图像生成

Compartmental-reaction diffusion framework for microscale dynamics of extracellular serotonin in brain tissue

用于脑组织微尺度外周血清素动力学的隔室-反应扩散框架

Merlin Pelz, Skirmantas Janusonis, Gregory Handy

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出了一种数学框架，用于研究脑组织中外周血清素的微尺度动力学，通过建立二维隔室-反应扩散系统，利用强局部扰动理论推导出非线性积分微分方程，以分析血清素的稳态和动力学特性，揭示了血清素释放、囊泡几何和摄取动力学对细胞外血清素的影响。

On the kinetic $p$-Laplace equation with nonlocal diffusion

关于具有非局部扩散的动能 $p$-拉普拉斯方程

Lukas Niebel

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文研究了动能 $p$-拉普拉斯方程的两种非局部版本：一种通过差分定义的加利多型模型，另一种通过傅里叶乘法定义的贝塞尔型模型。利用临界动能轨迹，推导出适应于动能输运-扩散几何的表示公式，并建立非局部扩散的齐次和标度不变的动能加利多-尼伦伯格不等式，从而为非局部扩散的动能 $p$-拉普拉斯方程的弱解获得积分性提升估计。

Efficient and simple fourth-order compact finite difference methods for convection-diffusion-reaction equations on arbitrary curved domains

高效且简单的四阶紧致有限差分方法用于任意曲域上的对流-扩散-反应方程

Qiwei Feng, Bin Han, Peter Minev

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出了一种高效的四阶紧致有限差分方法，用于求解具有变量光滑系数的二维对流-扩散-反应方程及其在复杂、细长和曲域上的Dirichlet边界条件，该方法在任意不规则 stencil 中保持了简单且高阶的精度。

Comments 26 pages, 19 figures, and 7 tables

PulseCol: Periodically Refreshed Column-Sparse Attention for Accelerating Diffusion Language Models

PulseCol: 周期性刷新的列稀疏注意力用于加速扩散语言模型

Yanyi Lyu, Letian Chen, Futing Sun, Miao Zhang, Weili Guan, Liqiang Nie

机构 * Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出PulseCol，一种周期性刷新的列稀疏注意力方法，通过更细粒度的稀疏化策略提升扩散语言模型的计算效率和加速性能，同时保持模型质量。

Lower Bounds for Advection-Diffusion Equations: An Exploration with AI-Generated Proofs

关于对流-扩散方程的下界：与AI生成证明的探索

Chenyang An, Xiaoqian Xu

机构 * University of California, San Diego, La Jolla, United States（加州大学圣迭戈分校） ； Duke Kunshan University, Zu Chongzhi Center, No. 8 Duke Avenue, Kunshan, Jiangsu Province, 215316, P.R. China（杜克昆山大学，祖冲之中心） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文通过AI生成的证明方法，建立了对流-扩散方程在三种不同情形下的显式下界，包括无粘性剪切的多项式$\dot H^{-1}$界、扩散剪切的混合尺度正下界以及快速振荡时间周期性流动的指数$L^2$界。

Comments 63 pages

Diffusion Processes on Implicit Manifolds

隐式流形上的扩散过程

Victor Kawasaki-Borruat, Clara Grotehans, Pierre Vandergheynst, Adam Gosztolai

机构 * Signal Processing Laboratory 2（信号处理实验室2） ； Institute of Artificial Intelligence（人工智能研究所） ； EPFL（瑞士联邦理工学院） ； Medical University of Vienna（维也纳医学大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文研究如何仅使用点云样本在数据流形上构建扩散过程，提出隐式流形估值扩散（IMDs）方法，通过近似扩散过程的无穷小生成元和carré-du-champ来定义高维空间中的随机微分方程，实现流形内在过程的外推，并通过实验验证其在数据流形上的约束性和探索性。

Comments Comments are more than welcome!

Diffusion Models Memorize in Training -- and Generalize in Inference

扩散模型在训练中记忆，而在推理中泛化

Tim Kaiser, Markus Kollmann

机构 * Heinrich-Heine-University Düsseldorf（杜伊斯堡-埃森大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文研究了扩散模型在训练中过度拟合去噪目标，导致训练样本与验证样本性能差距，但通过模型误差使采样轨迹远离训练样本分布，从而在推理中实现泛化。

Comments 31 pages and 29 figures

Resolving diffusion signatures in distant pulsar halos with current and future experiments

利用当前和未来实验解析遥远脉冲星晕的扩散特征

Yong-Jian Wei, En-Sheng Chen, Kun Fang, Xiao-Jun Bi

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文通过模拟两种先进伽马射线实验（LHAASO-KM2A和切伦科夫望远镜阵列CTA）的观测数据，研究了通过形态学判别识别脉冲星晕候选体的前景，发现增加光子统计和改进角分辨率能显著提升形态学判别能力，表明未来伽马射线观测有望扩展脉冲星晕样本并深入理解脉冲星周围宇宙射线传输。

Reinforcement Learning with Discrete Diffusion Policies for Combinatorial Action Spaces

基于离散扩散策略的强化学习

Haitong Ma, Ofir Nabati, Aviv Rosenberg, Bo Dai, Oran Lang, Craig Boutilier, Na Li, Shie Mannor, Lior Shani, Guy Tenneholtz

机构 * Google Research（谷歌研究） ； Harvard University（哈佛大学） ； Google DeepMind（谷歌DeepMind） ； Nvidia Research（Nvidia研究） 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，用于在复杂的组合动作空间中训练高效的离散扩散模型策略，通过高效的在线训练过程和策略镜像下降方法，实现了稳定的策略改进，并在多个挑战性组合基准上取得了最先进的性能。

Comments 22 pages, 10 figures. Haitong Ma and Ofir Nabati contributed equally to this paper

Limited Diffusion of Silicon in GaN: A DFT Study Supported by Experimental Evidence

硅在氮化镓中的扩散受限：一项基于DFT研究的实验证据支持

Karol Kawka, Pawel Kempisty, Akira Kusaba, Krzysztof Golyga, Karol Pozyczka, Michal Fijalkowski, Michal Bockowski

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 该研究通过DFT计算和实验验证，揭示了硅在氮化镓中扩散行为的晶向依赖性，发现不同晶向的扩散势垒差异显著，实验表明在极端条件下硅扩散极低，证明掺杂氮化镓的稳定性。

Journal ref J. Appl. Phys. 139, 195702 (2026)

Sparse Contextual Coupling Reshapes Diffusion Geometry in Multilayer Hypergraphs

稀疏上下文耦合重塑多层超图中的扩散几何

Hao Ding, Sanjukta Krishnagopal

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 该研究提出了一种基于扩散的框架，用于分析稀疏条件特定层如何重塑多层超图中的扩散几何，通过将密集的MSigDB功能基因集层与稀疏的疾病特定DGIdb药物-基因超图耦合，发现稀疏层对扩散距离和社区结构有显著影响。

FlowLM: Few-Step Language Modeling via Diffusion-to-Flow Adaptation

FlowLM: 通过扩散到流的适应实现少步语言建模

Runzhe Zhang, Letian Chen, Wenpeng Zhang, Zhouhan Lin, Peilin Zhao

机构 * Shanghai Jiao Tong University（上海交通大学） ； 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FlowLM，一种通过高效微调从预训练的扩散语言模型转换而来的流匹配语言模型，通过将扩散模型的弯曲采样轨迹重新对齐为直线流，实现了高质量的少步生成，其质量可与甚至超越2000步扩散采样。此外，作者提出了一种更有效的流匹配训练目标：预测干净数据以持续引导采样过程向真实数据分布靠近。

Comments 26 pages, 11 figures

Pareto-Enhanced Portrait Generation: Vision-Aligned Text Supervision for Alignment, Realism, and Aesthetics

帕累托优化的肖像生成：用于对齐、真实性和美学的视觉对齐文本监督

Yunlong Wang, Jinjin Shi, Wenbin Gao, Xuran Xu, Runyu Shi, Ying Huang

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

AI总结 本文提出了一种多模态扩散变换器（MM-DiT）的特征监督方法，通过引入轻量级的跨模态对齐机制，隐式提取多粒度的视觉对齐文本表示，以提升文本-图像对齐、真实性和美学质量，从而在Pareto前沿上实现协同改进。

Inference Time Policy Optimization for Offline RL with Differentiable World Models

基于可微世界模型的离线强化学习推理时间策略优化

Rohan Deb, Stephen J. Wright, Arindam Banerjee

机构 * Siebel School of Computing and Data Science（计算与数据科学学院） ； Department of Computer Sciences（计算机科学系） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； 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,abstract_cn)

AI总结 本文提出了一种在推理时间利用可微世界模型优化策略参数的方法，通过端到端的梯度计算提升离线强化学习的性能，同时探讨了推理时间适应的计算开销与收益的权衡。

PaintCopilot: Modeling Painting as Autonomous Artistic Continuation

PaintCopilot: 将绘画建模为自主的艺术延续

Yunge Wen, Yuancheng Shen, Paul Pu Liang

机构 * MIT Media Lab（MIT媒体实验室） ； New York University（纽约大学） 纠错

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

AI总结 本文提出了一种基于神经网络的绘画助手PaintCopilot，通过建模绘画作为开放性自回归艺术行为，基于不断演变的画布状态和先前笔触历史，无需目标图像即可预测未来笔触，与现有神经绘画方法不同，后者将绘画建模为向预定参考图像的像素重建。

SR-Ground: Image Quality Grounding for Super-Resolved Content

SR-Ground: 图像质量接地用于超分辨内容

Artem Borisov, Evgeney Bogatyrev, Khaled Abud, Dmitriy Vatolin

机构 * Lomonosov Moscow State University（莫斯科罗蒙诺索夫莫斯科国立大学） ； MSU AI Center, Lomonosov Moscow State University（MSU人工智能中心，莫斯科罗蒙诺索夫莫斯科国立大学） 纠错

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

AI总结 本文提出SR-Ground数据集，用于超分辨图像中细粒度伪影分割，通过大规模众包研究生成高质量数据集，提升IQA模型性能并减少超分辨输出中的可感知伪影。

PGC: Peak-Guided Calibration for Generalizable AI-Generated Image Detection

PGC：用于通用人工智能生成图像检测的峰值引导校准

Xiaoyu Zhou, Jianwei Fei, Peipeng Yu, Jingchang Xie, Chong Cheng, Zhihua Xia

机构 * College of Cyber Security, Jinan University, Guangzhou, China（济南大学网络安全学院，中国广州） ； Department of Information Engineering, University of Florence, Florence, Italy（佛罗伦萨大学信息工程系，意大利佛罗伦萨） ； School of Integrated Circuits, Guangdong University of Technology, Guangzhou, China（广东工业大学集成电路学院，中国广州） 纠错

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

AI总结 本文提出PGC框架，通过峰值聚焦机制聚合显著特征，以校准全局决策，从而提高对细粒度判别信号的检测能力，并在CommGen15数据集上实现了最先进的性能。

Preserve, Reveal, Expand: Faithful 4D Video Editing with Region-Aware Conditioning

保留、揭示、扩展：基于区域感知的4D视频编辑

Zhangchi Hu, Wenzhang Sun, Xiangchen Yin, Jiahui Yuan, Chunfeng Wang, Hao Li, Kun Zhan, Xiaoyan Sun

机构 * University of Science and Technology of China（中国科学技术大学） ； Li Auto Inc.（利汽车公司） 纠错

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

AI总结 本文提出PREX框架，通过区域感知分解目标时空体积，解决4D视频编辑中区域保持、揭示和扩展的问题，提升了视频编辑的准确性和稳定性。

Comments 23 pages, 13 figures

DrawMotion: Generating 3D Human Motions by Freehand Drawing

DrawMotion: 通过自由手绘生成3D人体动作

Tao Wang, Lei Jin, Zhihua Wu, Qiaozhi He, Jiaming Chu, Yu Cheng, Junliang Xing, Jian Zhao, Shuicheng Yan, Li Wang

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； University of Science and Technology of China（中国科学技术大学） ； NLP Lab, School of Computer Science and Engineering, Northeastern University（东北大学计算机科学与工程学院自然语言处理实验室） ； National University of Singapore（新加坡国立大学） ； Tsinghua University（清华大学） ； The Institute of AI (TeleAI), China Telecom（中国电信人工智能研究院） ； Northwestern Polytechnical University（西北工业大学） 纠错

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

AI总结 本研究提出DrawMotion，一种基于扩散模型的框架，通过自由手绘和文本条件生成3D人体动作，减少用户输入时间，提升生成精度。

FlowLong: Inference-time Long Video Generation via Manifold-constrained Tweedie Matching

FlowLong: 通过流形约束的 Tweedie 匹配实现推理时的长视频生成

Jangho Park, Geon Yeong Park, Gihyun Kwon, Jong Chul Ye

机构 * KAIST（韩国科学技术院） ； Amazon（亚马逊） 纠错

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

AI总结 本文提出了一种新的推理时长视频生成方法，通过流形约束的Tweedie匹配在重叠滑动窗口中生成长视频，同时保持时间和空间一致性，并且无需额外训练。

Comments Project Page: https://flowlong-video.github.io/

SWoMo: Neuro-Symbolic World Model for Cataract Surgery Simulation

SWoMo：用于白内障手术模拟的神经符号世界模型

Ssharvien Kumar Sivakumar, Akwele Johnson, Anirudh Dhingra, Yannik Frisch, Ghazal Ghazaei, Anirban Mukhopadhyay

机构 * Technical University Darmstadt（德累斯顿技术大学） ； Carl Zeiss AG（蔡司股份有限公司） ； AICM, Medical Faculty of Heidelberg University（海德堡大学医学院） 纠错

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

AI总结 本文提出SWoMo，一种用于白内障手术模拟的神经符号世界模型，通过分离运动生成与视觉真实性，结合规则基模拟器和场景图表示来建模运动动态和工具-组织交互，同时使用扩散模型生成逼真的视觉效果，从而提升手术模拟的真实性和临床适用性。

Predicting 3D structure by latent posterior sampling

通过潜在后验采样预测3D结构

Azmi Haider, Dan Rosenbaum

机构 * Department of Computer Science（计算机科学系） ； University of Haifa（海法大学） ； Department of Computational Science（计算科学系） 纠错

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

AI总结 本文提出了一种结合NeRF表示和扩散模型的概率建模方法，用于从不同类型的观测数据（如单视角、多视角、噪声图像、稀疏像素和稀疏深度数据）中准确预测3D结构。

Oracle Supervision Transfers for Hyperparameter Prediction in Model-Based Image Denoising

用于基于模型的图像去噪中超参数预测的Oracle监督转移

Jianmin Liao, Lixin Shen, Yuesheng Xu

机构 * Department of Mathematics Syracuse University（数学系苏利文大学） ； Department of Mathematics & Statistics Old Dominion University（数学与统计学系老 Dominion 大学） 纠错

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

AI总结 该研究提出HyperDn，一种单配置条件预测器，通过聚合源配置的Oracle监督，预测新的去噪器-噪声配置的异质超参数，展示了在跨范式实验中，从相对便宜的TV/TGV变分源转移到更昂贵的扩散模型DiffPIR时，通过少量或无目标Oracle标签实现接近Oracle性能的成果。

Instrumental Text-to-Music Generation with Auxiliary Conditioning Branches

通过辅助条件分支进行乐器文生成

Junyoung Koh

机构 * Department of Artificial Intelligence（人工智能系） ； Yonsei University（延世大学） ； MAAP ； KRAFTON ； Seoul, Republic of Korea（韩国首尔） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文研究了在无外部预训练的情况下，通过控制数据和预训练来隔离有效设计选择的问题，发现去除辅助分支的模型在多个评估指标上表现较差，而增加DiT深度只能小幅恢复性能，表明辅助分支可能在训练时起到架构锚定作用。

Comments ICME 2026 Grand Challenge on Academic Text-to-Music Generation

Memorisation, convergence and generalisation in generative models

记忆、收敛与泛化在生成模型中的表现

Antoine Maillard, Sebastian Goldt

机构 * INRIA Paris & DI ENS, PSL University, Paris, France（巴黎国家信息与自动化研究所（INRIA）及巴黎高等师范学院（ENS）与巴黎大学（PSL University）） ； International School of Advanced Studies (SISSA), Trieste, Italy（意大利国际高级研究学院（SISSA）） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文研究了生成模型中记忆、收敛和泛化的区别，通过线性生成模型的分析，发现当样本数与输入维度成线性关系时，模型会从记忆过渡到泛化，并揭示了泛化包含两个不同目标：匹配数据分布的主体和恢复数据的主潜在因素。

Huge ultrafast spin Seebeck effect mediated by laser-excited superdiffusive magnon currents

由激光激发的超扩散磁子电流介导的巨大超快自旋Seebeck效应

Luca Mikadze, Peter M. Oppeneer, Markus Weißenhofer

专题命中 扩散模型 ：diffusion(abstract)

AI总结 该研究提出了一种基于量子玻尔兹曼方程的微观框架，用于模拟超快激光诱导去磁化过程，揭示了超扩散磁子传输现象，并预测了技术相关幅度的超快自旋Seebeck效应。

Micro-explosion of emulsion droplets with nanoparticles at high temperature

含纳米颗粒的乳液滴在高温下的微爆炸

Houpeng Zhang, Zhen Lu, Tianyou Wang, Zhizhao Che

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本研究通过高速摄影、数字图像处理、光学显微镜和扫描电子显微镜实验，探讨了含纳米颗粒乳液滴的微爆炸现象，发现纳米颗粒显著提高了微爆炸的发生概率和强度，特别是碳纳米颗粒，其作用机制包括促进辐射能吸收、抑制过热蒸汽扩散等。

Journal ref International Journal of Heat and Mass Transfer, 219 (2024) 124851

Well-posedness and asymptotic limits for a degenerate Keller-Segel system with volume filling

退化Keller-Segel系统的well-posed性及渐近极限

Noah Geltner, Ansgar Jüngel, Mingyue Zhang

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文研究了一类具有退化扩散和体积填充的抛物-抛物Keller-Segel系统，探讨了其在无流边界条件下的well-posed性及不同参数域下的渐近行为，包括全局弱解的存在性、弱-强唯一性、指数收敛到均匀稳态、一维模式形成以及抛物-椭圆和消失扩散极限。

Flow Map Language Models: One-step Language Modeling via Continuous Denoising

流映射语言模型：通过连续去噪实现一步语言建模

Chanhyuk Lee, Jaehoon Yoo, Manan Agarwal, Sheel Shah, Jerry Huang, Aditi Raghunathan, Seunghoon Hong, Nicholas M. Boffi, Jinwoo Kim

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 本文提出了一种基于连续流的流映射语言模型，通过在one-hot token嵌入上构建连续流，实现了在质量和速度上优于离散扩散模型的性能，展示了连续流在离散模态生成建模中的潜力。

Comments 58 pages, 40 figures

Theoretical guidelines for annealed Langevin dynamics in compositional simulation-based inference

关于组成式得分方法在基于模拟的推断中的退火动力学理论指南

Camille Touron, Gabriel V. Cardoso, Julyan Arbel, Pedro L. C. Rodrigues

机构 * Univ. Grenoble Alpes（格勒诺布尔阿尔卑斯大学） ； Inria（法国国家信息与自动化技术研究所） ； CNRS（法国国家科学研究中心） ； Grenoble INP（格勒诺布尔INP） ； LJK（实验室） ； Geostatistics team（地质统计学团队） ； Centre for geosciences and geoengineering（地球科学与地球工程中心） ； Mines Paris（巴黎矿校） ； PSL University（巴黎 sciences et lettres 大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文研究了基于模拟的推断中组成式得分方法的退火动力学理论，提出了一种新的理论框架，通过推导Wasserstein界，为超参数选择提供了理论指导，并在高斯情况下证明了不同复合得分方法在步长和总动力学步数上的差异。