图像生成

Bayesian Rain Field Reconstruction using Commercial Microwave Links and Diffusion Model Priors

使用商业微波链路和扩散模型先验的贝叶斯雨场重建

Badr Moufad, Albina Ilina, Hai Victor Habi, Salem Lahlou, Yazid Janati, Hagit Messer, Eric Moulines

机构 * School of Electrical and Computer Engineering, Tel Aviv University, Tel Aviv, Israel（电气与计算机工程学院，特拉维夫大学，特拉维夫，以色列） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出将雨场重建视为贝叶斯逆问题，利用扩散模型作为高保真空间先验，通过无需训练的后验采样方法（如即插即用、序贯蒙特卡洛和副本交换）实现优于传统方法的性能。

Comments Added link to source code

Journal ref ICML 2026

Quantifying Error Propagation and Model Collapse in Diffusion Models

量化扩散模型中的误差传播与模型崩溃

Nail B. Khelifa, Richard E. Turner, Ramji Venkataramanan

机构 * University of Cambridge, Cambridge, United Kingdom（剑桥大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文理论分析了基于分数的扩散模型中递归训练导致模型崩溃的误差传播机制，给出了生成分布与目标分布之间累积散度的上下界，并刻画了不同漂移区域。

Comments Accepted at ICML 2026

Stop the Flip-Flop: Context-Preserving Verification for Fast Revocable Diffusion Decoding

停止翻转：面向快速可撤销扩散解码的上下文保持验证

Yanzheng Xiang, Lan Wei, Yizhen Yao, Qinglin Zhu, Hanqi Yan, Chen Jin, Philip Alexander Teare, Dandan Zhang, Lin Gui, Amrutha Saseendran, Yulan He

机构 * King's College London, UK ； Centre for AI, Data Science \& Artificial Intelligence, BioPharmaceuticals R\&D, AstraZeneca, UK ； The Alan Turing Institute, UK ； Imperial College London, UK 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对并行扩散解码中因激进并行导致的翻转振荡问题，提出COVER方法，通过KV缓存覆盖和稳定性感知评分实现单次前向传递中的留一验证与稳定草稿，减少不必要修订并加速解码。

Softly Constrained Denoisers for Diffusion Models Applied to Partial Differential Equations

应用于偏微分方程的扩散模型的软约束去噪器

Victor M. Yeom-Song, Severi Rissanen, Arno Solin, Samuel Kaski, Mingfei Sun

机构 * ELLIS Institute Finland（芬兰ELLIS研究所） ； Aalto University（阿alto大学） ； University of Manchester（曼彻斯特大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出在扩散模型的去噪器中引入基于偏微分方程的软归纳偏置，以在提高约束遵从性的同时保持对模型错误指定的适应性。

Comments 22 pages including appendix, 8 figures including appendix, preprint

dgMARK: Decoding-Guided Watermarking for Diffusion Language Models

dgMARK: 面向扩散语言模型的解码引导水印方法

Pyo Min Hong, Albert No

机构 * Department of Computer Engineering, Hongik University（鸿基大学计算机工程系） ； Department of Artificial Intelligence, Yonsei University（延世大学人工智能系） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出dgMARK方法，通过引导离散扩散语言模型的去掩码顺序满足奇偶约束，实现无需显式重加权概率的文本水印嵌入，并利用滑动窗口检测器保证对编辑操作的鲁棒性。

Comments Accepted at ICML 2026. Project page: https://dgmark-watermarking.github.io

Fragmentation-coagulation processes with advection or diffusion in space

具有空间平流或扩散的破碎-凝聚过程

Jacek Banasiak, Nduduzo Majozi

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究平流或扩散驱动的空间输运下连续破碎-凝聚模型，通过生成带参数的C0-半群，证明了一类广义平流/扩散-破碎问题的抽象柯西问题在加权L1空间中生成正C0-半群，从而实现了具有无界凝聚核的平流/扩散-破碎-凝聚方程的经典可解性。

Comments 39 pages

A compounded random walk for space-fractional diffusion on finite domains

有限域上空间分数阶扩散的复合随机游走

Christopher N. Angstmann, Daniel S. Han, Bruce I. Henry, Boris Z. Huang, Zhuang Xu

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出一种在有限和无限域上物理定义良好的复合随机游走，其演化方程收敛于有界域上的空间分数阶Fokker-Planck方程，并恢复无限域上的超扩散空间分数阶扩散方程，为通过势场和有限域建模空间分数阶扩散提供了重要进展。

Comments 8 pages, 5 figures

Journal ref Phys. Rev. E 111, 024136 (2025)

Scaling Multi-Agent Environment Co-Design with Diffusion Models

基于扩散模型的多智能体环境协同设计扩展

Hao Xiang Li, Michael Amir, Amanda Prorok

机构 * Department of Computer Science, University of Cambridge, Cambridge, United Kingdom（剑桥大学计算机科学系，剑桥，英国） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出扩散协同设计（DiCoDe）框架，通过投影通用引导（PUG）和评论家蒸馏机制，实现高维环境设计空间下的可扩展、样本高效的智能体-环境协同优化。

Impacts of Hot Electron Diffusion, Electron-Phonon Coupling, and Surface Atoms on Metal Surface Dynamics Revealed by Reflection Ultrafast Electron Diffraction

反射超快电子衍射揭示的热电子扩散、电子-声子耦合和表面原子对金属表面动力学的影响

Xing He, Mithun Ghosh, Ding-Shyue Yang

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 利用反射超快电子衍射研究光激发金属表面结构动力学，发现热电子快速扩散显著降低表面激发并影响原子运动的时间依赖性，且金表面原子振动振幅异常增大，而铂符合双温模型。

Comments 25 pages, 5 figures

Subexponential decay of local correlations from diffusion-limited dephasing

扩散限制退相干导致的局部关联次指数衰减

Ewan McCulloch, J. Alexander Jacoby, Curt von Keyserlingk, Sarang Gopalakrishnan

专题命中 扩散模型 ：diffusion(title)

AI总结 本文证明在一维守恒混沌动力学中，局部关联函数呈拉伸指数或更慢衰减，该量子相干效应源于类似惰性真空的“空洞”区域的持续存在。

Comments 5 pages, 2 figures, (suppplemental materials: 10 pages, 6 figures)

Journal ref Phys. Rev. Lett. 136, 190403 (2026)

Rectified flow-based prediction of post-treatment brain MRI from pre-radiotherapy priors for patients with glioma

基于整流流的胶质瘤患者放疗前先验信息治疗后脑MRI预测

Selena Huisman, Nordin Belkacemi, Vera C. Keil, Joost Verhoeff, Szabolcs David

机构 * Amsterdam UMC, Department of Radiation Oncology（阿姆斯特丹大学医学中心放射肿瘤科） ； Cancer Center Amsterdam, Imaging and Biomarkers（阿姆斯特丹癌症中心影像与生物标志物） ； Department of Radiology and Nuclear Medicine（放射科与核医学科） ； Amsterdam UMC, Vrije Universiteit Amsterdam, Amsterdam Neuroscience, Brain Imaging（阿姆斯特丹大学医学中心、阿姆斯特丹自由大学、阿姆斯特丹神经科学、脑成像） 纠错

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

AI总结 提出一种基于整流流的条件图像生成模型，利用放疗前MRI和剂量图预测治疗后任意时间点的脑MRI，实现快速推理并保持语义和视觉保真度。

Comments 10 pages, 6 figures, 1 supplementary table, added GitHub url, corrected figure captions

Learning Global Motion with Compact Gaussians for Feed-Forward 4D Reconstruction

利用紧凑高斯体学习全局运动的前馈式4D重建

Mungyeom Kim, Minkyeong Jeon, Honggyu An, Jaewoo Jung, Hyuna Ko, Jisang Han, Hyeonseo Yu, Donghwan Shin, Sunghwan Hong, Takuya Narihira, Kazumi Fukuda, Yuki Mitsufuji, Seungryong Kim

机构 * KAIST AI（韩国科学技术院人工智能研究所） ； ETH Zürich, ETH AI Center（苏黎世联邦理工学院，ETH人工智能中心） ； Sony AI（索尼人工智能） ； Sony Group Corporation（索尼集团） 纠错

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

AI总结 提出C4G框架，通过紧凑的可学习高斯查询令牌和视频扩散模型增强渲染，实现无需相机位姿的前馈式4D动态场景重建，显著减少高斯数量并提升运动建模鲁棒性。

Comments Project Page: see https://cvlab-kaist.github.io/C4G

VolFill: Single-View Amodal 3D Scene Reconstruction with Volumetric Flow Matching

VolFill: 基于体素流匹配的单视图非模态3D场景重建

Tuan Duc Ngo, Chuang Gan, Evangelos Kalogerakis

机构 * UMass Amherst（马萨诸塞大学阿姆赫斯特分校） ； TU Crete（希腊技术大学） 纠错

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

AI总结 提出VolFill框架，利用混合3D VAE和潜在扩散Transformer从单张RGB图像生成完整3D场景结构，在SCRREAM和NRGB-D数据集上显著优于现有方法。

Probabilistic Precipitation Nowcasting with Rectified Flow Transformers

基于整流流变压器的概率降水临近预报

Johannes Schusterbauer, Jannik Wiese, Nick Stracke, Timy Phan, Björn Ommer

机构 * CompVis ； LMU Munich（慕尼黑大学） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） 纠错

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

AI总结 提出FREUD模型，通过帧级编码器和统一解码器结合整流流变压器，在保持不确定性的同时实现高效时空压缩，在SEVIR基准上达到降水临近预报最优性能。

Comments CVPR 2026, Project Page: https://compvis.github.io/weather-rf/

Omni-Supervised Motion Editing: Balancing Change and Invariance through Positive-Negative Learning

全监督运动编辑：通过正负学习平衡变化与不变性

Zhenwu Shi, Jingyu Gong, Peiwei Wang, Xingzan Wang, Tianwen Qian, Wenxi Li, Yuan Fang, Jiao Xie, Lizhuang Ma, Shaohui Lin

机构 * Shanghai Institute of Artificial Intelligence for Education, East China Normal University, China（上海人工智能教育研究院，华东师范大学，中国） ； School of Computer Science and Technology, East China Normal University, China（华东师范大学计算机科学与技术学院，中国） ； School of Statistics, East China Normal University, China（华东师范大学统计学院，中国） ； The 27th Research Institute of CETC, Zhengzhou, China（中国电子科技集团第27研究所，郑州，中国） ； Key Laboratory of Advanced Theory and Application in Statistics and Data Science, MOE, China（教育部统计与数据科学先进理论与应用重点实验室，中国） ； Shanghai Key Laboratory of Computer Software Evaluating and Testing, China（上海计算机软件评测测试重点实验室，中国） ； School of Computer Science, Shanghai Jiao Tong University, China（上海交通大学计算机科学学院，中国） 纠错

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

AI总结 提出OmniME框架，通过正负学习结合回顾特征监督、运动保持机制和三元组语义对齐，平衡运动编辑中的变化与不变性，在MotionFix和STANCE Adjustment数据集上达到最优性能。

SteerFace: Debiasing Synthetic Face Generation via Adaptive Residue Perturbation

SteerFace: 通过自适应残差扰动消除合成人脸生成中的偏差

Yuxi Mi, Qiuyang Yuan, Jianqing Xu, Yichun Zhou, Xuan Zhao, Jun Wang, Rizen Guo, Shuigeng Zhou

机构 * Fudan University（复旦大学） ； Youtu Lab, Tencent（腾讯优图实验室） ； WeChat Pay Lab33, Tencent（腾讯微信支付实验室33） 纠错

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

AI总结 针对合成人脸数据与真实数据分布存在视觉倾向差异的问题，提出SteerFace框架，通过将身份嵌入向随机正交方向扰动作为正则化项，抑制生成器对非身份视觉线索的依赖，从而缩小合成-真实差距。

Foundation VAEs for 3D CT Reconstruction, Augmentation, and Generation

用于3D CT重建、增强和生成的基础VAE

Qi Chen, Shuhan Ding, Yu Gu, Nan Liu, Jiang Bian, Alan Yuille, Zongwei Zhou, Jingjing Fu

机构 * Department of Computer Science, Johns Hopkins University（约翰霍普金斯大学计算机科学系） ； Duke-NUS Medical School（duke-nus 医学院） ； Microsoft Research（微软研究院） 纠错

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

AI总结 本文发现，在自然图像上预训练的基础VAE可直接用于CT重建、增强和生成，无需训练或微调，通过冻结编解码器实现解剖结构保留和噪声抑制，并在分割和生成任务上取得显著提升。

Comments ICML 2026 Accepted

Dex2HOI: Dexterous Bimanual Two-Object Interaction Generation

Dex2HOI: 灵巧双手双物体交互生成

Chrysa Pratikaki, Pablo Ruiz-Ponce, Jiankang Deng, Stefanos Zafeiriou, Rolandos Alexandros Potamias

机构 * Imperial College London, UK（伦敦帝国学院） ； University of Alicante, Spain（阿利坎特大学） 纠错

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

AI总结 提出Dex2HOI统一扩散模型，通过双流扩散和运动融合网络，实现从文本生成单/双物体灵巧双手交互，速度提升达540倍。

Rays as Pixels: Learning A Joint Distribution of Videos and Camera Trajectories

射线即像素：学习视频与相机轨迹的联合分布

Wonbong Jang, Shikun Liu, Soubhik Sanyal, Juan Camilo Perez, Kam Woh Ng, Sanskar Agrawal, Juan-Manuel Perez-Rua, Yiannis Douratsos, Tao Xiang

机构 * Meta AI 纠错

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

AI总结 提出一种视频扩散模型（Rays as Pixels），通过将相机表示为密集射线像素（raxels）并与视频帧共享潜在空间，联合去噪实现相机轨迹预测和相机控制视频生成。

Comments Accepted to ICML 2026. 9-page main paper plus supplementary material. Project page: https://wbjang.github.io/raysaspixels/

Position-Blind Ptychography: Viability of image reconstruction via data-driven variational inference

位置盲叠层成像：通过数据驱动变分推断进行图像重建的可行性

Simon Welker, Lorenz Kuger, Tim Roith, Berthy Feng, Martin Burger, Timo Gerkmann, Henry Chapman

机构 * Department of Informatics, University of Hamburg（汉堡大学信息学院） ； Center for Free-Electron Laser Science CFEL, Deutsches Elektronen-Synchrotron DESY（自由电子激光科学中心 CFEL，德意志电子同步辐射实验室） ； Department of Mathematics, Bundesstr. 55, University of Hamburg（汉堡大学数学系） ； CIT School, Technical University of Munich（慕尼黑技术大学 CIT 学院） ； Munich Center for Machine Learning, München（慕尼黑机器学习中心） ； Massachusetts Institute of Technology (MIT)（麻省理工学院） ； The NSF AI Institute for Artificial Intelligence and Fundamental Interactions（国家科学基金会人工智能与基本相互作用研究院） ； Helmholtz Imaging, Deutsches Elektronen-Synchrotron DESY（海德堡成像，德意志电子同步辐射实验室） 纠错

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

AI总结 针对位置盲叠层成像这一新盲逆问题，利用基于分数的扩散模型作为数据驱动先验，通过变分推断联合恢复扫描位置和图像，在模拟简化二维变体中验证了图像重建的可行性。

Flow Equivariant World Models: Memory for Partially Observed Dynamic Environments

流等变世界模型：部分观测动态环境的记忆

Hansen Jin Lillemark, Benhao Huang, Fangneng Zhan, Yilun Du, Thomas Anderson Keller

机构 * Kempner Institute, Harvard University（哈佛大学 Kempner 研究所） ； ML, Carnegie Mellon University（卡内基梅隆大学 ML 研究所） ； SEAS, Harvard University（哈佛大学 SEAS 研究所） 纠错

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

AI总结 提出流等变世界建模框架，利用时间参数化对称性在潜在记忆中实现长时程稳定准确的动力学预测，解决部分观测问题。

Comments Accepted at ICML 2026

Spectral coarse spaces based on indefinite operators: the $H_k$-GenEO method

基于不定算子的谱粗空间：$H_k$-GenEO方法

Théophile Chaumont-Frelet, Victorita Dolean, Mark Fry, Ivan G. Graham, Matthias Langer

专题命中 扩散模型 ：diffusion(abstract)

AI总结 针对高度不定全局PDE问题，提出基于局部全局问题副本特征值问题的谱粗空间构建方法$H_k$-GenEO，相比基于半正定局部特征值问题的方法，在参数$k$增大时更鲁棒。

Convergence Rates of Continuous-Time Random Walks to Time-Fractional Diffusions with Unbounded Coefficients

具有无界系数的连续时间随机游走向时间分数阶扩散的收敛速率

Artur Sidorenko, Vasilii Kolokoltsov

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究具有无界系数的连续时间随机游走逼近时间分数阶扩散的弱收敛速率，通过Feller半群技术和Kunita随机流的高阶灵敏度分析获得统一误差界。

Comments 31 pages

Institutions and the transmission of upper-tail human capital: scientific lineages across a millennium

制度与上层人力资本的传递：跨越千年的科学谱系

Hiroyuki Chuma, Kanji Otsuka, Yoichi Sato

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文通过分析47万条师徒关系记录和64位菲尔兹奖得主的谱系，构建了跨越千年的上层人力资本传递网络，揭示了17世纪“文人共和国”和11世纪“修道院墙”两次制度转型的结构性特征。

Comments 21 pages, 7 tables, 3 figures

Optimization of multisite reactions in complex compartmentalized media

复杂分区介质中多位点反应的优化

T. V. Mendes, T. Guérin

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究随机游走者在规则扩散介质中需到达并激活位于分形亚扩散分区内的目标，通过优化分区大小最小化双位点反应时间，发现添加拥挤分区可加速弱反应性目标的反应动力学。

Journal ref Phys. Rev. E 113, 054129 (2026)

Deep-learning-based low-energy trigger algorithms for the Hyper-Kamiokande experiment

基于深度学习的Hyper-Kamiokande实验低能量触发算法

Katharina Lachner, Saúl Alonso-Monsalve, Benjamin Richards, Davide Sgalaberna

机构 * University of Warwick（沃里克大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文针对Hyper-Kamiokande实验的低能中微子事件（<7 MeV），提出并比较了监督式神经网络和基于异常检测（自编码器与MPDR）的触发算法，在3 MeV单电子信号上效率分别达76.7%和31.8%，远超传统命中计数触发的26.4%，且GPU推理延迟低于毫秒级，满足实时运行需求。

Comments 16 pages, 6 figures

Time-reversed stochastic inflation in the quantum well

量子阱中的时间反演随机暴胀

Chiara Animali, Baptiste Blachier, Nanoka Okada, Christophe Ringeval, Tomo Takahashi, Koki Tokeshi

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文通过精确求解平坦有界势（量子阱）中的时间反演随机暴胀，发现场行为要么与半无限平坦势无法区分，要么受增强随机性支配而抹去初始状态记忆，并推导出曲率扰动分布在大扰动时呈现指数尾部，其衰减速度是标准正向随机暴胀的两倍。

Comments 38 pages, 10 figures, uses jcappub

Surface Constraint Policy for Learning Surface-Constrained and Dynamically Feasible Robot Skills

表面约束策略：学习受表面约束且动态可行的机器人技能

Shuai Ke, Jiexin Zhang, Huan Zhao, Zhiao Wei, Yikun Guo, Jie Pan, Han Ding

机构 * State Key Laboratory of Intelligent Manufacturing Equipment and Technology, Huazhong University of Science and Technology（智能制造装备与技术国家重点实验室，华中科技大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出表面约束策略（SCP），通过二维加权高斯核编码表面几何约束，结合扩散策略和基于相似性的动作映射生成动态可行的表面约束运动，解决了自由曲面约束下动作随机性和接触不稳定的问题。

AR Forcing: Towards Long-Horizon Robot Navigation World Model

AR Forcing: 迈向长时域机器人导航世界模型

Yifei Yang, Zehua Fan, Huan Li, Aoqi Wang, Lida Huang, Haibao Yu, Haiyan Liu, Xuanyao Mao, Jason Bao, Liang Xu, Bingchuan Sun, Yan Wang

机构 * Institute for AI Industry Research, Tsinghua University（清华大学人工智能产业研究院） ； Shanghai Jiao Tong University（上海交通大学） ； School of Safety Science, Tsinghua University（清华大学安全科学学院） ； The University of Hong Kong（香港大学） ； Lenovo, Beijing, China（北京联想公司） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出AR Forcing自回归训练策略，通过将扩散损失集成到自回归训练循环中，解决训练与推理分布偏移问题，提升长时域导航中图像一致性和轨迹预测精度。

mRNAutilus: Multi-Objective-Guided Discrete Generation of mRNA with Optimized Therapeutic Properties

mRNAutilus：多目标引导的mRNA离散生成与优化治疗特性

Sawan Patel, Sophia Tang, Yesol Kim, Yinuo Zhang, Divya Srijay, Ping-Jung Lin, Shambhavi Shubham, Fengmei Pi, Cedric Wu, Sherwood Yao, Pranam Chatterjee

机构 * Atom Bioworks Inc.（Atom Bioworks公司） ； Department of Computer and Information Science University of Pennsylvania（宾夕法尼亚大学计算机与信息科学系） ； Department of Bioengineering University of Pennsylvania（宾夕法尼亚大学生物工程系） ； Center of Computational Biology Duke-NUS Medical School（杜克-新加坡国立大学医学学院计算生物学中心） ； GenScript USA Inc.（GenScript美国公司） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出mRNAutilus框架，结合掩码离散扩散模型和蒙特卡洛树引导，实现同时优化密码子和从头设计UTR，生成多目标帕累托最优的完整mRNA序列，在多个靶标上显著提升表达和稳定性。