图像生成

Resolution-free neural surrogates for geometric parameterization and mapping with spatially varying fields

无分辨率依赖的几何参数化与映射神经替代模型：面向空间变化场

Yanwen Huang, Lok Ming Lui, Gary P. T. Choi

机构 * Department of Mathematics, The Chinese University of Hong Kong（香港中文大学数学系） 纠错

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

AI总结 提出一种无分辨率依赖的神经替代模型，通过多分辨率几何编码和几何感知约束（变分能量、扩散密度均衡、拟共形理论）无监督学习，直接从空间变化参数场预测映射位置，适用于任意结构化或非结构化点集。

AdaState: Self-Evolving Anchors for Streaming Video Generation

AdaState: 用于流式视频生成的自演化锚点

Yusuf Dalva, Pinar Yanardag

机构 * Virginia Tech（弗吉尼亚理工学院） 纠错

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

AI总结 针对自回归视频扩散模型中静态首帧锚点抑制视频动态的问题，提出自适应状态锚点，通过隐变量与内容联合去噪并随时间演化，显著提升运动丰富度和场景自然演进。

Comments Project page: https://adastate.github.io/

YoCausal: How Far is Video Generation from World Model? A Causality Perspective

YoCausal: 视频生成距离世界模型还有多远？一个因果视角

You-Zhe Xie, Yu-Hsuan Li, Jie-Ying Lee, Kaipeng Zhang, Yu-Lun Liu, Zhixiang Wang

机构 * National Yang Ming Chiao Tung University ； Shanda AI Research Tokyo 纠错

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

AI总结 提出YoCausal基准，通过时间反转真实视频生成反事实样本，利用反向惊奇指数（RSI）和因果认知指数（CCI）评估视频扩散模型的因果理解能力，发现模型感知时间方向不等于理解因果关系，与人类水平存在显著差距。

Comments Project page: https://www.youzhexie.me/papers/YoCausal/index.html

Archon: A Unified Multimodal Model for Holistic Digital Human Generation

Archon：面向整体数字人生成的统一多模态模型

Chong Bao, Shichen Liu, Lijun Yu, David Futschik, Stylianos Moschoglou, Shefali Srivastava, Ziqian Bai, Feitong Tan, Guofeng Zhang, Zhaopeng Cui, Sean Fanello, Yinda Zhang

机构 * State Key Lab of CAD&CG, Zhejiang University（浙江大学CAD与CG国家重点实验室） ； Google（谷歌） ； Google DeepMind（谷歌DeepMind） 纠错

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

AI总结 提出Archon，一个完全预训练的以人为中心的统一多模态模型，通过模态特定分词器、语义视频重参数化和“模态思维”策略，实现文本、音频、动作和视觉等七种模态的整体数字人生成。

Comments Accepted to CVPR 2026. Project Page: https://zju3dv.github.io/archon/

PhyGenHOI: Physically-Aware 4D Generation of Dynamic Human-Object Interactions

PhyGenHOI：物理感知的动态人-物交互4D生成

Omer Benishu, Gal Fiebelman, Sagie Benaim

机构 * Hebrew University of Jerusalem（耶路撒冷希伯来大学） 纠错

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

AI总结 提出PhyGenHOI框架，结合运动扩散模型和物质点方法，通过窗口吸引损失、接触驱动重模拟和掩码视频SDS目标，生成物理一致且视觉逼真的4D人-物交互动态场景。

minWM: A Full-Stack Open-Source Framework for Real-Time Interactive Video World Models

minWM: 用于实时交互式视频世界模型的全栈开源框架

Min Zhao, Hongzhou Zhu, Bokai Yan, Zihan Zhou, Yimin Chen, Wenqiang Sun, Kaiwen Zheng, Guande He, Xiao Yang, Chongxuan Li, Fan Bao, Jun Zhu

机构 * ShengShu（盛书） ； THU（清华大学） ； RUC（中国人民大学） ； HKUST（香港科技大学） ； UT-Austin（德克萨斯大学奥斯汀分校） 纠错

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

AI总结 提出minWM全栈开源框架，通过因果强制/因果强制++流水线将双向视频扩散模型转化为可控制、低延迟的自回归世界模型，支持相机控制与多种骨干架构。

LiveSVG: Zero-Shot SVG Animation via Video Generation

LiveSVG：通过视频生成的零样本SVG动画

Matan Levy, Ran Margolin, Bar Cavia, Dvir Samuel, Yael Pritch, Shmuel Peleg, Alex Rav Acha, Ariel Shamir, Dani Lischinski

机构 * Google（谷歌） ； The Hebrew University of Jerusalem（耶路撒冷希伯来大学） ； Bar-Ilan University（巴伊兰大学） ； Reichman University（雷赫曼大学） 纠错

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

AI总结 提出LiveSVG方法，利用视频扩散模型直接拟合目标视频实现零样本SVG动画，无需骨架或类别先验，通过双层运动表示和球体填充重着色策略解决复杂运动与颜色歧义问题。

Comments Project Page: https://levymsn.github.io/LiveSVG

CityGen: Structure-Guided City-Style Synthesis for Cross-City Autonomous Driving

CityGen: 结构引导的城市风格合成用于跨城市自动驾驶

Zezhong Qian, Zhao Yang, Lu Tan, Zhihao Yan, Weiyi Hong, Haizhuang Liu, Yawei Jueluo

机构 * Jiangsu Cytoderm Intelligent Technology Co., Ltd., China（江苏细胞膜智能科技有限公司，中国） ； Xi'an Jiaotong University, Xi'an, China（西安交通大学，中国） ； Tsinghua University, Beijing, China（清华大学，中国） ； University of Science and Technology of China, Hefei, China（中国科学技术大学，中国） 纠错

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

AI总结 提出CityGen，一种基于扩散模型的生成框架，通过高清地图条件和城市级视觉提示实现零标签城市适应，提升跨城市自动驾驶在感知、分割和规划任务上的鲁棒性。

Streaming Drag-Oriented Interactive Video Manipulation: Drag Anything, Anytime!

流式拖拽导向的交互式视频操作：随时拖动任何物体！

Junbao Zhou, Yuan Zhou, Kesen Zhao, Qingshan Xu, Beier Zhu, Richang Hong, Hanwang Zhang

机构 * Nanyang Technological University（南洋理工大学） ； University of Science and Technology of China（中国科学技术大学） ； Hefei University of Technology（合肥工业大学） 纠错

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

AI总结 提出REVEL任务和DragStream方法，通过自适应分布自校正和空间频率选择性优化，实现自回归视频扩散模型的流式拖拽交互操作。

Trajectory Constraints for Imaging Inverse Problems

成像逆问题的轨迹约束

Chaoyan Huang, Haijie Yuan, Saiprasad Ravishankar

机构 * Department of Computational Mathematics, Science, & Engineering, Michigan State University（密歇根州立大学计算数学、科学与工程系） ； Department of Electrical Engineering and Computer Science, University of Michigan（密歇根大学电气工程与计算机科学系） ； Department of Biomedical Engineering, Michigan State University（密歇根州立大学生物医学工程系） 纠错

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

AI总结 提出TRACE框架，通过相邻状态耦合约束重建轨迹，稳定扩散和迭代方法在成像逆问题中的重建过程，并提升重建质量。

Comments 20 pages, 10 figures

Nano World Models: A Minimalist Implementation of Future Video Prediction

纳米世界模型：未来视频预测的极简实现

Siqiao Huang, Partha Kaushik, Michael Chen, Hengkai Pan, Kaiwen Geng, Omar Chehab, Fernando Moreno-Pino, Max Simchowitz

机构 * DeepMind 纠错

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

AI总结 提出Nano World Models，一个基于扩散强迫的极简代码库，用于未来视频预测，支持可控研究世界模型的设计选择，并通过实验分析预测参数化、架构规模等因素对视频预测质量的影响。

Comments Project page: https://simchowitzlabpublic.github.io/nano-world-model/

SCOPE: Simulating Cross-game Operations in Playable Environments for FPS World Models

SCOPE: 在可玩环境中模拟跨游戏操作以构建FPS世界模型

Zizhao Tong, Yeying Jin, Hongfeng Lai, Zeqing Wang, Zhaohu Xing, Kexu Cheng, Haoran Xu, Zhao Pu, Shangwen Zhu, Ruili Feng, Jian Zhao, Yan Zhang, Hao Tang, Ling Shao

机构 * UCAS-Terminus AI Lab, University of Chinese Academy of Sciences（中国科学院大学Terminus AI实验室） ； Tencent（腾讯） ； National University of Singapore（新加坡国立大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； University of Waterloo（多伦多大学） ； Shanghai Jiaotong University（上海交通大学） ； Zhongguancun Institute of Artificial Intelligence（中关村人工智能研究院） ； State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University（北京大学计算机科学学院多媒体信息处理国家重点实验室） 纠错

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

AI总结 提出SCOPE方法，通过在每个Transformer块中插入条件模块，将特征重塑为逐像素时间序列，以分离FPS游戏中局部作用域（scope）内的操作效果与全局生成，并引入跨游戏数据集CrossFPS，实现零样本迁移。

Comments Project page: https://z2tong.github.io/SCOPE/. Code is available at https://github.com/z2tong/SCOPE

IGA-ODIL: Optimizing DIscretre robust Loss with Isogeometric Analysis to solve forward and inverse problems faster using machine learning tools

IGA-ODIL: 利用等几何分析优化离散鲁棒损失，借助机器学习工具更快求解正反问题

Maciej Paszyński, Tomasz Służalec

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出IGA-ODIL框架，用B样条基函数替代神经网络参数化，结合等几何分析与鲁棒变分残差最小化，实现稀疏雅可比矩阵和高效高斯-牛顿优化，在多个基准问题上相比PINNs和CRVPINNs实现数量级加速。

Comments Physics-informed neural networks, Isogeometric analysis, Residual minimization, Gauss--Newton methods, Scientific machine learning, PDE-constrained optimization

End-to-End Molecular Dynamics with a Langevin Thermostat on Quantum Circuits

基于量子电路的朗之万热浴分子动力学端到端实现

Masari Watanabe, Hirofumi Nishi, Taichi Kosugi, Shigekazu Hidaka, Ryo Sakurai, Yu-ichiro Matsushita

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出一种在量子电路上实现正则系综（NVT）有限温度分子动力学的框架，通过Koopman-von Neumann波函数编码经典相空间分布，利用朗之万型Fokker-Planck弛豫制备正则态，并演示了振动态密度和过渡态理论速率常数的量子读出。

Ridge Regression from Poisson Resetting: A Renewal Perspective on Spectral Regularization

泊松重置的岭回归：谱正则化的更新视角

Petar Jolakoski

机构 * manu.edu.mk 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 通过非平衡统计物理中的随机重置与统计学习中的岭正则化建立联系，证明线性梯度流下以速率r重置到原点产生的稳态均值即为岭估计，并推广到一般更新重置律以生成替代谱滤波器。

Lattice Brownian bees with cooperative reproduction: steady states, collapse, and spreading

具有合作繁殖的格子布朗蜜蜂：稳态、坍缩与扩散

Ohad Vilk, Baruch Meerson

专题命中 扩散模型 ：diffusion(abstract)

AI总结 通过流体动力学自由边界问题研究具有合作繁殖的格子布朗蜜蜂模型，揭示了不同繁殖阶数下的稳态、线性稳定性、有限时间坍缩和扩散行为。

Comments 23 one-column pages, 6 figures

LLM-Guided Future Hypotheses for Horizon-Aware Exploration in Multi-Step Robot Manipulation

LLM引导的未来假设用于多步机器人操作中的视野感知探索

Mohammad Khoshnazar, Andrew Melnik, Michael Beetz

机构 * Institute of Artificial Intelligence, University of Bremen（人工智能研究所，不莱梅大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出未来经验条件化（FEC）框架，利用LLM生成短期未来视频作为结构化先验，结合行为克隆和强化学习微调，提升多步机器人操作中的探索和策略适应能力。

A Calibrated Bayesian Search for Potential Chemical Technosignatures in Polluted White Dwarf

污染白矮星中潜在化学技术特征的一种校准贝叶斯搜索

Bo-Lun Huang, Zhen-Zhao Tao, Tong-Jie Zhang

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出一种陨石校准的贝叶斯框架，通过比较自然岩石与理想化“加工”模板的组成模式，搜索白矮星丰度记录中的化学技术特征，并量化其可检测发生率。

Comments 21 pages, 11 figures, 5 tables. Accepted for publication in The Astrophysical Journal

Strong Solutions for the Stochastic Cahn-Hilliard Convective Brinkman-Forchheimer Model for Tumor Growth

肿瘤生长的随机Cahn-Hilliard对流Brinkman-Forchheimer模型的强解

Kalpana Rawat, Kumarasamy Sakthivel

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文研究有界域上受乘性白噪声驱动的肿瘤生长扩散界面模型，通过耦合随机CBF/阻尼Navier-Stokes方程、Cahn-Hilliard方程和随机反应扩散方程，建立了局部强解的存在性、弱-强唯一性，并在二维和三维中分别证明了弱解的唯一性和全局存在性。

The Little Book of Generative AI Foundations: An Intuitive Mathematical Primer

生成式AI基础小书：直观数学入门

Tianhua Chen

机构 * School of Computing and Engineering（计算与工程学院） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本书通过推导导向的方式，从PCA到能量模型，系统介绍现代生成式人工智能的数学基础，旨在使生成建模结构更易理解。

Comments Preprint version, 178 pages. Comments and corrections are welcome

CMB Acoustic Power Spectra in STVG-MOG

STVG-MOG中的CMB声学功率谱

John W. Moffat

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文通过标量-张量-矢量引力理论（STVG-MOG）实现宇宙学模型，其中矢量场激发在早期宇宙中充当无碰撞、无压组分，使声学峰与ΛCDM预测一致，无需引入粒子暗物质。

Comments 6 pages, 1 figure, changes in text

Positive probability of explosion for stochastic heat equation with superlinear accretive reaction term and polynomially growing multiplicative noise

超线性增生反应项与多项式增长乘性噪声的随机热方程爆炸的正概率

Michael Salins, Yuyang Zhang

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究具有超线性反应项和多项式增长乘性噪声的随机热方程在有限时间爆炸的正概率条件，通过分析漂移和扩散项的相互作用，给出了中间参数区域的爆炸行为部分刻画。

Comments 27 pages, 3 figures; updated references; added a comment on more general initial data

Path-Space Mirror Descent for On-Policy Reinforcement Learning under the Generalized Schrödinger Bridge

广义薛定谔桥下在线强化学习的路径空间镜像下降

Yuehu Gong, Zeyuan Wang, Yulin Chen, Shutong Ding, Qingyuan Zhou, Yanwei Fu

机构 * School of Data Science, Fudan University（复旦大学数据科学学院） ； Laboratory for Big Data and Decision, National University of Defense Technology（国防科技大学大数据与决策实验室） ； ShanghaiTech University（上海科技大学） ； College of Computer Science and Artificial Intelligence, Fudan University（复旦大学计算机科学与人工智能学院） ； Shanghai Innovation Institute（上海创新研究院） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 针对生成式策略在在线策略优化中终端动作密度难处理的问题，提出GSB-MDPO方法，通过将策略优化建模为广义薛定谔桥问题并利用路径空间KL散度作为近端项，实现了无需显式终端似然评估的稳定更新。

Learning to Solve PDEs on Neural Shape Representations

在神经形状表示上学习求解偏微分方程

Lilian Welschinger, Yilin Liu, Zican Wang, Niloy Mitra

机构 * University College London（伦敦大学学院） ； Adobe Research（Adobe研究） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出一种无网格公式，学习基于神经局部形状属性的局部更新算子，直接在神经表示上求解表面偏微分方程，无需显式网格或逐实例优化，且保持可微性。

Comments Accepted at CVPR 2026. Project page: https://welschinger.github.io/Learning-to-Solve-PDEs-on-Neural-Shape-Representations/

Bayesian model selection and misspecification testing in imaging inverse problems only from noisy and partial measurements

仅从噪声和部分测量中进行成像逆问题的贝叶斯模型选择与误设定检验

Tom Sprunck, Marcelo Pereyra, Tobias Liaudat

机构 * Heriot-Watt University, MACS \& Maxwell Institute for Mathematical Sciences, EH14 4AS, Edinburgh, United Kingdom 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出一种结合贝叶斯交叉验证与数据分裂的通用方法，用于在无真实数据情况下对成像逆模型进行选择与误设定检测，兼容扩散采样器等贝叶斯成像采样器，计算成本低且准确率高。

Offline Reinforcement Learning with Generative Trajectory Policies

基于生成轨迹策略的离线强化学习

Xinsong Feng, Leshu Tang, Chenan Wang, Haipeng Chen

机构 * School of Computing, Data Sciences ； Computer Engineering Department, UCLA, Los Angeles, USA 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出生成轨迹策略（GTP），通过统一扩散、流匹配和一致性模型为常微分方程驱动的连续时间生成轨迹，并引入两种理论自适应方法，在D4RL基准上达到最先进性能。

Comments ICML 2026

Binary Mixtures of Intelligent Active Brownian Particles with Visual Perception

具有视觉感知的智能活性布朗粒子的二元混合物

Rajendra Singh Negi, Roland G. Winkler, Gerhard Gompper

专题命中 扩散模型 ：diffusion(abstract)

AI总结 通过计算机模拟研究具有视觉感知的A型和B型自转向粒子二元混合物的集体行为，揭示了多种非平衡态如多聚体、封装聚集体、蜂窝晶格和捕食者-猎物追逐的形成，并发现非互易转向和电荷类相互作用导致增强扩散。

Comments 13 figures

Journal ref New Journal of Physics 27, 103301 (2025)

Emergence of Dynamical Anisotropy induced by Demixing in a Binary System with Differential Diffusivity under an External Potential

外部势下具有不同扩散率的二元体系中脱混诱导的动态各向异性的涌现

Rashmi Trivedi, Subhajit Paul, Sumanta Kundu, Sunita Kumari

专题命中 扩散模型 ：diffusion(abstract)

AI总结 通过模拟研究外部势和填充分数对具有不同扩散率的二元粒子混合物脱混行为的影响，发现外部势促进脱混并诱导冷粒子形成六角序，以及动态各向异性的涌现。

Kernel-based potential mean-field games with unbiased random Fourier $U$-statistics

基于核的势均场博弈与无偏随机傅里叶 $U$-统计量

Yumiharu Nakano

机构 * Department of Mathematical and Computing Science, Institute of Science Tokyo（东京科学研究院数学与计算科学系） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 针对运行交互成本和终端目标成本均由再生核最大均值差异（MMD）惩罚表示的势均场博弈子类，提出一种利用核结构的计算框架，通过无偏随机傅里叶U-统计量估计成本，并证明样本级几乎必然收敛定理和显式收敛速率。

Attention as In-Context Empirical Bayes: A Two-Stage View via Particle Dynamics

注意力作为上下文经验贝叶斯：通过粒子动力学的两阶段视角

Matthew Smart, Soumya Ganguly, Nilava Metya, Alexandre V. Morozov, Anirvan M. Sengupta

机构 * Lewis-Sigler Institute for Integrative Genomics（利斯-西格尔整合基因组研究所） ； Princeton University（普林斯顿大学） ； Department of Mathematics（数学系） ； Rutgers University（罗格斯大学） ； Department of Physics and Astronomy（物理与天文学系） ； Center for Computational Quantum Physics and Center for Computational Mathematics（计算量子物理中心和计算数学中心） ； Flatiron Institute（Flatiron研究所） ； Simons Foundation（西蒙斯基金会） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文通过粒子动力学将最小注意力仅变换器解释为两阶段经验贝叶斯过程，揭示了深度和注意力残差的统计角色，并证明无需显式噪声调度即可实现有效去噪。

Comments 52 pages, 5 figures