图像生成

Breaking the Lock-in: Diversifying Text-to-Image Generation via Representation Modulation

打破锁定：通过表示调制实现文本到图像生成的多样化

Dahee Kwon, Haeun Lee, Jaesik Choi

机构 * KAIST（韩国科学技术院） 纠错

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

AI总结 针对文本到图像模型在固定提示下生成样本过于相似的问题，提出无训练表示级干预方法DAVE，通过选择性衰减早期生成中的零频空间平均分量来增强多样性，保持图像质量且计算开销极小。

Comments Accepted to ICML 2026. Code is available at: https://github.com/daheekwon/DAVE

AdaGRPO: A Capability-Aware Adaptive Enhancement for Flow-based GRPO

AdaGRPO: 一种面向基于流的GRPO的能力感知自适应增强方法

Jiazi Bu, Pengyang Ling, Yujie Zhou, Yibin Wang, Yuhang Zang, Tianyi Wei, Xiaohang Zhan, Jiaqi Wang, Tong Wu, Xingang Pan, Dahua Lin

机构 * Shanghai Jiao Tong University（上海交通大学） ； S-Lab, Nanyang Technological University（南洋理工大学S实验室） ； Shanghai AI Laboratory（上海人工智能实验室） ； University of Science and Technology of China（中国科学技术大学） ； Stanford University（斯坦福大学） ； Shanghai Innovation Institute（上海创新研究院） ； The Chinese University of Hong Kong（香港中文大学） ； Fudan University（复旦大学） ； CPII under InnoHK（InnoHK下的CPII） ； Adobe Research（Adobe研究） 纠错

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

AI总结 提出AdaGRPO，通过在线课程过滤策略和跨层级优势融合，解决流模型GRPO中提示选择随机和优势估计缺乏全局视角的问题，提升训练稳定性和性能。

Comments Project Website: https://bujiazi.github.io/adagrpo.github.io/

When Recovery Matters: The Blind Spot of Surrogate Privacy in MLLM Editing

当恢复至关重要时：MLLM编辑中替代隐私的盲点

Siyuan Xu, Yibing Liu, Peilin Chen, Yung-Hui LI, Shiqi Wang, Sam Kwong

机构 * City University of Hong Kong（香港城市大学） ； Hon Hai Research Institute（鸿海研究院） ； Lingnan University（岭南大学） 纠错

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

AI总结 针对多模态大模型编辑中的隐私风险，提出首个面向恢复的替代隐私保护编辑基准SPPE，涵盖36个细粒度隐私类别和65个编辑指令，并设计可编辑性评估与替代到源编辑恢复两个任务及对应方法。

TrioPose: Native Triple-Stream Diffusion Transformers for Pose-Guided Text-to-Image Generation

TrioPose: 用于姿态引导文本到图像生成的原生三流扩散变换器

Dian Gu, Zhengyi Yang

机构 * Institute of Automation Chinese Academy of Sciences（中国科学院自动化研究所） 纠错

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

AI总结 提出TrioPose，基于SD3.5M架构的原生三流姿态感知DiT，通过逐层激活和零初始化双残差注入保持预训练稳定性，并设计可学习关系偏置掩码和姿态引导空间损失加权，在多人姿态引导生成中实现SOTA性能，Human-Art上AP达64.33。

Comments 15 pages (9 pages main body, 6 pages references and appendix), 3 figures, 5 tables

AsyncPatch Diffusion: spatially-flexible image generation

异步补丁扩散：空间灵活的图像生成

Samuele Papa, Valentin De Bortoli, Guillaume Couairon, Daniel Sýkora, Romuald Elie, Klaus Greff

机构 * Google DeepMind（谷歌DeepMind） ； University of Amsterdam（阿姆斯特丹大学） ； The Netherlands Cancer Institute（荷兰癌症研究所） 纠错

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

AI总结 提出AsyncPatch Diffusion框架，通过为不同空间区域分配不同噪声水平实现异质去噪轨迹，在保持生成质量的同时原生支持图像修复和自适应生成。

Comments 36 pages, 14 figures

Unified Safe In-context Image Generation in Multimodal Diffusion Transformers via Restricting Unsafe Information Flows

统一安全上下文图像生成：在多模态扩散变换器中通过限制不安全信息流

Xiang Yang, Feifei Li, Mi Zhang, Geng Hong, Xiaoyu You, Mi Wen, Min Yang

机构 * University of Science and Technology of China（中国科学技术大学） 纠错

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

AI总结 提出UVR框架，通过分析注意力动态中的不安全信息流，在无需训练的情况下对输出补丁进行注意力调制，实现图像生成和编辑任务的安全控制，达到91%和77%的擦除率。

Comments ICML26

STREAM: Stochastic Riemannian Flow Matching with Anisotropic Decoder for Digital Histopathology Image Generation

STREAM: 用于数字组织病理学图像生成的随机黎曼流匹配与各向异性解码器

Won June Cho, Daeky Jeong, Hyeongyeol Lim, Hongjun Yoon

机构 * DEEPNOID Inc.（DEEPNOID公司） 纠错

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

AI总结 提出STREAM框架，利用组织病理学视觉基础模型的patch-token特征作为潜在空间，通过黎曼流匹配生成高质量组织病理学图像，解决条件崩溃问题，并设计各向异性解码器提升生成质量。

Comments 27 pages, 7 figures

ARAPDiffusion: ARAP Regularization for Diffusion-Based Deformable Shape Space Learning

ARAPDiffusion: 基于ARAP正则化的扩散变形形状空间学习

Haibo Liu, Jinghan Ke, Haitao Yang, Xiangru Huang, Georgios Pavlakos, Qixing Huang

机构 * University of Texas at Austin（德克萨斯大学） ； Westlake University（西拉丘学院） 纠错

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

AI总结 提出ARAPDiffusion，一种潜在扩散模型，通过注入ARAP变形模型作为正则化损失，学习变形形状集合的连续形状空间，减少对大量3D训练数据的依赖。

EgoPressDiff: Multimodal Video Diffusion for Egocentric UV-Domain Hand-Pressure Estimation

EgoPressDiff: 用于自我中心UV域手部压力估计的多模态视频扩散模型

Yuan Zeng, Zilue Gao, Yujia Shi, Zongqing Lu, Wenming Yang, QingMin Liao

机构 * University of Science and Technology of China（中国科学技术大学） 纠错

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

AI总结 提出EgoPressDiff，一种条件视频扩散框架，通过多模态条件策略（手部姿态、3D网格顶点和深度信息）从视觉输入生成UV压力图，解决了现有方法中的量化误差和时间不一致问题，在EgoPressure数据集上实现SOTA，Volumetric IoU相对提升34%以上。

Comments Accepted to IEEE ICASSP 2026

MotionEnhancer: Leveraging Video Diffusion for Motion-Enhanced Vision-Language Models

MotionEnhancer: 利用视频扩散模型增强运动感知的视觉-语言模型

Yifan Xu, Chao Zhang, Ruifei Ma, Fei Gao, Zhifei Yang, Jiaxing Qi, Zhipeng Chen

机构 * School of Computer Science and Engineering, Beihang University（北航计算机科学与工程学院） ； Beijing Digital Native Digital City Research Center（北京数字原生数字城研究中心） ； School of Computer Science, Peking University（北京大学计算机学院） ； School of Artificial Intelligence, Beijing University of Posts and Telecommunications（北京邮电大学人工智能学院） 纠错

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

AI总结 提出MotionEnhancer，通过从视频扩散模型中提取运动先验并利用注意力对齐增强视觉-语言模型的运动理解能力，无需额外参数或架构修改，在运动级视频理解基准上取得一致提升。

Comments Accepted by CVPR 2026

DirectAudioEdit: Inversion-Free Text-Guided Audio Editing via Diffusion Prediction Contrast

DirectAudioEdit: 基于扩散预测对比的无反演文本引导音频编辑

Zhengkun Ge, Xiaoqian Liu, Haoran Zhang, Yuan Ge, Junxiang Zhang, Zhengtao Yu, Jingbo Zhu, Tong Xiao

机构 * School of Computer Science and Engineering, Northeastern University, Shenyang, China（东北大学计算机科学与工程学院） ； Kunming University of Science and Technology（昆明理工大学） ； NiuTrans Research, Shenyang, China（新译研究） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出一种无需训练和反演的文本引导音频编辑方法DirectAudioEdit，通过扩散预测对比构建编辑路径，在音乐和事件基准上降低FAD和KL指标15%以上，编辑速度提升高达64.5%。

TargetSEC: Plug-and-Play In-the-Wild Speech Emotion Conversion via Arousal-Conditioned Latent Style Diffusion

TargetSEC: 基于唤醒度条件潜在风格扩散的即插即用野外语音情感转换

Constantin Alexander Auga

机构 * Hasso Plattner Institute / University of Potsdam（霍普特尔研究所 / 波茨坦大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出TargetSEC，一种基于嵌入驱动的潜在扩散框架，通过连续情感条件生成情感风格嵌入，在紧凑潜在空间操作，实现高转换精度和语音质量。

Comments 5 pages, 2 figures, 2 tables, preprint

ChronoForest: Closed-Loop Multi-Tree Diffusion Planning for Efficient Bridge Search and Route Composition

ChronoForest: 用于高效桥接搜索和路线组合的闭环多树扩散规划

Jungmin Seo, Jaesik Park

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

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对仅依赖短程离线轨迹进行长程路线规划的问题，提出ChronoForest系统，通过锚链树扩散规划器和在线多树协调器实现局部桥接搜索与全局路线重解，在OGBench和哈密顿路线组合基准上显著提升成功率和效率。

Comments 40 pages, 4 figures, 7 tables, 3 algorithms

DiBS: Diffusion-Informed Branch Selection

DiBS: 扩散模型引导的分支选择

Bo Liu, Yuan Xie, Yuan Gao, Xiaolong Luo, Peng Ye, Tao Chen, Fujun Han

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） ； Tsinghua University（清华大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对数独求解中学习型求解器缺乏正确性保证而符号求解器存在长尾搜索的问题，提出扩散模型引导的分支选择方法DiBS，在保持符号求解器完备性的同时，利用扩散模型排序候选值，显著降低搜索成本。

Comments 12 pages, 6 figures, 3 tables

Adjoint-based Perfusion Estimation from Dynamic Contrast-Enhanced Ultrasound: Advection-Diffusion and Two-Compartment Models

基于伴随的动态对比增强超声灌注估计：对流扩散与两室模型

Sophie Externbrink, Ahmed El Kaffas, Dimitre Hristov, Sebastian Götschel

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文通过伴随方法估计肿瘤血流速度和灌注参数，比较了对流扩散模型与生理上更合理的两室模型，并利用Tikhonov正则化和连续伴随方程进行高效梯度优化。

Implicit Structural Modeling via Generative Diffusion Frameworks

基于生成扩散框架的隐式结构建模

Yimin Dou, Xinming Wu, Zhixiang Guo, Hui Gao, Buyu Deng

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出基于扩散模型的隐式结构建模方法，通过仿真合成数据训练和条件注入，有效处理复杂断层系统，保持拓扑一致性和运动学合理性。

Consistent-Inversion: Reverse Consistency Guidance for Structure-Preserving Visual Editing

Consistent-Inversion: 用于结构保持视觉编辑的反向一致性引导

Xiaocheng Lu, Jingcai Guo, Song Guo

机构 * Hong Kong University of Science and Technology（香港理工大学） ； The Hong Kong Polytechnic University（香港理工大学） 纠错

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

AI总结 提出Consistent-Inversion，一种无训练的反向一致性引导框架，通过检查中间目标轨迹能否在源提示下反向到源反转轨迹，并利用反向一致性差异校正早期去噪步骤，在保持结构的同时提升编辑效果。

Comments Submitted to IEEE Transactions on Multimedia; 10 pages, 4 figures

ForensicConcept: Transferable Forensic Concepts for AIGI Detection

ForensicConcept: 用于AIGI检测的可迁移取证概念

Menyanshu Zhou, Ziyin Zhou, Ke Sun, Yunpeng Luo, Jiayi Ji, Xiaoshuai Sun, Rongrong Ji

机构 * University of Science and Technology of China（中国科学技术大学） 纠错

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

AI总结 提出ForensicConcept框架，通过Transformer归因定位关键补丁、构建概念码本并利用扩散特征对齐，实现AI生成图像检测中可迁移取证概念的提取与跨骨干网络迁移。

Comments Accepted by ICML 2026

FreeAnimate: Training-Free Human Image Animation with Preview-Guided Denoising

FreeAnimate: 基于预览引导去噪的无训练人体图像动画

Yuan Zeng, Yujia Shi, Zongqing Lu, QingMin Liao

机构 * National University of Singapore（新加坡国立大学） ； University of Science and Technology of China（中国科学技术大学） 纠错

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

AI总结 提出FreeAnimate框架，利用图像扩散模型内在能力实现无训练的人体图像动画，通过预览生成策略提供时序和结构先验，结合反演增强注意力和参考锚定自注意力模块，保证时序一致性和身份保持。

Comments Accepted to IEEE ICASSP 2026

Network Recovery from Cascade Data: A Debiased Jacobian-Based Machine Learning Approach

从级联数据中恢复网络：一种基于去偏雅可比矩阵的机器学习方法

Lei Huang

机构 * MIT Sloan School of Management（麻省理工学院斯隆管理学院） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出CascadeNet框架，通过去偏雅可比矩阵估计一步转移函数，无需指定扩散模型即可恢复隐藏影响网络，在模拟和COVID-19传播数据中优于现有方法。

Generative Molecular Morphing for Flexible-Size Design via Unbalanced Optimal Transport

基于非平衡最优传输的柔性尺寸分子生成变形设计

Malte Franke, Stefan P. Schmid, Zarko Ivkovic, Kjell Jorner, Andreas Krause

机构 * ETH Zürich（苏黎世联邦理工学院） ； NCCR Catalysis（催化联合研究所） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 针对现有扩散和流模型固定原子数限制的问题，提出基于非平衡最优传输的柔性尺寸分子生成模型Morph，实现条件与无条件3D分子设计，在保持性能的同时提供采样灵活性，并支持分布外生成。

Entropy as a Structural Prior: How a Log-Barrier on DiT Belief Space Drives Musical Diversity and Development

熵作为结构先验：DiT信念空间上的对数障碍如何驱动音乐多样性与发展

Zixi Li, Youzhen Li

机构 * Sun Yat-sen University（中山大学） ； Datawhale（数据 whale） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出Eisbach对数障碍，利用DiT输出空间能量分布的熵作为权重，在监督扩散训练中通过调节梯度步长促进音乐主题发展、声学区分和纹理多样性，避免模式崩溃。

VoxCPM2 Technical Report

VoxCPM2 技术报告

Yixuan Zhou, Guoyang Zeng, Xin Liu, Xiang Li, Renjie Yu, Jiancheng Gui, Jiaheng Wu, Ziyang Wang, Xudong Shen, Runchuan Ye, Zhisheng Zhang, Jiuyang Zhou, Bingsong Bai, Weiyue Sun, Mengyuan Deng, Qundong Shi, Zhiyong Wu, Zhiyuan Liu

机构 * VoxCPM Team（VoxCPM 团队） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出VoxCPM2，一种全开源多语言可控语音生成基础模型，通过层次化扩散自回归建模、非对称AudioVAE和2B参数/200万小时数据扩展，在零样本和指令跟随TTS基准上达到SOTA，平均WER为1.68%。

Comments The technical report of VoxCPM2, a TTS foundation model (GitHub: https://github.com/OpenBMB/VoxCPM)

Spatiotemporal Imputation with Graph-Informed Flow Matching

基于图信息流匹配的时空插补

Zepeng Zhang, Aref Einizade, Jhony H. Giraldo, Olga Fink

机构 * EPFL（苏黎世联邦理工学院） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出GiFlow框架，利用图信息先验和混合向量场模型进行时空插补，优于现有方法。

Comments Accepted at ICML 2026

Homogenization of regularized Oldroyd-type fluids

正则化Oldroyd型流体的均匀化

Florian Oschmann, Jonas Sauer

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究多孔介质中正则化粘弹性Oldroyd模型的均匀化，结合非线性粘性和应力扩散，证明在适当缩放下有效Darcy定律且聚合物应力无贡献。

A Spectral-Based Method for Network-Formation PDEs

一种基于谱方法的网络形成偏微分方程求解方法

Pedro Aceves-Sanchez, Pierre Degond, Sara Merino-Aceituno, Claudia Wytrzens

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出一种基于傅里叶变换的谱方法求解网络形成连续模型，结合分裂法和共轭梯度法，高效模拟压力与电导率演化，并验证参数对网络形态的影响。

Comments 17 pages, 8 figures

Dynamic Modeling of Magneto-Active Grounding Electrodes under Transient Conditions

瞬态条件下磁活性接地电极的动态建模

José M. Campos-Salazar

专题命中 扩散模型 ：diffusion(abstract)

AI总结 针对瞬态条件下接地系统的非线性行为，提出一种考虑电磁耦合、电热效应和电离机制的磁活性接地电极非线性动态模型，并在MATLAB/Simulink中验证其动态阻抗特性。

Radial Oscillations of Viscous Stars at Finite Temperature

有限温度下粘性恒星的径向振荡

Amanda Guerrieri, Gabriel S. Rocha, Gabriel S. Denicol, Raissa F. P. Mendes

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究Israel-Stewart和Navier-Stokes理论中相对论性恒星的径向振荡谱，引入热扩散和有限温度状态方程，发现热模在临界泛音数以上从纯阻尼转变为传播行为，并首次在致密星中实现相对论第二声。

Comments 14 pages, 6 figures

Randomised mixed labyrinth fractals

随机混合迷宫分形

Janett Prehl, Ligia Loretta Cirstea, Daniel Dick

专题命中 扩散模型 ：diffusion(abstract)

AI总结 引入随机混合迷宫分形类，通过随机选择迷宫图案分析图案形状、对称性和路径几何对弧维数、路径长度和各向同性恢复的影响，发现各向同性扩展到随机混合类，并识别出最短路径维数的多种标度行为。

Comments 25 pages, 16 figures, 3 tables

Element-Specific Solute Trapping and Grain Structure Evolution during Laser Powder Bed Fusion of Multicomponent Alloys

多组分合金激光粉末床熔融过程中的元素特异性溶质捕获与晶粒结构演化

Xinxin Yao, James Hanagan, Md Shafiqur Rahman Jame, Mallikharjun Marrey, Mohsen Taheri Andani, Raymundo Arróyave, Veera Sundararaghavan, Lei Chen

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本研究通过CALPHAD辅助高斯过程回归相场方法，揭示了多组分合金在激光粉末床熔融快速凝固中元素特异性溶质捕获对形核和晶粒演化的调控机制，并得到EBSD验证。