University of Cambridge（剑桥大学） ； Xaira Technologies（Xaira技术公司） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出了一种新的框架，将多模型组合生成问题转化为协作随机最优控制问题，通过联合优化扩散轨迹来实现更有效的生成效果。

WIND: Weather Inverse Diffusion for Zero-Shot Atmospheric Modeling

WIND：用于零样本大气建模的天气反向扩散

Michael Aich, Andreas Fürst, Florian Sestak, Carlos Ruiz-Gonzalez, Niklas Boers, Johannes Brandstetter

机构 * Munich Climate Center（慕尼黑气候中心） ； Earth System Modelling Group, TUM School of Engineering（地球系统建模组，技术大学工程学院） ； Design, Technical University of Munich, Germany（设计，慕尼黑技术大学，德国） ； ELLIS Unit, LIT AI Lab, Institute for Machine Learning, JKU Linz, Austria（ELLIS单元，LIT人工智能实验室，机器学习研究所，JKU林茨，奥地利） ； Emmi AI GmbH, Linz, Austria（Emmi AI GmbH，林茨，奥地利） ； Potsdam Institute for Climate Impact Research, Potsdam, Germany（波茨坦气候影响研究所，波茨坦，德国） ； Department of Mathematics, University of Exeter, Exeter, United Kingdom（数学系，埃克塞特大学，埃克塞特，英国） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出WIND，一种统一的预训练基础模型，能够无需任务特定微调即可替代各种任务的专用基线，通过自监督视频重建目标预训练，实现了对大气的鲁棒、任务无关的先验学习，从而解决天气和气候问题，如概率预报、空间时间降尺度、从稀疏观测重建空间场以及强制全球干空气质量守恒。

Comments Published at the 43rd International Conference on Machine Learning (ICML 2026)

From Score Matching to Diffusion: A Fine-Grained Error Analysis in the Gaussian Setting

从分数匹配到扩散：在高斯设定下的细粒度误差分析

Samuel Hurault, Matthieu Terris, Thomas Moreau, Gabriel Peyré

机构 * ENS Paris, PSL, CNRS（巴黎高等师范学院、巴黎综合理工学院、国家科学研究中心） ； Univ. Paris-Saclay, Inria, CEA（巴黎萨克雷大学、法国国家信息与自动化技术研究所、法国原子能委员会） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文研究了在高斯设定下使用扩散采样器时的采样误差，分析了分数匹配和扩散过程中的四个主要误差源，并揭示了数据分布各向异性与端到端采样方法关键参数之间的相互作用。

Probabilistic Multivariate Time Series Forecasting with Diffusion Copulas

基于扩散Copula的概率多变量时间序列预测

David Huk, Dongshan Wang, Miha Bresar

机构 * Department of Statistics The University of Warwick（威斯敏斯特大学统计系） ； School of Data Science The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）数据科学学院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出了一种扩散-Copula框架，通过分离边际分布学习与依赖结构学习，改进了多变量时间序列预测中对尾部风险的估计，展示了在加密货币市场中对系统性极值的预测优势。

Comments ICLR 2026 Workshop Advances in Financial AI

Diffusion Graph Posterior Sampling for Nonlinear Inverse Problems with Application to Electrical Impedance Tomography

基于扩散后验采样的图结构数据非线性反问题求解方法及其在电阻抗断层成像中的应用

Giovanni S. Alberti, Damiana Lazzaro, Serena Morigi, Matteo Santacesaria, Shibo Wang

机构 * MaLGa Center, Department of Mathematics, University of Genova（马尔加中心，数学系，热那亚大学） ； Department of Mathematics, University of Bologna（数学系，博洛尼亚大学） ； Department of Mathematics, Harbin Institute of Technology（数学系，哈尔滨工业大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出了一种扩展扩散后验采样（DPS）到图结构数据的框架，通过在二维三角网格上开发无条件分数基于扩散模型来学习物理解空间的准确先验，并引入正则化变体RDPS，结合总变差和广义Tikhonov等显式正则化项，以缓解严重病态问题，实验表明RDPS在合成和真实2D EIT数据集上产生稳定且物理合理的重建。

Drifting Objectives for Refining Discrete Diffusion Language Models

漂移目标用于细化离散扩散语言模型

Daisuke Oba, Hiroki Furuta, Naoaki Okazaki

机构 * Institute of Science Tokyo（东京科学研究院） ； AIST（日本产业技术综合研究所） ； NII LLMC（日本信息处理学会LLMC） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文研究如何将漂移方法应用于离散扩散语言模型，通过引入TokenDrift目标，将类别预测提升为软令牌特征，并在冻结语义空间中应用反称漂移，从而提升生成质量。

Comments Project page: https://daioba.github.io/tokendrift/

A Unified Transmissibility-Based Interior Penalty DG Method for Heterogeneous and Anisotropic Diffusion

一种适用于异质和各向异性扩散的统一传输性基于内部惩罚非连续有限元方法

Gregory Etangsale, Vincent Fontaine, Anis Younes

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出了一种基于传输性的统一内部惩罚非连续有限元方法，用于解决异质和各向异性扩散问题，通过精确的代数消元得到一个紧凑的混合内部惩罚方法，该方法具有稳定的性能，不受扩散对比度和各向异性影响，并通过数值实验验证了理论结果。

Comments 27 pages, 7 figures. Preprint, submitted to Applied Mathematical Modelling

Tweedie's Formulae and Diffusion Generative Models Beyond Gaussian

Tweedie's公式与超越高斯的扩散生成模型

Wenpin Tang, Nizar Touzi, Zikun Zhang, Xun Yu Zhou

机构 * Department of Industrial Engineering and Operations Research, Columbia University（哥伦比亚大学工业工程与运筹学系） ； Department of Finance and Risk Engineering, New York University（纽约大学金融与风险工程系） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文扩展了Tweedie公式以适用于重要的非高斯过程，如几何布朗运动、平方贝塞尔过程和Cox-Ingersoll-Ross过程，并利用这些公式在图像和金融时间序列生成以及经验贝叶斯估计中应用非高斯扩散模型，展示了非高斯模型的潜力。

Comments 27 pages, 18 figures

CDiT: Conditional Diffusion Transformer for Geometry-Aware Terahertz Cross Far- and Near-Field Channel Generation

CDiT：面向几何感知的太赫兹跨远近场信道生成的条件扩散变换器

Zhengdong Hu, Chong Han

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出了一种条件扩散变换器（CDiT）框架，用于高保真太赫兹信道生成。通过利用最先进的混合平面球面波模型（HPSM），将太赫兹信道建模转化为稀疏波束域中的几何感知条件生成学习问题，结合位置信息作为条件信号，有效学习空间依赖的信道分布，从而实现可控且高保真的太赫兹信道合成。

Inference-Time Scaling in Diffusion Models through Iterative Partial Refinement

通过迭代部分细化在扩散模型中实现推理时间扩展

Taegu Kang, Jaesik Yoon, Sungjin Ahn

机构 * KAIST（韩国科学技术院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出了一种无需外部验证器的扩散模型推理时间扩展方法Iterative Partial Refinement，通过在混合噪声条件下迭代部分细化生成更一致的样本，在MNIST Sudoku任务中提升了有效解率。

Comments Accepted at the ICLR 2026 Workshop on AI with Recursive Self-Improvement