图像生成

VINS-120K: Ultra High-Resolution Image Editing with A Large-Scale Dataset

VINS-120K：基于大规模数据集的超高分辨率图像编辑

Zhizhou Chen, Shanyan Guan, Zhanxin Gao, En Ci, Yanhao Ge, Wei Li, Zhenyu Zhang, Jian Yang, Ying Tai

机构 * Nanjing University（南京大学） ； vivo 纠错

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

AI总结 提出首个大规模指令式超高分辨率图像编辑数据集VINS-120K（120K三元组，每张图像≥4K分辨率），并开发高频感知后适应策略以扩展预训练模型至UHR领域，提升细粒度细节合成与纹理真实感。

ETCHR: Editing To Clarify and Harness Reasoning

ETCHR: 通过编辑来澄清和利用推理

Beichen Zhang, Yuhong Liu, Jinsong Li, Yuhang Zang, Jiaqi Wang, Dahua Lin

机构 * The Chinese University of Hong Kong Shanghai AI Laboratory（香港中文大学上海人工智能实验室） ； Shanghai AI Laboratory（上海人工智能实验室） ； Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院） 纠错

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

AI总结 针对多模态大语言模型在需要细粒度关注或视角变换的问题上纯文本思维链的瓶颈，提出了一种解耦的图像编辑模型ETCHR，通过两阶段训练（推理模仿和推理增强）弥合语言侧和生成侧差距，无需训练即可插入不同MLLM，在五个任务族上平均Pass@1提升4.61-5.47个百分点。

Comments Code, model and data are open-sourced at https://github.com/InternLM/ETCHR

Uni-Edit: Intelligent Editing Is A General Task For Unified Model Tuning

Uni-Edit: 智能编辑作为统一模型调优的通用任务

Dian Zheng, Manyuan Zhang, Hongyu Li, Hongbo Liu, Kai Zou, Kaituo Feng, Hongsheng Li

机构 * CUHK MMLab（香港大学多模态实验室） ； Meituan（美团） ； TJU（天津大学） ； USTC（中国科学技术大学） 纠错

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

AI总结 提出将智能图像编辑作为统一多模态模型调优的通用任务，通过单一任务、单阶段训练和单一数据集同时提升图像理解、生成和编辑能力，并引入自动化数据合成流水线构建推理密集型指令数据集Uni-Edit-148k。

Comments Project Page: https://zhengdian1.github.io/Uni-Edit-proj/ Code: https://github.com/zhengdian1/Uni-Edit

Diffusion Fluid Antenna Systems for Resilient ISAC

扩散流体天线系统用于弹性ISAC

Noor Waqar, Kai-Kit Wong, Chan-Byoung Chae, Ross Murch

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

AI总结 提出扩散流体天线系统，利用生成式AI驱动的空间自由度选择天线端口，重塑感知特征，实现目标隐身和干扰抑制。

PiD: Fast and High-Resolution Latent Decoding with Pixel Diffusion

PiD: 基于像素扩散的快速高分辨率潜解码

Yifan Lu, Qi Wu, Jay Zhangjie Wu, Zian Wang, Huan Ling, Sanja Fidler, Xuanchi Ren

机构 * NVIDIA 纠错

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

AI总结 提出像素扩散解码器PiD，将潜解码重构为条件像素扩散，统一解码与上采样，实现低延迟高分辨率图像生成。

Comments Project Page: https://research.nvidia.com/labs/sil/projects/pid/

Diffusion Domain Expansion: Learning to Coordinate Pre-trained Diffusion Models

扩散域扩展：学习协调预训练扩散模型

Egor Lifar, Semyon Savkin, Timur Garipov, Shangyuan Tong, Tommi Jaakkola

机构 * MIT CSAIL（麻省理工学院计算机科学与人工智能实验室） 纠错

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

AI总结 提出扩散域扩展（DDE）方法，通过紧凑可训练网络协调预训练扩散模型的去噪输出，以生成更大对象并处理更复杂条件，在长音频生成和条件图像生成中优于其他方法。

Comments Accepted as poster at ICML 2024 Workshop on Structured Probabilistic Inference and Generative Modeling (SPIGM)

MASQ: Accelerating Masked Diffusion via Stage-Wise Multi-Precision Quantization

MASQ: 通过阶段式多精度量化加速掩码扩散

Seeyeon Kim, Jaehun Lee, Sungyeob Yoo, Joo-Young Kim

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

AI总结 针对掩码扩散中因全图处理导致的计算冗余问题，提出软硬件协同加速器MASQ，通过阶段式MXINT8/4/2精度分配、时间步感知调度及优化的非矩阵运算，实现高达16.06倍加速和4.18倍能效提升。

Improving Sampling for Masked Diffusion Models via Information Gain

通过信息增益改进掩码扩散模型的采样

Kaisen Yang, Jayden Teoh, Kaicheng Yang, Yitong Zhang, Alex Lamb

机构 * Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系） ； Massachusetts Institute of Technology（麻省理工学院） ； Shanghai Jiao Tong University（上海交通大学） ； Beihang University（北航） ； College of AI, Tsinghua University（清华大学人工智能学院） 纠错

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

AI总结 提出一种无需训练的Info-Gain采样器，利用掩码扩散模型的双向结构平衡即时不确定性与剩余掩码位置的信息增益，在推理、编码、创意写作和图像生成任务中优于现有采样器。

Comments https://github.com/yks23/Information-Gain-Sampler Accepted by ICML2026 Accepted by ICML2026

Beyond VLM-Based Rewards: Diffusion-Native Latent Reward Modeling

超越基于VLM的奖励：扩散原生潜在奖励建模

Gongye Liu, Bo Yang, Yida Zhi, Zhizhou Zhong, Lei Ke, Didan Deng, Han Gao, Yongxiang Huang, Kaihao Zhang, Hongbo Fu, Wenhan Luo

机构 * The Hong Kong University of Science ； Huawei Hong Kong AI Framework \& Data Technologies Lab ； Tsinghua University ； The Australian National University 纠错

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

AI总结 提出扩散原生潜在奖励模型DiNa-LRM，直接在噪声扩散状态上进行偏好学习，通过噪声校准Thurstone似然和推理时噪声集成，实现高效且鲁棒的奖励建模。

Comments Accepted by ICML 2026. Code: https://github.com/HKUST-C4G/diffusion-rm

Variance Reduction for Expectations with Diffusion Teachers

具有扩散教师的期望方差缩减

Jesse Bettencourt, Xindi Wu, Matan Atzmon, James Lucas, Jonathan Lorraine

机构 * NVIDIA ； University of Toronto（多伦多大学） ； Princeton University（普林斯顿大学） 纠错

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

AI总结 提出CARV框架，通过分层蒙特卡洛估计器（摊销上游计算、时间步重要性采样和分层逆CDF构造）降低扩散模型作为冻结教师时的梯度方差，在文本到3D和蒸馏实验中实现2-3倍有效计算乘数。

Comments Project page: https://research.nvidia.com/labs/sil/projects/CARV/

Using Ensemble Diffusion to Estimate Uncertainty for End-to-End Autonomous Driving

使用集成扩散估计端到端自动驾驶的不确定性

Florian Wintel, Sigmund H. Høeg, Gabriel Kiss, Frank Lindseth

机构 * Norwegian University of Science and Technology（挪威科学技术大学） 纠错

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

AI总结 提出EnDfuser系统，利用扩散模型作为轨迹规划器，通过集成扩散从单一感知帧生成候选轨迹分布，实现不确定性感知决策，在LAV基准上驾驶评分提升1.7%。

Comments Accepted at NLDL 2026

Diffusion and Flow Matching Models for Tabular Data: A Survey

表格数据的扩散与流匹配模型：综述

Zhong Li, Qi Huang, Lincen Yang, Jiayang Shi, Zhao Yang, Niki van Stein, Thomas Bäck, Matthijs van Leeuwen

机构 * Great Bay University（大湾大学） ； Vrije Universiteit Amsterdam（阿姆斯特丹自由大学） ； LIACS, Leiden University（莱顿大学LIACS） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文系统综述了扩散模型和流匹配模型在表格数据生成、缺失值填补、可信数据生成和异常检测等任务中的应用，分析了数据工程挑战、设计选择、评估维度及开放问题。

Comments We substantially updated the previous version "Diffusion Models for Tabular Data: Challenges, Current Progress, and Future Directions" by including flow matching models for tabular data

Precipitation diffusion downscaling and application to out-of-distribution simulations with and without stratospheric aerosol injection

降水扩散降尺度及其在含/不含平流层气溶胶注入的分布外模拟中的应用

Cameron Dong, James W. Hurrell, Elizabeth A. Barnes

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文训练深度学习扩散降尺度模型，将粗分辨率气候模拟降尺度至0.25°美国日降水，并应用于含/不含平流层气溶胶注入的CESM2分布外模拟，评估SAI对极端降水的影响。

Simple proofs for the existence of smooth solutions to a reaction-diffusion system modeling reversible chemistry

可逆化学反应反应扩散系统光滑解存在的简单证明

Hector Bouton, Laurent Desvillettes, Helge Dietert

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对一个描述可逆化学反应的反应扩散系统，在维度d≤3下，给出了解的存在性、唯一性和光滑性的简短证明。

Atom-Photon Bound States in Fractal Photonic Lattices: Localization Length and Anomalous Diffusion

分形光子晶格中的原子-光子束缚态：局域长度与反常扩散

Florian Bönsel, Flore K. Kunst, Federico Roccati

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 通过热核表达光子格林函数，研究耦合到自相似光子晶格的两能级发射体所引发的原子-光子束缚态，发现远场局域长度服从标度律ξ~Δ^{-1/d_w}，该标度由反常扩散控制，不依赖平移不变性或带边有效质量近似。

Comments 11 pages, 5 figures

DiLaDiff: Distilled Latent-Augmented Diffusion for Language Modeling

DiLaDiff: 蒸馏潜在增强扩散用于语言建模

Jean-Marie Lemercier, Tomas Geffner, Karsten Kreis, Morteza Mardani, Arash Vahdat, Ante Jukić

机构 * NVIDIA（英伟达） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出DiLaDiff，通过连续潜在空间、潜在扩散模型和一致性蒸馏解决扩散语言模型在解码令牌相关性上的不足，提升采样质量和推理速度。

GeoCycler: Reward-Aligned 3D Diffusion for Constraint-Conditioned Cyclic Peptide Design

GeoCycler: 面向约束条件的环肽设计的奖励对齐3D扩散模型

Jingjie Zhang, Hanqun Cao, Haosen Shi, He Mutian, Yu Wang, Zijun Gao, Fang Wu, Xiaojun Yao, Chang-Yu Hsieh, Sinno Jialin Pan, Pranam Chatterjee, Chunbin Gu, Pheng-Ann Heng

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出GeoCycler框架，通过奖励加权扩散对齐训练条件潜扩散模型，以改善环肽生成中的大环化可行性，在LNR基准上显著提升闭合成功率。

Hybrid Quantum-Classical Corrective Diffusion Modeling for Meteorological Downscaling

混合量子-经典校正扩散模型用于气象降尺度

Rui Wang, Edoardo Pasetto, Amer Delilbasic, Morris Riedel, Kristel Michielsen, Gabriele Cavallaro

机构 * University of Iceland（爱沙尼亚大学） ； RWTH Aachen University（亚琛工业大学） ； University of Cologne（科隆大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出一种混合量子-经典校正扩散模型，通过在扩散UNet的瓶颈层插入变分量子电路进行潜在通道混合，在10米风场降尺度任务中改善了MAE和CRPS，并保持了空间结构与能谱分布。

Comments 11 pages, 9 figures. Submitted to IEEE QCE 2026

A Metadynamics-Based Framework for Free Energy Surface Mapping of Multiparticle Diffusion in Crystals

基于元动力学的晶体中多粒子扩散自由能面映射框架

Shunya Yamada, Kazuaki Toyoura

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出两种基于元动力学的方法，通过副本状态交换元动力学和平行偏置元动力学将高维集体变量分解为低维，高效映射晶体中多相互作用载流子的自由能面，并以LixTiS2中的锂扩散验证了方法的准确性。

Contrastive Distribution Matching for Amortized Sequential Monte Carlo in Discrete Diffusion

对比分布匹配用于离散扩散中的摊销序贯蒙特卡洛

Jaihoon Kim, Taehoon Yoon, Prin Phunyaphibarn, Seungjun Kim, Morteza Mardani, Minhyuk Sung

机构 * KAIST（韩国科学技术院） ； University of Michigan（密歇根大学） ； NVIDIA（英伟达） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出对比分布匹配（CDM）框架，通过正负样本学习参数化扭曲函数，摊销序贯蒙特卡洛（SMC）推理成本，在离散扩散中高效采样奖励倾斜分布。

Comments Project Page: https://cdm-smc.github.io/

Orientational frustration drives enhanced diffusion of anisotropic particles in a liquid labyrinth

取向受阻驱动各向异性粒子在液体迷宫中的增强扩散

Rohit Mangalwedhekar, Limeng Ruan, Somen Nandi, Quentin Gresil, Marc Tondusson, Stephane Bancelin, Lea-Laetitia Pontani, Laurent Cognet

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 通过3D单粒子追踪发现，一维碳纳米管在软物质迷宫中的扩散表现出反常且反持久的特性，长纳米管通过动态对齐通道实现几何辅助逃逸，从而弱化长度对逃逸时间的影响。

Comments 21 pages, 5 figures, 4 supplementary figures

On the $L^{2}$ estimates of the diffusion waves

关于扩散波的 $L^{2}$ 估计

Ryo Ikehata, Hiroshi Takeda

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究强阻尼波动方程在低维情况（n=1,2）下解的 $L^2$ 范数长时间行为，通过引入差算子 $D(t)$ 比较扩散波与自由波，证明一维中自由波是有效渐近轮廓，而二维中波近似失效。

On the Robustness of Distribution Support under Diffusion Guidance

扩散引导下分布支撑的鲁棒性研究

Ruijia Cao, Yuchen Wu, Nisha Chandramoorthy

机构 * Center for Applied Mathematics, Cornell University（康奈尔大学应用数学中心） ； School of Operations Research and Information Engineering, Cornell University（康奈尔大学运筹学与信息工程学院） ； Department of Statistics, The University of Chicago（芝加哥大学统计学系） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文通过建立分布支撑的鲁棒性性质，理论解释了扩散引导为何能生成高质量样本，并覆盖DDIM和DDPM模型及多种离散化方案。

Training-Free Rate-Distortion-Perception Traversal With Diffusion

无训练率失真感知遍历与扩散

Yuhan Wang, Suzhi Bi, Ying-Jun Angela Zhang

机构 * Department of Information Engineering, The Chinese University of Hong Kong, Hong Kong（信息工程系，香港中文大学，香港） ； College of Electronic and Information Engineering, Shenzhen University, Shenzhen（电子与信息工程学院，深圳大学，深圳） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出一种无需重新训练、利用预训练扩散模型遍历率失真感知（RDP）曲面的框架，结合反向信道编码与分数缩放概率流ODE解码器，理论证明其在AWGN下最优，实验验证其灵活性和有效性。

Comments Accepted by the Forty-Third International Conference on Machine Learning (ICML) 2026

D2 Actor Critic: Diffusion Actor Meets Distributional Critic

D2 Actor Critic: 扩散演员遇上分布式评论家

Lunjun Zhang, Shuo Han, Hanrui Lyu, Bradly C Stadie

机构 * Department of Computer Science, University of Toronto（计算机科学系，多伦多大学） ； Department of Statistics, Northwestern University（统计学系，西北大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出D2AC算法，通过融合扩散策略与分布式评论家，实现无模型强化学习中扩散策略的在线高效训练，在18个困难任务上达到最先进性能。

Comments Accepted to TMLR 2025

The Burgers-FKPP advection-reaction-diffusion equation with cut-off

带截断的Burgers-FKPP平流-反应-扩散方程

Nikola Popovic, Mariya Ptashnyk, Zak Sattar

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究Heaviside截断对Burgers-FKPP平流-反应-扩散方程前沿传播动力学的影响，证明存在唯一行波解并推导传播速度的主导渐近行为。

Diffusion-based Denoising Beats Vanilla Score Matching in Parameter Estimation: A Theoretical Explanation

基于扩散的去噪在参数估计中优于普通得分匹配：一个理论解释

Benedikt Lütke Schwienhorst, Nadja Klein, Johannes Lederer

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文通过理论分析证明，对于具有分离模态的多峰分布，基于扩散的去噪得分匹配估计器（DDSME）相比普通得分匹配估计器（SME）具有更优的误差界，并解释了扩散方法优越性的原因。

Learnability-Informed Fine-Tuning of Diffusion Language Models

扩散语言模型的可学习性感知微调

Shubham Parashar, Atharv Chagi, Jacob Helwig, Lakshmi Jotsna, Sushil Vemuri, James Caverlee, Dileep Kalathil, Shuiwang Ji

机构 * Department of Computer Science and Engineering, Texas A\&M University, College Station, TX, USA（计算机科学与工程系，德克萨斯A&M大学，College Station, TX, USA） ； Department of Electrical and Computer Engineering, Texas A\&M University, College Station, TX, USA（电气与计算机工程系，德克萨斯A&M大学，College Station, TX, USA） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对扩散语言模型（DLM）推理能力提升问题，提出基于可学习性感知的微调算法LIFT，通过在不同扩散时间步对齐训练与信息可用性，在六个推理基准上超越现有SFT基线，在AIME'24和AIME'25上实现高达3倍的相对提升。

VAMP-Diff: VampPrior Latent Diffusion for Photoplethysmography Modeling

VAMP-Diff: 用于光电容积描记法建模的VampPrior潜扩散模型

Fatemeh Ghasemi Balouei, Nathan Willemsen, Mahesh Banavar, Bahman Moraffah

机构 * Department of Electrical and Computer Engineering（电气与计算机工程系） ； Clarkson University（克林顿大学） ； Department of Computer Science（计算机科学系） ； Worcester Polytechnic Institute（沃思格理工学院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出VAMP-Diff，一种联合训练的变分扩散模型，结合时间编码器、条件一维扩散解码器和VampPrior正则化，以生成逼真的PPG波形并保持心率和呼吸信息。

Comments Submitted to the 2026 Asilomar Conference on Signals, Systems, and Computers. 12 pages, 6 figures

Leveraging Foundation Models for Causal Generative Modeling

利用基础模型进行因果生成建模

Aneesh Komanduri, Xintao Wu

机构 * University of Arkansas（亚拉巴马大学） 纠错

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

AI总结 提出FM-CGM框架，通过预训练基础模型实现零样本因果发现、干预和反事实生成，并引入因果语义引导机制确保忠实反事实图像生成。