图像生成

MemoGen: Can Past Experience Improve Future Text-to-Image Generation?

MemoGen：过去的经验能否改善未来的文本到图像生成？

Wenshuo Chen, Kuimou Yu, Bowen Tian, Jianfei Song, Shaofeng Liang, Haozhe Jia, Kan Cheng, Haosen Li, Kaishen Yuan, Lei Wang, Jiemin Wu, Songning Lai, Yutao Yue

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； Scholarly, Guangzhou Ziyan Technology Co., Ltd.（学者，广州智源科技有限公司） ； LimX Dynamics Technology Co., Ltd.（LimX动力科技有限公司） ； Shandong University（山东大学） ； Data61/CSIRO Griffith University（Data61/CSIRO格里菲斯大学） ； Jiangsu Industrial Technology Research Institute (JITRI)（江苏工业技术研究院（JITRI）） 纠错

专题命中 文生图 ：image generation(title,abstract)；text-to-image(title,abstract)；分类 cs.CV

AI总结 提出MemoGen框架，通过代理进化层和可重用经验记忆，在不更新生成器的情况下，利用过去经验改进文本到图像生成，在知识密集和推理基准上超越专有系统。

Text-to-Image Models Need Less from Text Encoders Than You Think

文生图模型对文本编码器的依赖比你想象的要少

Nurit Spingarn, Noa Cohen, Tamar Rott Shaham, Tomer Michaeli

机构 * Technion – Israel Institute of Technology（技术学院 – 以色列理工学院） ； 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 文生图 ：text-to-image(title,abstract)；image generation(abstract)；diffusion(abstract)；分类 cs.CV

AI总结 本文发现基于扩散Transformer的文生图模型主要依赖文本编码器提供的单词含义和词序信息，而非完整的上下文信息，并通过构建仅含位置标记词袋的嵌入验证了这一观点。

Comments Project webpage: https://nsping13.github.io/contextless-TTI/

SJD-PAC: Accelerating Speculative Jacobi Decoding via Proactive Drafting and Adaptive Continuation

SJD-PAC：通过主动草稿和自适应延续加速推测性雅可比解码

Jialiang Kang, Han Shu, Wenshuo Li, Yingjie Zhai, Xinghao Chen

机构 * Peking University（北京大学） ； Huawei Technologies（华为技术） 纠错

专题命中 文生图 ：text-to-image(abstract)；image synthesis(abstract)；分类 cs.CV

AI总结 提出SJD-PAC框架，通过主动草稿策略和自适应延续机制提升推测性雅可比解码的接受率，实现无损加速文本到图像合成。

Comments CVPR 2026

ImageAuditor: Membership Inference Attack against Image-based Retrieval-Augmented Generation

ImageAuditor: 针对基于图像的检索增强生成系统的成员推理攻击

Jinghuai Zhang, Pengyue Yu, Zhexiao Lin, Kunlin Cai, Fnu Suya, Yuan Tian

专题命中 文生图 ：text-to-image(abstract)

AI总结 提出首个针对基于图像的检索增强生成（IRAG）的成员推理攻击方法ImageAuditor，通过奖励引导策略优化解决跨模态检索和判别信号提取两大挑战，在仅需四次查询时AUROC超过80%。

Towards Robust Sequential Decomposition for Complex Image Editing

面向复杂图像编辑的鲁棒顺序分解

Zilai Zeng, Mingdeng Cao, Zijie Li, Xiaochen Lian, Yichun Shi, Peihao Zhu, Chen Sun, Peng Wang

机构 * Brown University（布朗大学） ； ByteDance Seed（字节跳动种子） ； The University of Tokyo（东京大学） 纠错

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

AI总结 提出通过顺序分解将复杂编辑任务拆解为简单步骤，并利用合成数据训练模型，在统一上下文编辑框架下平衡分解优势与误差累积，实现鲁棒改进和从模拟到真实的泛化。

Comments CVPR 2026

Low-Resolution Editing is All You Need for High-Resolution Editing

低分辨率编辑足以实现高分辨率编辑

Junsung Lee, Hyunsoo Lee, Yong Jae Lee, Bohyung Han

机构 * ECE & IPAI, Seoul National University（电子与信息物理学院及首尔国立大学IPAI） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） 纠错

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

AI总结 本文提出一种测试时优化框架，通过分块优化、细节迁移和同步策略，实现高分辨率图像编辑。

Comments CVPR 2026. Project website: https://hleephilip.github.io/ScaleEdit

FocusDiT: Masking Queries in Diffusion Transformers for Fine-grained Image Generation

FocusDiT: 扩散Transformer中的查询掩码用于细粒度图像生成

Xueji Fang, Liyuan Ma, Jianhao Zeng, Jinjin Cao, Mingyuan Zhou, Guo-Jun Qi

机构 * Zhejiang University（浙江大学） ； Westlake University（西湖大学） 纠错

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

AI总结 提出FocusDiT方法，通过掩码关键查询令牌仅输入FFN层，增强细粒度视觉生成，实验验证其有效性。

Are we really tilting? The mechanics of reward guidance in flow and diffusion models

我们真的在倾斜吗？流模型和扩散模型中奖励引导的机制

Sanjit Dandapanthula, Nicholas M. Boffi

机构 * University of California, Berkeley（加州大学伯克利分校） 纠错

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

AI总结 本文通过高斯混合模型和二次奖励的闭式分析，揭示了奖励引导扩散中奖励黑客现象源于Doob h函数的有限粒子插件估计，并提出了无额外计算的闭式奖励阻尼调度来纠正模式内偏差。

Weak Diffusion Priors Can Still Achieve Strong Inverse-Problem Performance

弱扩散先验仍能实现强逆问题性能

Jing Jia, Wei Yuan, Sifan Liu, Liyue Shen, Guanyang Wang

机构 * University of California, Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学） 纠错

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

AI总结 研究弱扩散先验在逆问题中的鲁棒性，通过贝叶斯一致性和局部相关性分析揭示其在信息丰富测量下仍有效的原因。

Comments 37 pages, ICML 2026 spotlight. Code: https://github.com/jjia131/weak-diffusion-priors-inverse-problem, Project Page: https://jjia131.github.io/weak-diffusion-priors-inverse-problem/

Inverting the Generation Process of Denoising Diffusion Implicit Models: Empirical Evaluation and a Novel Method

反转去噪扩散隐式模型的生成过程：实证评估与新方法

Yan Zeng, Masanori Suganuma, Takayuki Okatani

机构 * Graduate School of Information Sciences, Tohoku University（东北大学信息科学研究生院） ； RIKEN Center for AIP（理化学研究所AIP中心） 纠错

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

AI总结 提出一种结合梯度下降和不动点方法的混合方法，用于从生成图像中恢复DDIM的初始噪声图，显著提高了预测精度和重建质量。

An Improved Method for Personalizing Diffusion Models

一种改进的扩散模型个性化方法

Yan Zeng, Masanori Suganuma, Takayuki Okatani

机构 * Graduate School of Information Sciences, Tohoku University（东北大学信息科学研究生院） ； RIKEN Center for AIP（理化学研究所AIP研究中心） 纠错

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

AI总结 提出一种在整合新信息时保留模型原有知识的扩散模型个性化方法，相比Dreambooth和文本反转训练时间更短且效果更优。

Video-Mirai: Autoregressive Video Diffusion Models Need Foresight

Video-Mirai: 自回归视频扩散模型需要远见

Yonghao Yu, Lang Huang, Runyi Li, Zerun Wang, Toshihiko Yamasaki

机构 * The University of Tokyo（东京大学） ； National Institute of Informatics（信息处理研究所） ； Peking University（北京大学） 纠错

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

AI总结 提出Video-Mirai训练方法，通过冻结的远见编码器从完整生成序列中提取未来信息并蒸馏到因果状态，在不改变推理过程的情况下弥合表示层面的规划差距，提升长视频生成的一致性。

PatchScene: Patch-based Voxel Diffusion for Large-Scale Scene Completion

PatchScene：基于体素块扩散的大规模场景补全

Qingdong Xu, Jiajun Zhu, Shilin Zhu, Xinjing He, Chao Lu, Huanran Wang, Jiyao Zhang

机构 * MEGVII Technology（MEGVII技术有限公司） ； Qianli Technology（千利技术） ； Peking University（北京大学） ； Northeastern University, China（中国东北大学） ； Northwest Polytechnical University, Xi’an（西北工业大学西安校区） 纠错

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

AI总结 提出PatchScene，一种基于体素块扩散的框架，通过局部3D区域细粒度生成、置信度引导的时空融合和环形流扩散策略，实现大规模LiDAR场景补全，在SemanticKITTI上达到最优性能并展现强泛化能力。

Comments 10 pages, 5 figures, 5 tables

An Attention-Based Denoising Model for Diffusion Weighted Imaging

一种基于注意力的扩散加权成像去噪模型

Prithviraj Verma, Pawan Kumar, Chandan Deshani, Prasun Chandra Tripathi

机构 * Institute of Infrastructure Technology Research and Management (IITRAM)（基础设施技术研究与管理研究所） ； University of Sheffield（谢菲尔德大学） 纠错

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

AI总结 提出一种结合Swin Transformer窗口注意力和多维门控精化的噪声感知注意力驱动去噪框架，用于解决DWI中信号依赖的Rician噪声问题，在1%至15%噪声水平下实现平均PSNR 33.69 dB和SSIM 0.8539。

Physics-informed diffusion models in spectral space

谱空间中的物理信息扩散模型

Davide Gallon, Philippe von Wurstemberger, Patrick Cheridito, Arnulf Jentzen

机构 * ETH Zürich（苏黎世联邦理工学院） 纠错

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

AI总结 提出物理信息谱扩散（PISD）方法，结合生成式潜扩散模型与物理信息机器学习，在谱表示潜空间中对偏微分方程参数和解进行扩散建模，通过扩散后验采样施加物理约束和测量条件，在泊松、亥姆霍兹和不可压缩纳维-斯托克斯方程上展现出比现有扩散求解器更高的精度和计算效率。

Comments 18 pages, 10 figures

Hybrid Autoregressive-Diffusion Model for Real-Time Sign Language Production

混合自回归-扩散模型用于实时手语生成

Maoxiao Ye, Xinfeng Ye, Mano Manoharan

机构 * University of Auckland（奥克兰大学） 纠错

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

AI总结 提出HybridSign混合自回归-扩散模型，结合因果帧生成与流式扩散精炼，实现低延迟高质量手语生成，在PHOENIX14T和How2Sign上取得最佳质量-效率权衡。

Comments Accepted at ACL 2026

Left-Invariant Diffusion on the Motion Group in terms of the Irreducible Representations of SO(3)

基于SO(3)不可约表示的运动群上的左不变扩散

Marco Reisert, Henrik Skibbe

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

AI总结 利用SO(3)不可约表示将SE(3)上的左不变向量场表示为平移坐标的微分形式和旋转的代数形式，避免了对SO(3)或S2的显式离散化，并应用于扩散加权磁共振成像和目标检测。

Forecasting Conceptual Diffusion in Science: The Case of Quantum Computing

预测科学中的概念扩散：以量子计算为例

Thomas Maillart, Thibaut Chataing, David Dosu, Paul Bagourd, Julian Jang-Jaccard, Alain Mermoud

机构 * Geneva School of Economics and Management, University of Geneva（日内瓦经济管理学院，日内瓦大学） ； Faculty of Medicine, University of Geneva（日内瓦大学医学院） ； Open Quantum Institute, CERN（开放量子研究所，欧洲核子研究中心） ； armasuisse Science + Technology（armasuisse 科学与技术） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 通过构建时间分辨的概念共现网络并训练LightGBM模型，研究量子计算领域概念的内生巩固与外生扩散的可预测性，发现外生扩散和熵具有强可预测性（R²高达0.78），而内生巩固在量子计算中几乎不可预测，但在神经植入领域显著上升（R²=0.83），表明概念扩散受语义和引用环境中的稳定结构规律支配。

Comments 19 pages, 5 figures, 6 tables. Code and manuscript sources: https://github.com/wazaahhh/breakthroughs-diffusion . An earlier version was presented at the Global Tech Mining Conference (GTM) 2026 (submission #117)

Perturbed asymptotic expansions for interior-layer solutions of a semilinear reaction-diffusion problem with small diffusion

小扩散半线性反应扩散问题内层解的摄动渐近展开

Natalia Kopteva, Martin Stynes

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对二阶导数乘以小参数ε²的半线性反应扩散两点边值问题，构造了具有内层解的渐近展开，并建立了该展开的摄动性质，用于获得离散子解和超解以证明数值方法的收敛性。

Comments Changes from original submission: Lemma 2.5 is new --- it is needed in reference [6]. Misprint corrected in equation (2.1b)

Journal ref N.Kopteva & M.Stynes, Approximation of interior-layer solutions in a singularly perturbed semilinear reaction-diffusion problem, Numer. Math. 119 (2011), no.4, pp.787-810

Correcting Neural Operator Spectral Bias via Diffusion Posterior Sampling with Sparse Observations

通过稀疏观测的扩散后验采样校正神经算子谱偏差

Niccolò Perrone, Fanny Lehmann, Stefania Fresca, Filippo Gatti

机构 * Université Paris-Saclay, CentraleSupélec, CNRS, ENS Paris-Saclay（巴黎-萨克雷大学，中央理工学院，国家科学研究中心，巴黎-萨克雷理工学院） ； Laboratoire de Mécanique Paris-Saclay UMR 9026（巴黎-萨克雷力学实验室 UMR 9026） ； Politecnico di Milano（米兰理工大学） ； ETH AI Center（苏黎世联邦理工学院人工智能中心） ； Department of Mechanical Engineering University of Washington（华盛顿大学机械工程系） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出FreqNO-DPS方法，利用扩散后验采样结合谱形状引导分数，校正神经算子在稀疏观测下的高频衰减谱偏差，实现近零谱偏差。

Knowledge Editing in Masked Diffusion Language Models

掩码扩散语言模型中的知识编辑

Haewon Park, Yohan Jo

机构 * Graduate School of Data Science, Seoul National University（首尔国立大学数据科学研究生院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究将定位-编辑方法从自回归模型迁移到掩码扩散模型，发现编辑位置可迁移但多词编辑性能下降，并提出优化中间状态的简单修正方法。

SPADE: Sketch-guided Path Planning Augmented with Diffusion Experts

SPADE: 草图引导的路径规划增强扩散专家

Charbel Abi Hana, Tatiana Ghantous, Mikael Khalil, Anthony Rizk

机构 * IDEALworks GmbH ； IMT Atlantique ； IDEALworks GmbH & Saint Joseph University of Beirut（IDEALworks GmbH及贝鲁特圣约瑟夫大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出一种结合扩散增强的框架，通过改进的标注工具和训练策略，在保持实时性的同时提升路径规划的泛化能力和鲁棒性，显著降低姿态误差和FID。

AugMask: Training Diffusion Models on Incomplete Tabular Data via Stochastic Augmentation and Masking

AugMask: 通过随机增强和掩码在不完整表格数据上训练扩散模型

Jungkyu Kim, Taeyoung Park, Kibok Lee

机构 * KAIST（韩国科学技术院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出AugMask训练框架，通过条件随机增强和仅对观测坐标去噪，使标准扩散模型适应缺失表格数据，并连接Rao-Blackwellized目标实现方差加权惩罚，优于专门处理缺失的基线。

Multi-Modal Graph Neural Network with Transformer-Guided Adaptive Diffusion for Preclinical Alzheimer Classification

多模态图神经网络与Transformer引导的自适应扩散用于临床前阿尔茨海默病分类

Jaeyoon Sim, Minjae Lee, Guorong Wu, Won Hwa Kim

机构 * Pohang University of Science and Technology（浦项科学技术大学） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出一种结合扩散核与多头注意力的图神经网络框架，通过Transformer引导自适应扩散过程，有效融合多模态特征，提升临床前阿尔茨海默病分类性能并识别关键脑区。

Comments 10 pages, Accepted to MICCAI 2024

RMPrior: Bridging Propagation Priors and Diffusion Refinement for Efficient Radio Map Construction

RMPrior: 融合传播先验与扩散精炼的高效无线电地图构建

Zixuan Guo, Xiucheng Wang, Nan Cheng

机构 * Zhejiang University（浙江大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出一种中起点采样策略，通过将传播先验扰动至中间扩散时间步，仅执行剩余反向步骤，在加速2.01倍的同时提升重建质量，并理论分析了初始化差距的上界及截断条件。

Geometry-Aware Tabular Diffusion

几何感知表格扩散

David Turtora Zagardo

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出几何感知表格扩散（GATD），通过向扩散去噪器注入列值差异的成对角度和长度作为输入和辅助目标，以显式建模列间关系，在10个数据集上以更少参数取得SOTA性能。

Comments Accepted to the ICML 2026 main track. 24 pages, 10 figures, 22 tables

Embedded Trefftz DG method for reaction-diffusion problems on anisotropic meshes

各向异性网格上反应扩散问题的嵌入式Trefftz DG方法

Sergio Gómez, Chiara Perinati, Paul Stocker, Igor Voulis

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出一种通过嵌入张量积DG空间实现松弛局部Trefftz条件的嵌入式Trefftz间断Galerkin方法，用于各向异性网格上的反应扩散问题，在保持高阶离散逼近性质的同时缩减全局系统，并证明稳定性和拟最优性，导出各向异性先验误差估计。

Comments 22 pages, 6 figures, 1 table

Numerical simulations for two-dimensional reaction-diffusion problems with formation of multiple dead zones

二维反应扩散问题中多个死区形成的数值模拟

Piotr Skrzypacz, Boris Golman, Jan Valdman

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对二维化学反应器中的等温反应扩散问题，采用集总有限元法和时间推进法数值求解稳态非线性扩散反应方程，研究反应级数和Thiele模量对浓度分布及死区大小的影响，并证明特定反应器几何形状下可形成多个死区。

Comments 14 pages, 5 figures, 2 tables

GeoVolDiff: Taming 3D Geological Volumes with Latent Diffusion

GeoVolDiff: 用潜扩散驯服3D地质体

Qi Pang, Hongling Chen, Jinghuai Gao

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出GeoVolDiff生成框架，通过物理模拟构建训练语料、训练潜扩散模型捕获3D地质结构分布、合成多样结构体，以缓解地球物理数据稀缺问题，并在地震阻抗反演任务中验证了合成数据的有效性。

Diocotron Modes in Pulsar Magnetospheres: Charge Diffusion and Implications for Radio Emission Variability

脉冲星磁层中的Diocotron模式：电荷扩散及其对射电辐射变化性的影响

Matthew Goodbred, Anatoly Spitkovsky

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 通过三维粒子网格模拟研究脉冲星磁层中非轴对称的diocotron不稳定性，发现其产生稳定的m=1模式，驱动跨场扩散并调制极盖电势降和发射束角，与脉冲星消零、周期幅度调制和漂移子脉冲等变化性相关。

Comments 17 pages, 8 figures