图像生成

ERNIE-Image Technical Report

ERNIE-Image 技术报告

Jiaxiang Liu, Zhida Feng, Pengyu Zou, Zhenyu Qian, Tianrui Zhu, Jun Xia, Yuehu Dong, Yanzheng Lin, Honglin Xiong, Anqi Chen, Yunpeng Ding, Jinghui Duan, Lin Gao, Chao Han, Tiechao He, Jiakang Hu, Ranjun Hua, Xueming Jiang, Qingli Kong, Yuting Lei, Tianyu Li, Yunlin Liu, Changling Liu, Yaxin Liu, Yi Liu, Xuguang Liu, Xiaolong Ma, Yan Pan, Yiran Ren, Nan Sheng, Yu Sun, Siyang Sun, Yixiang Tu, Yang Wan, Huanai Wang, Siqi Wang, Yang Wu, Youzhi Yang, Xiaowen Yang, Jianwen Yang, Yehua Yang, Quanwen Zhang, Xinmin Zhang, Haoxin Zhang, Xiang Zhang, Jun Zhang, Qian Zhang, Qiao Zhao, Qi Zhou

机构 * ERNIE Team, Baidu（百度ERNIE团队） 纠错

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

AI总结 提出基于8B单流DiT架构的开源文本到图像生成模型ERNIE-Image，通过自底向上的预训练数据构建和自顶向下的后训练数据构建，结合稳定DPO策略和MT-DMD蒸馏方法，在指令遵循、文本渲染和美学质量上接近顶级商业模型。

Findings of the Counter Turing Test: AI-Generated Image Detection

反图灵测试结果：AI生成图像检测

Rajarshi Roy, Nasrin Imanpour, Ashhar Aziz, Shashwat Bajpai, Gurpreet Singh, Shwetangshu Biswas, Kapil Wanaskar, Parth Patwa, Subhankar Ghosh, Shreyas Dixit, Nilesh Ranjan Pal, Vipula Rawte, Ritvik Garimella, Amitava Das, Amit Sheth, Vasu Sharma, Aishwarya Naresh Reganti, Vinija Jain, Aman Chadha

机构 * Kalyani Government Engineering College（卡利尼政府工程学院） ； University of South Carolina（南卡罗来纳大学） ； IIIT Delhi（德里IIIT） ； BITS Pilani Hyderabad Campus（比斯潘尼 Hyderabad 分校） ； IIIT Guwahati（果阿瓦提IIIT） ； NIT Silchar（西里char 工科院） ； San José State University（桑乔斯州立大学） ； UCLA（加州大学洛杉矶分校） ； Washington State University（华盛顿州立大学） ； Vishwakarma Institute of Information Technology（维斯瓦克arma 信息科技学院） ； Meta AI ； Amazon AI（亚马逊AI） ； BITS Pilani Goa（比斯潘尼 Goa 分校） 纠错

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

AI总结 本文通过Defactify 4.0工作坊的反图灵测试竞赛，评估了多种检测方法在区分AI生成图像与真实图像及识别具体生成模型上的性能，发现检测准确率较高但模型识别仍具挑战。

Comments Defactify4 @AAAI 2025

FlowErase-RL: Rethinking Concept Erasure as Reward Optimization in Flow Matching Models

FlowErase-RL：将概念擦除重新思考为流匹配模型中的奖励优化

Yi Sun, Zhiqi Zhang, Xinhao Zhong, Yimin Zhou, Shuoyang Sun, Bin Chen, Shu-Tao Xia, Ke Xu

机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Jilin University（吉林大学） ； Peng Cheng Laboratory（鹏城实验室） ； Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系） 纠错

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

AI总结 提出FlowErase-RL，首个基于GRPO的框架，通过动态双路径奖励机制将概念擦除转化为奖励优化问题，在抑制目标概念的同时保持生成保真度，实现最先进的擦除性能与鲁棒性。

A Comprehensive Dataset for Human vs. AI Generated Image Detection

人类与AI生成图像检测的综合数据集

Rajarshi Roy, Ashhar Aziz, Shashwat Bajpai, Nasrin Imanpour, Gurpreet Singh, Shwetangshu Biswas, Kapil Wanaskar, Parth Patwa, Subhankar Ghosh, Shreyas Dixit, Nilesh Ranjan Pal, Vipula Rawte, Ritvik Garimella, Amitava Das, Amit Sheth, Gaytri Jena, Vasu Sharma, Aishwarya Naresh Reganti, Vinija Jain, Aman Chadha

机构 * 1 Kalyani Government Engineering College, India. 2 IIIT Delhi, India. 3 BITS Pilani Hyderabad Campus, India. 4 University of South Carolina, USA. 5 IIIT Guwahati, India. 6 NIT Silchar, India. 7 San Jos\' e State University, USA. 8 UCLA, USA. 9 Washington State University, USA. 10 Vishwakarma Institute of Information Technology, India. 11 Gandhi Institute for Technological Advancement, India. 12 Meta AI, USA. 13 Amazon AI, USA. 14 BITS Pilani Goa, India. 纠错

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

AI总结 针对AI生成图像检测问题，构建了包含96000个真实与合成数据点的MS COCOAI数据集，并提出了图像真伪分类与生成模型识别两个任务。

Φ-Noise: Training-Free Temporal Video Conditioning via Phase-Based Noise Manipulation

Φ-Noise：基于相位噪声操作的无训练时间视频条件生成

Ofir Abramovich, Nadav Z. Cohen, Adi Rosenthal, Ariel Shamir

机构 * Canvas-Lab 纠错

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

AI总结 提出一种无需训练的方法，通过将参考视频的低频相位信息注入扩散噪声潜变量，实现运动条件视频生成，无需修改模型架构或推理流程。

Comments Under Review; 26 pages, 21 figures

DRFusion: Drift-Resilient Temporally Consistent Infrared-Visible Video Fusion

DRFusion: 抗漂移的时间一致红外-可见光视频融合

Xingyuan Li, Haoyuan Xu, Shulin Li, Xiang Chen, Zhiying Jiang, Jinyuan Liu

机构 * College of Computer Science ； Technology, Zhejiang University, Hangzhou, China ； School of Software Technology \& DUT-RU International School of ISE, Dalian University of Technology, Dalian, China ； College of Information Science ； Technology, Dalian Maritime University, Dalian, China 纠错

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

AI总结 提出一种抗漂移的视频融合方法，将任务重构为历史条件运动生成，通过稳定历史引导和软时间锚定实现时间一致性，并采用解耦结构-运动适应策略，在融合质量和时间稳定性上达到最优。

Comments 11 pages, 7 figures, 4 tables

Artifact Correction for Echo-Planar Imaging at Low-Field and Ultra-Low-Field MRI

低场和超低场MRI中回波平面成像的伪影校正

Sisi Qiao, Yilin Yu, Tiecheng Lin, Yuhao Liu, Jiajia Sun, Xiaoling Li

机构 * School of Mechanical Engineering, Xi'an Jiaotong University（西安交通大学机械工程学院） 纠错

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

AI总结 针对低场和超低场MRI中回波平面成像的奈奎斯特鬼影问题，提出一种无需参考扫描的校正流程，结合峰值对齐与插值重采样方法，有效抑制鬼影并提升图像质量。

Comments 19 pages, 10 figures, 2 tables

Full-4D: Generating Full-Scope 4D Scenes from a Single-View Video

Full-4D：从单视角视频生成全范围4D场景

Tingxi Chen, Ke Hao, Yabo Chen, Zhengxue Cheng, Rong Xie, Li Song, Haibin Huang, Chi Zhang, Xuelong Li

机构 * Shanghai Jiao Tong University（上海交通大学） ； Institute of Artificial Intelligence, China Telecom (TeleAI)（中国电信人工智能研究院） 纠错

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

AI总结 提出一种将单视角视频转换为全范围4D场景的框架，通过多视角视频合成和基于优化的4D重建，引入大规模数据集Real-MV-4D、融合时间-视图注意力的扩散模型和流匹配蒸馏损失，实现高保真度和几何一致性。

Enhancing Single-Image Facial Demorphing using Multimodal Large Language Models

利用多模态大语言模型增强单图像面部去变形

Nitish Shukla, Arun Ross

机构 * IEEE 纠错

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

AI总结 提出一种基于多模态大语言模型引导的耦合扩散重建框架，通过提取中间层语义嵌入作为条件，实现无参考的面部去变形，恢复构成图像并保持身份一致性。

Geometry-Aware Image Flow Matching

几何感知图像流匹配

Junho Lee, Kwanseok Kim, Joonseok Lee

机构 * Seoul National University, Seoul, Korea（首尔国立大学） 纠错

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

AI总结 本文通过发现自然图像语义信息主要编码在方向分量上，提出球面最优传输流匹配（SOT-CFM）和球面流匹配（SFM）两种几何感知方法，在超球面上建模图像，相比欧几里得基线取得更优性能。

Guess the Unified Model: How Much Can We Recover from Generated Images?

猜猜统一模型：从生成的图像中我们能恢复多少？

Jasin Cekinmez, Ryo Mitsuhashi, Addison J. Wu, Yida Yin

机构 * Princeton University（普林斯顿大学） 纠错

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

AI总结 本文研究统一模型生成图像的可分离性，通过七个模型的大量图像实验，发现模型归因高度可行，且语义内容对可分离性有贡献但非主导信号。

DIVER:Diving Deeper into Distilled Data via Expressive Semantic Recovery

DIVER: 通过表达性语义恢复深入挖掘蒸馏数据

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

机构 * University of Electronic Science and Technology of China, Chengdu, China（电子科技大学，成都，中国） ； Institute of High Performance Computing (IHPC), Agency for Science, Technology and Research (A*STAR), Singapore（高性能计算研究所（IHPC），科技研究局（A*STAR），新加坡） ； Centre for Frontier AI Research (CFAR), Agency for Science, Technology and Research (A*STAR), Singapore（前沿人工智能研究中心（CFAR），科技研究局（A*STAR），新加坡） 纠错

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

AI总结 提出双阶段蒸馏框架DIVER，利用预训练扩散模型通过语义继承、引导和融合恢复蒸馏数据的表达性语义，提升跨架构泛化能力。

Comments Accepted by ICML 2026

Any2Any: Unified Arbitrary Modality Translation for Remote Sensing

Any2Any: 统一任意模态遥感翻译

Haoyang Chen, Jing Zhang, Hebaixu Wang, Shiqin Wang, Pohsun Huang, Jiayuan Li, Haonan Guo, Di Wang, Zheng Wang, Bo Du

机构 * National Engineering Research Center for Multimedia Software, Institute of Artificial Intelligence, School of Computer Science, Wuhan University（多媒体软件国家工程研究中心、人工智能研究院、计算机科学学院、武汉大学） ； Hubei Key Laboratory of Multimedia（湖北省多媒体重点实验室） ； Zhongguancun Academy, Beijing, China. 100094（中关村学院，北京，中国。100094） ； School of Electronic Information, Wuhan University, Wuhan, China（电子信息学院，武汉大学，武汉，中国） ； School of Automation, Beijing Institute of Technology（自动化学院，北京理工大学） ； State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University, Wuhan, China（测绘、制图与遥感信息工程国家重点实验室，武汉大学，武汉，中国） 纠错

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

AI总结 提出统一潜扩散框架Any2Any，通过共享潜空间和轻量残差适配器实现任意模态间的高效翻译，并在新数据集RST-1M上验证了其优于成对方法且具备零样本泛化能力。

Comments Accepted by ICML 2026

Residual Connections Harm Generative Representation Learning

残差连接损害生成式表示学习

Xiao Zhang, Ruoxi Jiang, William Gao, Rebecca Willett, Michael Maire

机构 * University of Chicago（芝加哥大学） ； Fudan University（复旦大学） ； Tencent（腾讯） ； Shanghai Academy of AI for Science（上海人工智能科学研究院） 纠错

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

AI总结 通过减少残差网络中恒等捷径的权重，显著提升掩码自编码器和扩散模型等生成式表示学习框架中的语义特征学习质量。

Comments accepted to CVPR 2026

ULF-Synth: Physics-Guided Ultra-Low-Field MRI Enhancement for Pediatric Neuroimaging

ULF-Synth：用于儿科神经影像的物理引导超低场MRI增强

Toufiq Musah, Salvatore Calcagno, Federica Proietto Salanitri, Xiaomeng Li, Maruf Adewole, Marawan Elbatel

机构 * Kwame Nkrumah University of Science and Technology（科拉努姆大学科学与技术学院） ； University of Catania（卡塔尼亚大学） ； The Hong Kong University of Science and Technology（香港科学与技术大学） ； Medical Artificial Intelligence Lab（医学人工智能实验室） 纠错

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

AI总结 提出ULF-Synth框架，通过从高场MRI合成逼真的超低场图像并采用空间-频率域目标，实现无需真实配对数据的超低场MRI增强，提升结构相似性和诊断可接受性。

Comments 10 pages, 2 figures, 3 tables

Flow Matching for Probabilistic Monocular 3D Human Pose Estimation

基于流匹配的概率单目3D人体姿态估计

Cuong Le, Pavlo Melnyk, Bastian Wandt, Mårten Wadenbäck

机构 * Department of Electrical Engineering（电气工程系） ； Linköping University（林雪平大学） ； Independent researcher（独立研究者） 纠错

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

AI总结 提出FMPose方法，利用流匹配生成模型从2D关键点学习3D姿态分布，通过图卷积网络建模2D提升条件，在保持精度的同时显著提升推理速度。

Comments 12 pages, 2 figures, 8 tables, accepted to TMLR

Two-stage deep learning framework for the restoration of incomplete-ring PET images

用于修复不完整环PET图像的两阶段深度学习框架

Yeqi Fang, Rong Zhou

机构 * College of Physics, Sichuan University（四川大学物理学院） 纠错

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

AI总结 提出一种两阶段深度学习框架，无需飞行时间信息，通过投影域注意力U-Net预测缺失正弦图部分和级联U-Net与热启动扩散模型进行图像细化，从约50%缺失符合事件的不完整环数据中恢复高质量PET图像。

Comments 17 pages, 5 figures

Sensor2Sensor: Cross-Embodiment Sensor Conversion for Autonomous Driving

Sensor2Sensor: 自动驾驶的跨本体传感器转换

Jiahao Wang, Bo Sun, Yijing Bai, Vincent Casser, Songyou Peng, Zehao Zhu, Meng-Li Shih, Xander Masotto, Shih-Yang Su, Kanaad V Parvate, Tiancheng Ge, Linn Bieske, Dragomir Anguelov, Mingxing Tan, Chiyu Max Jiang

机构 * Waymo ； Johns Hopkins University（约翰霍普金斯大学） ； Google DeepMind（谷歌DeepMind） ； University of Washington（华盛顿大学） 纠错

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

AI总结 提出Sensor2Sensor生成模型，将单目行车记录仪视频转换为多模态传感器数据（多视角相机图像和LiDAR点云），通过4D高斯泼溅重建和扩散架构解决无配对数据问题，为自动驾驶开发解锁外部数据源。

Comments Accepted by CVPR 2026

Articulate That Object Part (ATOP): 3D Part Articulation via Text and Motion Personalization

Articulate That Object Part (ATOP): 通过文本和运动个性化实现3D部件关节运动

Aditya Vora, Sauradip Nag, Kai Wang, Hao Zhang

机构 * Computing Science, Simon Fraser University（西蒙弗雷泽大学计算科学系） 纠错

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

AI总结 提出ATOP方法，利用文本提示和运动个性化，通过少样本微调扩散模型生成运动样本，并借助可微渲染优化部件关节参数，实现静态3D对象的部件关节运动。

Comments Accepted to ACM Transactions of Graphics, 2026

TIE: Time Interval Encoding for Video Generation over Events

TIE：面向事件视频生成的时间区间编码

Zhilei Shu, Shangwen Zhu, Zihang Liang, Xiaofan Li, Qianyu Peng, Xinyu Cui, Bo Ye, Yiming Li, Fan Cheng, Jian Zhao, Yang Cao, Zheng-Jun Zha, Ruili Feng

机构 * University of Science and Technology of China（中国科学技术大学） ； Matrix Team（Matrix团队） ； Shanghai Jiao Tong University（上海交通大学） ； Nanyang Technological University（南洋理工大学） ； University of Waterloo（滑铁卢大学） ； The Pennsylvania State University（宾夕法尼亚州立大学） ； Zhongguancun Academy（中关村学院） ； The University of Hong Kong（香港大学） 纠错

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

AI总结 提出时间区间编码（TIE），将旋转位置嵌入推广为区间感知形式，解决扩散变换器（DiT）在重叠事件视频生成中时间区间无法表示的问题，显著提升时间可控性。

Therm-FM: Foundation Model is ALL YOU NEED for 3D-ICs Thermal Simulation

Therm-FM：基础模型是3D-IC热仿真的全部所需

Zhen Huang, Haiyang Xin, Wenkai Yang, Yangbo Wei, Zhiping Yu, Yu Zhang, Wei W. Xing, Ting-Jung Lin, Lei He

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出Therm-FM，一种基于预训练偏微分方程基础模型的神经算子框架，用于3D-IC稳态和瞬态热仿真，通过多保真训练策略显著降低数据生成成本并提高精度。

Comments 14 pages, 10 figures, extended version of a DAC 2026 paper

Exact controllability of the stochastic Maxwell equation: theory and numerical simulation

随机麦克斯韦方程的精确可控性：理论与数值模拟

Liying Sun, Xiaohan Wang, Yongyi Yu

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文通过乘子法建立后向随机麦克斯韦方程的可观测性不等式，证明前向方程的精确可控性，并指出扩散项控制的必要性及控制数量的最小性，最后提出结合中心差分、中点格式和拉格朗日乘子法的数值算法。

Pattern Formation with Two Length Scales: Spatiotemporal Chaos

具有两个长度尺度的图案形成：时空混沌

Laura Pinkney, Alastair M. Rucklidge, Cedric Beaume

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究在长度尺度比为√7的模型偏微分方程中，三波相互作用导致时空混沌的机制，通过弱非线性理论推导常微分方程分析平衡态稳定性，并发现四波相互作用也起重要作用。

Comments 54 pages, 25 figures. Data available at https://doi.org/10.5518/1819

Agent-Centric Social Trajectory Prediction: A Free Energy Principle Perspective

以智能体为中心的社交轨迹预测：自由能原理视角

Yanping Wu, Ji Zhang, Hao Chen, Edmond S. L. Ho, Chongfeng Wei

机构 * University of Glasgow（格拉斯哥大学） ； Southwest Jiaotong University（西南交通大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 针对现有轨迹预测方法依赖全局状态、部分可观测下信念推理不足及缺乏认知行为约束的问题，提出基于自由能原理的智能体中心轨迹预测框架FEP-Diff，通过双分支时空编码器、目标条件信念学习器和残差扩散轨迹生成器，在受限可观测条件下实现认知合理的预测。

Comments 10 pages, 4 figures

Weighted Helmholtz--Hodge decompositions, Lyapunov functions, and invariant measures

加权 Helmholtz--Hodge 分解、Lyapunov 函数与不变测度

Haesung Lee, Gerald Trutnau

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文研究与二阶扩散算子相关的漂移向量场的加权 Helmholtz--Hodge 分解，通过加权散度自由条件与无穷小不变测度的关系，建立了分解唯一性与不变测度唯一性的等价性，并在线性及多项式扰动情形下给出了显式刻画。

Comments Long version with all details

Geometric Flow Matching for Molecular Conformation Generation via Manifold Decomposition

基于流形分解的几何流匹配分子构象生成

Yunqing Liu, Yi Zhou, Wenqi Fan

机构 * The Hong Kong Polytechnic University（香港理工大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出GO-Flow方法，通过将生成过程分解为平移、旋转和构象三个物理子空间，利用流形上的最优传输和测地流，解决现有方法忽略分子几何层次结构的问题，实现高质量、高效率的分子构象生成。

Guided Flow Matching for Forward and Inverse PDE Problems with Sparse Observations: Algorithm and Theory

面向稀疏观测的正反PDE问题的引导流匹配：算法与理论

Xifeng Zhang, Jin Zhao

机构 * School of Mathematical Science（数学科学学院） ； Academy for Multidisciplinary Studies（多学科研究学院） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出FM4PDE流匹配生成框架，通过引导采样联合学习PDE系数与解分布，实现稀疏观测下的正向模拟与逆问题恢复，并提供误差保证。

Comments 50 pages, 8 figures, 4 tables

Valuation of Variable Annuities with Equity Protection Swaps under Jumps and Default Risks

跳跃与违约风险下具有权益保护互换的变额年金估值

Marek Rutkowski, Huansang Xu

专题命中 扩散模型 ：diffusion(abstract)

AI总结 基于Merton跳跃扩散模型和Szimayer独立随机时间违约模型，推导欧式期权闭式估值公式与看跌-看涨平价关系，分析跳跃和违约风险下权益保护互换产品的对冲策略及违约调整保费。

Microfluidic Actuation by Einstein-de Haas Spin Torque

爱因斯坦-德哈斯自旋扭矩驱动的微流控致动

Xin Hu, Mamoru Matsuo

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出利用自旋电流通过爱因斯坦-德哈斯扭矩在密封液态金属中产生微流控驱动，无需压力、移动壁、磁场、洛伦兹力或电荷流动。

Comments 15 pages, 3 figures

Accelerated Simulation Algorithms for Extreme First-Passage Problems with General Emission Profiles

具有一般发射分布的极端首次通过问题的加速模拟算法

Emmanuel Akame Mfoumou, David Holcman

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出一种利用渐近首次通过分布的高效模拟框架，通过递归逆变换算法和迭代方法，无需追踪粒子轨迹即可模拟极端到达时间顺序统计量，适用于有界域中局部吸收目标的扩散过程。

Comments 28pages, 7 figures