图像生成

RiT: Vanilla Diffusion Transformers Suffice in Representation Space

RiT: vanilla diffusion transformers suffice in representation space

Le Zhang, Ning Mang, Aishwarya Agrawal

机构 * Mila – Québec AI Institute, UdeM（魁北克AI研究院，麦吉尔大学） ； Utrecht University（乌得勒支大学） ； Canada CIFAR AI Chair（加拿大CIFAR人工智能主席） 纠错

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

AI总结 该研究探讨了在表示空间中使用vanilla diffusion transformers进行图像生成的有效性，发现通过预训练的表示空间能够更有效地进行流匹配学习，从而在ImageNet数据集上取得了优于DiT-DH-XL的性能。

Live Music Diffusion Models: Efficient Fine-Tuning and Post-Training of Interactive Diffusion Music Generators

实时音乐扩散模型：交互式音乐生成扩散模型的高效微调与后训练

Zachary Novack, Stephen Brade, Haven Kim, Hugo Flores García, Nithya Shikarpur, Chinmay Talegaonkar, Suwan Kim, Valerie K. Chen, Julian McAuley, Taylor Berg-Kirkpatrick, Cheng-Zhi Anna Huang

机构 * UC San Diego（加州大学圣迭戈分校） ； MIT（麻省理工学院） ； Adobe（Adobe公司） 纠错

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

AI总结 本文研究了音频扩散模型能否通过块级KV缓存高效地转化为交互式模型，从而在消费级硬件上实现。提出的Live Music Diffusion Models (LMDMs)通过块级KV缓存恢复并超越了离散Live Music Models (LMMs)的推理复杂度，并通过ARC-Forcing范式实现稳定的后训练对齐，从而在无需显式RL或奖励模型的情况下减少误差累积。

Unifying Masked Diffusion Models with Various Generation Orders and Beyond

统一多种生成顺序及超越的掩码扩散模型

Chunsan Hong, Sanghyun Lee, Jong Chul Ye

机构 * Graduate School of AI, KAIST, South Korea（韩国延世大学人工智能研究生院） 纠错

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

AI总结 本文提出Order-Expressive Masked Diffusion Model (OeMDM)和Learnable-Order Masked Diffusion Model (LoMDM)，统一了不同生成顺序的扩散生成过程，并通过单目标学习生成顺序和扩散骨干，提升了文本生成性能。

Comments Accepted at ICML 2026

SEGA: Spectral-Energy Guided Attention for Resolution Extrapolation in Diffusion Transformers

SEGA：用于扩散变换器中分辨率外推的频谱-能量引导注意力

Javad Rajabi, Kimia Shaban, Koorosh Roohi, David B. Lindell, Babak Taati

机构 * University of Toronto（多伦多大学） ； Vector Institute（向量研究所） 纠错

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 SEGA通过动态调整注意力权重来提升扩散变换器在高分辨率生成中的表现，其核心方法是根据潜在空间的频谱结构调整RoPE组件的注意力缩放，从而在保持全局结构和恢复细节方面取得平衡。

Comments 27 pages, 14 figures. Project page: https://rajabi2001.github.io/sega/

Rethinking Token Reduction for Diffusion Models via Output-Similarity-Awareness

重新思考扩散模型的token减少：通过输出相似性意识

Hangyeol Lee, Hyojeong Lee, Joo-Young Kim

机构 * KAIST（韩国科学技术院） 纠错

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

AI总结 本文提出DiTo，一种基于输出中心的token减少方法，通过利用相邻时间步的输出相似性来建立token对应关系，从而减少计算复杂度并提高生成质量。

Support-Proximity Augmented Diffusion Estimation for Offline Black-Box Optimization

支持接近增强的扩散估计用于离线黑盒优化

Yonghan Yang, Ye Yuan, Zipeng Sun, Linfeng Du, Bowei He, Haolun Wu, Can Chen, Xue Liu

机构 * MBZUAI - Mohamed bin Zayed University of Artificial Intelligence（MBZUAI - 摩擦 bin Zayed 大学） ； McGill University（麦吉尔大学） ； Mila - Quebec AI Institute（Mila - 加拿大AI研究所） ； Amazon AGI（亚马逊人工智能实验室） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出SPADE框架，通过条件生成建模重新想象前向替代建模，利用扩散模型建模前向似然p(y|x)，并引入校准扩散估计模块和支撑接近正则化机制，以提高优化性能。

Comments Accepted by ICML 2026. First two authors contributed equally

Noise Schedule Design for Diffusion Models: An Optimal Control Perspective

扩散模型的噪声调度设计：一个最优控制视角

Seo Taek Kong, Weina Wang, R. Srikant

机构 * ECE & CSL University of Illinois Urbana-Champaign（电子工程与计算机科学实验室，伊利诺伊大学厄巴纳-香槟分校） ； Computer Science Department Carnegie Mellon University（计算机科学系，卡内基梅隆大学） ； ECE, CSL & NCSA University of Illinois Urbana-Champaign（电子工程、计算机科学实验室及国家计算科学中心，伊利诺伊大学厄巴纳-香槟分校） 纠错

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

AI总结 本文从最优控制的角度出发，提出了一种分析和设计扩散模型噪声调度的框架，通过将噪声调度问题转化为最优控制问题，推导出噪声调度的充分条件，实现了更优的采样误差，并通过参数调整得到新的噪声调度方案，提升了图像生成的FID分数。

MDM-Prime-v2: Binary Encoding and Index Shuffling Enable Scaling of Diffusion Language Models

MDM-Prime-v2：二进制编码和索引洗牌使扩散语言模型能够扩展

Chen-Hao Chao, Wei-Fang Sun, Junwei Quan, Chun-Yi Lee, Rahul G. Krishnan

机构 * University of Toronto（多伦多大学） ； Vector Institute（向量研究所） ； NVIDIA AI Technology Center（NVIDIA AI技术中心） ； National Taiwan University（国立台湾大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出MDM-Prime-v2，通过二进制编码和索引洗牌技术改进扩散语言模型，解决了子分词器功能形式与BPE分词器结合导致的交叉熵损失增加以及子分词器粒度超参数选择缺乏工具的问题，从而提升了模型在常识推理基准上的零样本准确率。

Bringing Stability to Diffusion: Decomposing and Reducing Variance of Training Masked Diffusion Models

为扩散模型带来稳定性：分解和减少训练掩码扩散模型的方差

Mengni Jia, Mengyu Zhou, Yihao Liu, Xiaoxi Jiang, Guanjun Jiang

机构 * University of Cambridge（剑桥大学） ； Peking University（北京大学） ； Qwen Large Model Application Team, Alibaba（阿里巴巴通义大模型应用团队） 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（MDMs）训练方差高导致不稳定的问题，通过分解方差来源并提出六种方差减少方法，显著提升了模型在复杂推理任务中的准确率，并将运行间变异性降低至自回归模型（ARMs）水平。

Improved DDIM Sampling with Moment Matching Gaussian Mixtures

改进的DDIM采样与矩匹配高斯混合模型

Prasad Gabbur

机构 * Independent Researcher（独立研究者） ； Apple（苹果公司） 纠错

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

AI总结 本文提出在DDIM框架中使用高斯混合模型作为反向转换操作符，通过约束GMM参数匹配DDPM前向边缘的矩，从而在少量采样步骤下提升生成样本质量，实验表明GMM核在FID和IS指标上优于传统高斯核。

Comments 34 pages, 12 figures; Accepted to TMLR; Code open sourced

Journal ref Transactions on Machine Learning Research, 05/2026

Bernini: Latent Semantic Planning for Video Diffusion

Bernini: 视频扩散中的潜在语义规划

Bernini Team, Chenchen Liu, Junyi Chen, Lei Li, Lu Chi, Mingzhen Sun, Zhuoying Li, Yi Fu, Ruoyu Guo, Yiheng Wu, Ge Bai, Zehuan Yuan

机构 * Bernini Team（伯尼尼团队） 纠错

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

AI总结 本文提出Bernini框架，通过将大规模多模态语言模型用于语义规划，扩散模型用于像素生成，实现了视频生成与编辑的统一方法，提升了编辑任务的泛化能力。

Comments Project Page: https://bernini-ai.github.io/

Diffusion-guided Generalizable Enhancer for Urban Scene Reconstruction

基于扩散的通用增强器用于城市场景重建

Henry Che, Jingkang Wang, Yun Chen, Ze Yang, Sivabalan Manivasagam, Raquel Urtasun

机构 * Waabi ； University of Toronto（多伦多大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

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

AI总结 本文提出GenRe，一种基于扩散的通用增强器，用于城市场景重建，通过学习不同场景中的生成先验，高效地生成稳健且高保真的表示，能够可靠地泛化到挑战性的未见过的视角，从而在自动驾驶中实现鲁棒和可扩展的传感器模拟。

Comments ICRA 2026. Project page: https://waabi.ai/genre

PIU: Proximity-guided Identity Unlearning in ID-Conditioned Diffusion Models

PIU：基于接近性的身份去学习在ID条件化的扩散模型中

Jose Edgar Hernandez Cancino Estrada, Mauro Díaz Lupone, Žiga Emeršič, Vitomir Štruc, Peter Peer, Darian Tomašević

机构 * University of Ljubljana, Faculty of Computer and Information Science（卢布尔雅那大学计算机与信息科学系） ； University of Ljubljana, Faculty of Electrical Engineering（卢布尔雅那大学电子工程系） 纠错

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

AI总结 本文研究了在ID条件化的扩散模型中身份去学习的问题，提出了一种基于接近性的身份去学习框架PIU，通过在学习的身份空间中重新分配源身份到选定的锚身份来实现身份移除，并结合基于ArcFace表示几何的锚点选择策略，通过局部微调少量身份敏感的交叉注意力层实现有效的去学习。

Diverse Yet Consistent: Context-Guided Diffusion with Energy-Based Joint Refinement for Multi-Agent Motion Prediction

多样且一致：基于能量的联合细化的上下文引导扩散用于多智能体运动预测

Lei Chu, Yuhuan Zhao

机构 * University of Southern California（南加州大学） 纠错

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

AI总结 本文提出了一种基于扩散的框架，通过利用历史轨迹中的丰富上下文信息来改进多智能体运动预测，通过引导机制增强预测动作的多样性和表达性，并引入基于能量的公式来细化联合轨迹分布，同时保持个体轨迹的合理性，实验表明该方法在多个基准数据集上均优于现有方法。

Comments MEIS-- CVPR

ORBIS: Output-Guided Token Reduction with Distribution-Aware Matching for Video Diffusion Acceleration

ORBIS: 通过分布感知匹配的输出引导标记减少以加速视频扩散

Hangyeol Lee, Joo-Young Kim

机构 * KAIST（韩国科学技术院） 纠错

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

AI总结 本文提出ORBIS，一种针对视频扩散Transformer的SW-HW协同设计加速器，通过利用前一时间步的输出激活获得更准确的token相似性，从而提高匹配质量并实现更高的标记减少比例，同时引入分布感知标记匹配算法和专用硬件设计，实现比现有方法更高的标记减少率、更快的速度和更低的能耗。

Guided Trajectory Optimization with Sparse Scaling for Test-Time Diffusion

引导轨迹优化与稀疏缩放用于测试时间扩散

Gang Dai, Yining Huang, Yiming Xia, Guohao Chen, Shuaicheng Niu

机构 * Guangdong University of Technology（广东工业大学） ； South China University of Technology（华南理工大学） ； Nanyang Technological University（南洋理工大学） 纠错

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

AI总结 本文提出RTS方法，通过奖励引导的噪声优化策略和稀疏测试时间缩放框架，提升扩散模型的生成性能，实验表明在GenEval和ImageReward指标上均优于现有方法。

Hierarchical Variational Policies for Reward-Guided Diffusion

分层变分策略用于奖励引导的扩散

Kushagra Pandey, Farrin Marouf Sofian, Jan Niklas Groeneveld, Felix Draxler, Stephan Mandt

机构 * Department of Computer Science（计算机科学系） ； University of California Irvine（加州大学伊文斯顿分校） 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变分模型框架，通过将控制信息压缩到轻量级且表达能力强的随机策略中，实现了在降低推理成本的同时生成高质量的奖励对齐样本，该方法在4倍超分辨率任务中实现了比现有最佳基线快5倍的推理速度并具有更好的感知质量。

Temporal Aware Pruning for Efficient Diffusion-based Video Generation

具有时间意识的剪枝用于高效扩散式视频生成

Sheng Li, Yang Sui, Junhao Ran, Bo Yuan, Yue Dai, Xulong Tang

机构 * University of Pittsburgh（匹兹堡大学） ； Illinois Institute of Technology（伊利诺伊理工学院） ； Rutgers University（罗格斯大学） ； Rice University（Rice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TAPE，一种无需训练的时间感知剪枝方法，用于高效扩散式视频生成，通过时间平滑、层内token重选和时间步预算调度，提升生成效率并保持高质量视觉效果。

Attend Locally, Remember Linearly: Linear Attention as Cross-Frame Memory for Autoregressive Video Diffusion

局部关注，线性记忆：线性注意力作为跨帧记忆用于自回归视频扩散

Kunyang Li, Mubarak Shah, Yuzhang Shang

机构 * Institute of Artificial Intelligence, University of Central Florida（中央佛罗里达大学人工智能研究所） 纠错

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

AI总结 本文提出了一种名为ARL2的混合注意力模块，通过将二次跨帧注意力替换为固定大小的递归状态，解决了自回归视频扩散模型在长视频生成中的可扩展性瓶颈问题，实现了线性时间复杂度和常数内存消耗，同时提升了时间一致性。

SDPM: Survival Diffusion Probabilistic Model for Continuous-Time Survival Analysis

SDPM：用于连续时间生存分析的生存扩散概率模型

Stanislav R. Kirpichenko, Andrei V. Konstantinov, Lev V. Utkin

机构 * Peter the Great St.Petersburg Polytechnic University（彼得大帝圣彼得堡国立大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出SDPM，一种用于连续时间生存分析的生成模型，通过去噪扩散模型建模生存结果的条件分布，避免了对事件时间分布的参数假设，并在变换的目标空间中使用标准化对数时间和连续高斯混合表示来表示删失指示符，从而在多个真实生存数据集上取得了竞争力的预测性能。

Uniform Diffusion Models Revisited: Leave-One-Out Denoiser and Absorbing State Reformulation

统一扩散模型再审视：留一法去噪器和吸收状态重述

Samson Gourevitch, Yazid Janati, Dario Shariatian, Umut Simsekli, Eric Moulines, Eric P. Xing, Alain Durmus

机构 * CMAP, Ecole polytechnique（巴黎高等学院CMAP实验室） ； Institute of Foundation Models（基础模型研究所） ； Inria, PSL Research University（法国国家信息与自动化研究所） ； MBZUAI（马尔科姆·布罗德本特大学人工智能研究所） ； EPITA, LRE（EPITA实验室） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文研究了统一扩散模型中去噪后验与留一法后验之间的不匹配问题，并通过改进的参数化和采样方法提升了模型性能。

Comments preprint

Factored Diffusion Policies:Compositionally Generalized Robot Control with a Single Score Network

因子扩散策略：一种单一分数网络的组成通用机器人控制

Sayan Mitra, Ege Yuceel, Noah Giles, Abhishek Pai

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出了一种因子扩散策略，通过单一共享的扩散网络实现通用机器人控制，该网络在推理时能将分数分解为各因子的加法形式，从而在训练任务预算上从因子基数的乘积减少到求和，通过轨迹管证书将分数界转化为闭环状态轨迹管，实验验证了其泛化界和证书的有效性。

Probing the ion-neutral drift velocity towards the L1544 prestellar core: Detection of ambipolar diffusion using N$_2$D$^+$ and para-NH$_2$D

探测L1544原恒星核心中离子-中性粒子漂移速度：利用N₂D⁺和反丁基氨D检测偶极扩散

Doris Arzoumanian, Silvia Spezzano, Tommaso Grassi, Paola Caselli, Yusuke Tsukamoto, Haruka Fukihara, Yoshiaki Misugi, Felipe Alves, Jaime Pineda, Sigurd Jensen, Elena Redaelli, Alexei Ivlev

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本研究通过观测L1544原恒星核心中的N₂D⁺离子和para-NH₂D中性物种，探测离子-中性粒子的漂移速度差异，从而检测偶极扩散现象，并探讨尘埃颗粒生长对偶极电阻和密集核心动态演化的影响。

Comments Accepted for publication in Astronomy & Astrophysics

Sub-exponential Growth Dynamics in Complex Systems: A Piecewise Power-Law Model for the Diffusion of New Words and Names

复杂系统中的亚指数增长动力学：一种用于新词汇和名称扩散的分段幂律模型

Hayafumi Watanabe

机构 * Department of Economics, Seijo University, Setagaya-ku, Tokyo 157-8511, Japan（早稻田大学经济学部） ； The Institute of Statistical Mathematics, Tachikawa-shi, Tokyo 190-8562,Japan（统计数学研究所） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出了一种分段幂律模型，用于描述复杂增长曲线，通过分析大规模数据集发现亚指数增长是社会扩散的常见模式。

Journal ref Physical Review E (2026)

Large, fast and accurate HI intensity maps with latent overlap diffusion

基于潜在重叠扩散的大型、快速且准确的HI强度图

Satvik Mishra, Roberto Trotta, Matteo Viel

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出了一种新的机器学习管道，利用隐式重叠扩散模型在已训练的流体动力学模拟基础上，生成暗物质晕质量密度图和三维21厘米亮度温度信号，从而高效预测21厘米功率谱。

Comments 14 pages, 11 figures

Journal ref Mon Not R Astron Soc (2025)

Existence and local asymptotics for a system of cross-diffusion equations with nonlocal Cahn-Hilliard terms

交叉扩散方程组中非局部Cahn-Hilliard项的存在性与局部渐进行为

Elisa Davoli, Greta Marino, Jan-Frederik Pietschmann

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文研究了一种包含交叉扩散效应和退化迁移率的多组分混合物非局部Cahn-Hilliard模型，通过定义适合可能退化情况的弱解概念，证明了全局时间内的存在性，并利用梯度流结构和熵有界方法的扩展，结合辅助变分问题的细致分析，获得近似时间离散系统的解，最终证明此类非局部Cahn-Hilliard方程组的解收敛到局部解。

Comments Needs a major revision

Diffusion in multi-dimensional solids using Forman's combinatorial differential forms

在多维固体中使用Forman的组合微分形式进行扩散

Kiprian Berbatov, Pieter D. Boom, Andrew L. Hazel, Andrey P. Jivkov

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出了一种基于Forman组合微分形式的扩展方法，用于分析依赖于标量变量的物理过程，该方法能够区分不同维度的细胞特性对宏观行为的影响，并应用于热/扩散方程的演示。

Large-Scale Deployment and Analytical Implications of Structured Quality Control in Diffusion Magnetic Resonance Imaging

结构化质量控制在扩散磁共振成像中的大规模部署与分析含义

Michael E. Kim, Chenyu Gao, Karthik Ramadass, Gaurav Rudravaram, Elyssa M. McMaster, Adam M. Saunders, Yisu Yang, Elias Levy, Praitayini Kanakaraj, Nancy R. Newlin, Zhiyuan Li, Nazirah Mohd Khairi, Blake E. Dewey, The HABS-HD Study Team, Alzheimer's Disease Neuroimaging Initiative, Kurt G. Schilling, Derek Archer, Timothy J. Hohman, Bennett A. Landman, Yihao Liu

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文研究了在扩散磁共振成像中大规模部署结构化质量控制的可行性及分析意义，通过评估18,328个dMRI扫描的七个典型处理流程输出，探讨了常见失败模式及有效dMRI处理输出的特征，以确保定量结果的有效性和可解释性。

Pairwise Distance-Diffusion Analysis (PDDA): A Geometric Framework for Estimating Hurst Exponents in Multivariate Long-Memory Processes

成对距离扩散分析（PDDA）：一种用于多变量长期记忆过程估计Hurst指数的几何框架

Diogo C. Soriano, Frederique Vanheusden, Slawomir J. Nasuto

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出了一种基于几何框架的PDDA方法，用于从长期记忆随机过程的距离图中估计Hurst指数，通过R/S-PDDA和MSD-PDDA两种互补路线，扩展到多变量各向同性和各向异性过程，并建立了时间持久性、范围维度和复发统计之间的显式联系。

Comments Supplemental PDF available via ancillary links

AirfoilGen: A valid-by-construction and performance-aware latent diffusion model for airfoil generation

AirfoilGen: 一种用于翼型生成的可构造且性能感知的潜在扩散模型

Zhijie Yang, Min Tang, Peng Du, Qiang Zou

机构 * State Key Laboratory of CAD \& CG, Zhejiang University, Hangzhou, 310027, China 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翼型生成模型AirfoilGen，通过引入圆扫表示法约束生成过程，确保生成的翼型符合基本特性，并通过在学习的潜在空间中操作实现对气动性能的显式控制，同时提供了一个包含超过20万翼型的新数据集。

Comments 15 pages