图像生成

Faithful, Enriched, and Precise: Benchmarking Natural-Science Illustration Generation by T2I models

忠实、丰富且精确：T2I模型在自然科学插图生成中的基准测试

Yifan Chang, Jiaxin Ai, Jianwen Sun, Yuandong Pu, Siqi Luo, Liangliang Zhao, Yuchen Ren, Minghao Liu, Yunfei Yu, Yu Qiao, Kaipeng Zhang, Yihao Liu

机构 * Shanghai Innovation Institute（上海创新研究院） ； 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） ； Wuhan University（武汉大学） ； Nankai University（南开大学） ； Shanghai Jiao Tong University（上海交通大学） ； Fudan University（复旦大学） ； ZODA ； Alaya Studio（Alaya工作室） 纠错

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

AI总结 提出FEPBench基准，通过细粒度原子集标注和三维评估（指令忠实性、推理丰富性、语义精确性）系统评估T2I模型在自然科学插图生成中的表现，发现即使最先进的闭源模型仍存在文本渲染瓶颈、推理丰富性有限以及生成丰富性与精确性难以平衡的问题。

Generalization of Diffusion Models Arises with a Balanced Representation Space

扩散模型的泛化源于平衡表示空间

Zekai Zhang, Xiao Li, Xiang Li, Lianghe Shi, Meng Wu, Molei Tao, Qing Qu

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)；text-to-image(abstract)；分类 cs.CV

AI总结 通过分析两层ReLU去噪自编码器，证明记忆化导致局部尖峰表示，而泛化产生平衡表示，并在真实扩散模型中验证，提出基于表示的检测和编辑方法。

Comments Accepted at ICLR 2026. 40 pages, 19 figures. The first two authors contributed equally

Pixel Cube: Diffusion-based Portrait Video Relighting Through Realistic Lighting Reproduction

Pixel Cube: 基于扩散的肖像视频重光照通过真实感光照再现

Yufan Zhang, Yu Ji, Ayo Ajiboye, Rundi Wu, Yu Guo, Changxi Zheng, Jinwei Ye

机构 * George Mason University（乔治·马歇尔大学） ； LightThought LLC ； Columbia University（哥伦比亚大学） 纠错

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

AI总结 提出一种基于扩散的方法，利用混合训练数据集和HDR环境图控制，实现动态肖像视频的真实感重光照，保持时间一致性和身份特征。

Comments ACM SIGGRAPH 2026 Journal Track / ACM Transactions on Graphics, 17 pages. Project page: https://yufanzhang82.github.io/PixelCube/

Journal ref ACM Trans. Graph. 45, 4, Article 119 (July 2026), 17 pages

Physics Guided Conditional Diffusion Framework for Generative Inverse Design of Manufacturable Metasurface based Absorbers

基于物理引导的条件扩散模型的超材料吸收体逆向设计

Vineetha Joy, Jamshed Palai, Satwik Sahu, Anshuman Kumar, Amit Sethi, Hema Singh

机构 * Centre for Electromagnetics, CSIR-National Aerospace Laboratories（电磁研究中心，国家航空航天实验室） ； Birla Institute of Technology and Science, Pilani（比拉理工学院，皮兰） ； Indian Institute of Technology, Bombay（孟买印度理工学院） 纠错

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

AI总结 本文提出了一种基于物理引导的条件扩散框架，用于设计具有特定电磁响应的超材料吸收体，通过特征线性调制和预训练的替代电磁模拟器，提高了设计效率和条件准确性，实验表明该方法在2-18GHz频率范围内能够快速生成实用的超材料结构。

Rein3D: Reinforced 3D Indoor Scene Generation with Panoramic Video Diffusion Models

Rein3D: 基于全景视频扩散模型的强化3D室内场景生成

Dehui Wang, Rong Wei, Yue Shi, Congsheng Xu, Shoufa Chen, Dingxiang Luo, Tianshuo Yang, Xiaokang Yang, Wei Sui, Yusen Qin, Rui Tang, Yao Mu

机构 * Shanghai Jiao Tong University（上海交通大学） ； Manycore Tech Inc.（Manycore科技公司） ； D-Robotics ； The University of Hong Kong（香港大学） 纠错

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

AI总结 提出Rein3D框架，结合3D高斯泼溅与视频扩散模型，通过“恢复-细化”范式从稀疏输入生成全局一致的360度室内场景，并构建PanoV2V-15K数据集，显著提升长距离相机探索效果。

Measurement-Consistent Langevin Corrector for Stabilizing Latent Diffusion Inverse Problem Solvers

用于稳定潜在扩散逆问题求解器的测量一致朗之万校正器

Lee Hyoseok, Sohwi Lim, Eunju Cha, Tae-Hyun Oh

机构 * Sookmyung Women's University（成均馆女子大学） 纠错

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

AI总结 针对潜在扩散模型逆问题求解器的不稳定性，提出测量一致朗之万校正器（MCLC），通过测量一致的朗之万更新缩小求解器与稳定反向扩散之间的差距，实现稳定可靠的潜在空间求解。

Comments ICML 2026

First-principles transition-state tensorial cluster expansion of vacancy diffusion in Ta-W beyond the kinetically-resolved activation approximation

超越动力学分辨激活近似的Ta-W中空位扩散的第一性原理过渡态张量团簇展开

Jacob Jeffries, Brianna Sebastian-Olazabal, Enrique Martinez

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文开发了一种第一性原理框架，通过过渡态张量团簇展开直接学习环境依赖的迁移势垒，无需动力学分辨激活近似，应用于Ta-W体系揭示了溶质捕获与渗流低势垒路径竞争导致的非平凡扩散行为。

Comments 19 pages, 14 figures

CountsDiff: A Diffusion Model on the Natural Numbers for Generation and Imputation of Count-Based Data

CountsDiff: 一种用于计数数据生成和插补的自然数扩散模型

Renzo G. Soatto, Anders Hoel, Greycen Ren, Shorna Alam, Stephen Bates, Nikolaos P. Daskalakis, Caroline Uhler, Maria Skoularidou

机构 * Princeton University（普林斯顿大学） ； Stanford University（斯坦福大学） ； 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)

AI总结 提出CountsDiff扩散框架，通过生存概率调度和显式损失加权简化Blackout扩散，引入连续时间训练、无分类器引导和逆动态，在自然图像和单细胞RNA-seq插补任务中匹配或超越现有方法。

Comments 39 Pages, 11 figures. To appear in the 43rd International Conference on Machine Learning (ICML 2026)

D5P4: Partition Determinantal Point Process for Diversity in Parallel Discrete Diffusion Decoding

D5P4：用于并行离散扩散解码中多样性的分区行列式点过程

Jonathan Lys, Vincent Gripon, Axel Marmoret, Lukas Mauch, Fabien Cardinaux, Ghouthi Boukli Hacene, Bastien Pasdeloup

机构 * IMT Atlantique, Lab-STICC, UMR CNRS 6285（IMT阿提拉克大学，Lab-STICC，UMR CNRS 6285） ； Sony Europe Ltd. Stuttgart Technology Center, EUREC（索尼欧洲有限公司，斯图加特技术中心，EUREC） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出D5P4波束解码方法，利用分区行列式点过程在离散扩散模型中选择中间序列，平衡质量与多样性，无需外部验证器。

MAGE: All-[MASK] Block Already Knows Where to Look in Block Diffusion LLM

MAGE：在块扩散LLM中，全[MASK]块已经知道在哪里看

Omin Kwon, Yeonjae Kim, Doyeon Kim, Minseo Kim, Yeonhong Park, Jae W. Lee

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

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对块扩散LLM长上下文推理中KV缓存导致的内存瓶颈，提出无训练方法MAGE，利用块扩散训练目标的对齐特性，在第一步确定整个轨迹的KV子集，实现近无损精度和显著加速。

Integral Harnack estimates and the rate of extinction of singular fractional diffusion

积分Harnack估计与奇异分数扩散的灭绝速率

Filippo M. Cassanello, Simone Ciani, Antonio Iannizzotto

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文研究了奇异s分数p-Laplace扩散方程的局部弱解的积分Harnack不等式，并利用这些估计评估局部质量及解的衰减速率，同时通过近似方法研究了Cauchy-Dirichlet问题弱解的灭绝现象。

Comments 40 pages, 1 figure

Step-Wise Refusal Dynamics in Autoregressive and Diffusion Language Models

自回归与扩散语言模型中的逐步拒绝动态

Eliron Rahimi, Elad Hirshel, Rom Himelstein, Amit LeVi, Avi Mendelson, Chaim Baskin

机构 * Department of Computer Science, Technion – Israel Institute of Technology（技术学院计算机科学系，以色列技术学院） ； INSIGHT Lab, School of Electrical and Computer Engineering, Ben-Gurion University of the Negev, Israel（内斯坦实验室，贝内-加隆大学内加尔分校，以色列） ； Computer Science Department, University of Haifa, Haifa, Israel（海法大学计算机科学系，海法，以色列） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究扩散语言模型（DLM）与自回归（AR）模型在拒绝有害生成行为上的差异，发现扩散重掩码机制可促进恢复，提出逐步拒绝内部动态（SRI）信号，并基于此构建无需修改推理的越狱检测器。

Comments Preprint

CHDP: Cooperative Hybrid Diffusion Policies for Reinforcement Learning in Parameterized Action Space

CHDP：参数化动作空间中强化学习的协同混合扩散策略

Bingyi Liu, Jinbo He, Haiyong Shi, Enshu Wang, Weizhen Han, Jingxiang Hao, Peixi Wang, Zhuangzhuang Zhang

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(title,abstract)

AI总结 针对混合动作空间中的策略表达力不足和高维扩展性差问题，提出协同混合扩散策略框架，通过离散和连续扩散策略的协作与顺序更新，结合码本嵌入和Q函数引导，在基准测试中成功率提升高达19.3%。

Comments Accepted by AAAI 2026

CASteer: Cross-Attention Steering for Controllable Concept Erasure

CASteer：跨注意力转向用于可控概念擦除

Tatiana Gaintseva, Andreea-Maria Oncescu, Chengcheng Ma, Ziquan Liu, Martin Benning, Gregory Slabaugh, Jiankang Deng, Ismail Elezi

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

AI总结 CASteer通过动态转向向量实现无需训练的扩散模型概念擦除，精准抑制无关概念而不影响整体图像质量。

LoomVideo: Unifying Multimodal Inputs into Video Generation and Editing

LoomVideo: 统一多模态输入到视频生成与编辑

Jianzong Wu, Hao Lian, Jiongfan Yang, Dachao Hao, Ye Tian, Yunhai Tong, Jingyuan Zhu, Biaolong Chen, Qiaosong Qi, Aixi Zhang, Wanggui He, Mushui Liu, Jinlong Liu, Pipei Huang, Hao Jiang

机构 * Peking University（北京大学） ； Alibaba Group（阿里巴巴集团） 纠错

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

AI总结 提出LoomVideo，一种5B参数的高效统一架构，通过多模态大语言模型和零开销Scale-and-Add条件机制，实现视频生成与编辑，显著降低计算复杂度并加速推理。

Global-Local Monte Carlo Tree Search in Vision-Language Models for Text-to-3D Indoor Scene Generation

面向文本到3D室内场景生成的视觉-语言模型中的全局-局部蒙特卡洛树搜索

Mengshi Qi, Wei Deng, Xianlin Zhang, Huadong Ma

机构 * State Key Laboratory of Networking and Switching Technology, Beijing University of Posts and Telecommunications, China（网络与交换技术国家重点实验室，北京邮电大学） 纠错

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

AI总结 提出一种全局-局部蒙特卡洛树搜索方法，通过分层场景表示和PRM引导的MCTS解决文本到3D室内场景生成中的错误传播问题，并构建新基准数据集3DTindo-bench。

Reinforcement Learning from Denoising Feedback

基于去噪反馈的强化学习

Qi He, Huan Chen, Ya Guo, Huijia Zhu, Yi R. Fung, Baojian Zhou

机构 * Fudan University（复旦大学） ； Ant Group（蚂蚁集团） ； Hong Kong University of Science and Technology（香港科技大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出RLDF方法，利用去噪反馈进行策略损失估计，通过优化中间噪声状态到裁剪干净状态并结合加权时间步采样，在扩散语言模型上提升性能和泛化性。

Analysis and Patterns of Nonlocal Klausmeier Model

非局部Klausmeier模型的分析与模式

Md Shah Alam

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究结合局部与非局部扩散的Klausmeier植被模型的非局部扩展，利用半群理论和对偶论证证明经典解的整体适定性和一致有界性，并通过数值模拟揭示非局部扩散对植被模式的影响。

Comments I have figured out a few mistakes in the preprint and I will resubmit this after careful revision

A Littlewood-Paley approach to the Mittag-Leffler function in the frequency space and applications to nonlocal problems

通过Littlewood-Paley方法研究频率空间中的Mittag-Leffler函数及其在非局部问题中的应用

Ahmed A. Abdelhakim

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文通过Littlewood-Paley理论研究频率空间中Mittag-Leffler函数的Lebesgue指数p(p(γ))，并推导了非局部空间-时间问题中的关键估计。

Journal ref J Fourier Anal Appl 32, 60 (2026)

Physics Guided Generative Optimization for Trotter Suzuki Decomposition

物理引导的Trotter-Suzuki分解生成优化

WenBin Yan

机构 * University of Colorado Boulder（科罗拉多大学博尔德分校） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出P-GONE方法，结合条件扩散模型、图神经网络和REINFORCE微调，联合优化Trotter-Suzuki分解中的项分组、阶数和时间步分配，在保真度≥0.95时实现19.4倍电路深度压缩。

MidSteer: Optimal Affine Framework for Steering Generative Models

MidSteer：用于引导生成模型的最优仿射框架

Tatiana Gaintseva, Andrew Stepanov, Ziquan Liu, Martin Benning, Gregory Slabaugh, Jiankang Deng, Ismail Elezi

机构 * University of Basel（巴塞尔大学） ； University of California, Berkeley（加州大学伯克利分校） ； ETH Zurich（苏黎世联邦理工学院） ； University of Cambridge（剑桥大学） ； University of Washington（华盛顿大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出MidSteer，一种基于仿射变换的最优概念引导框架，通过最小干扰实现生成模型中的概念切换，并在视觉扩散模型和大型语言模型上验证其有效性。

ARMA approximation of a Non-separable Spatio-Temporal Model with Fractional Smoothnesses in Space and Time

具有空间和时间分数平滑度的非分离时空模型的ARMA逼近

S. Knutsen Furset, Geir-Arne Fuglstad, Espen R. Jakobsen

专题命中 扩散模型 ：diffusion(abstract)

AI总结 针对具有分数平滑度的非分离时空模型，提出基于时间有理逼近的离散化方法，得到VARMA过程，证明协方差函数逐点收敛并给出收敛速率，通过数值验证和模拟研究展示低阶VARMA的精度及参数估计能力。

Probabilistic Gaussian Homotopy: A Probability-Space Continuation Framework for Nonconvex Optimization

概率高斯同伦：非凸优化的概率空间延拓框架

Eshed Gal, Samy Wu Fung, Eldad Haber

机构 * University of British Columbia（不列颠哥伦比亚大学） ； Colorado School of Mines（科罗拉多矿业学院） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出概率高斯同伦（PGH）框架，通过变形玻尔兹曼分布和玻尔兹曼加权梯度聚合，实现非凸优化的概率空间延拓，并导出基于蒙特卡洛梯度估计的实用算法PGHO。

CRexit: how different cosmic ray transport modes affect thermal instability in the circumgalactic medium

CRexit：不同宇宙射线传输模式如何影响星系际介质中的热不稳定性

Matthias Weber, Timon Thomas, Christoph Pfrommer, Ruediger Pakmor

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究通过3D模拟探讨宇宙射线传输模式对冷云热不稳定性的影响，发现CR逃逸时间与云坍缩时间比是关键因素，高分辨率模拟避免了低分辨率导致的错误云结构。

Comments 20 pages and 17 figures in main text; submitted to A&A

Journal ref A&A 698, A125 (2025)

Mesoscale simulation model for odd fluids

介观尺度奇流体模拟模型

Yuxing Jiao, Mingcheng Yang

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出一种高效粗粒模拟方法，用于研究具有时间反演对称性破缺的奇流体，推导了其输运系数并验证了模型的准确性，为研究奇流体的异常输运现象提供了新途径。

Comments 6 pages, 4 figures

Journal ref Phys. Rev. E, 113, 055102 (2026)

Controllable Molecular Generative Foundation Models

可控分子生成基础模型

Yihan Zhu, Yuhan Liu, Weijiang Li, Tengfei Luo, Meng Jiang

机构 * University of Notre Dame（诺丁汉大学） 纠错

专题命中 可控生成 ：diffusion(abstract)

AI总结 提出CoMole，一种基于基团感知图扩散的统一框架，结合强化学习优化条件反向策略，在材料与药物设计的九个目标上均实现最优可控性，MAE最高降低48.2%，且无需规则修正。

Consistency-Preserving Diverse Video Generation

保持一致性的多样化视频生成

Xinshuang Liu, Runfa Blark Li, Truong Nguyen

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

专题命中 个性化与一致性 ：image generation(abstract)；分类 cs.CV

AI总结 提出一种联合采样框架，在保持时间一致性的同时提高文本到视频生成中批次内视频的多样性，通过轻量级潜在空间模型避免视频解码和反向传播。

PathPainter: Transferring the Generalization Ability of Image Generation Models to Embodied Navigation

PathPainter：将图像生成模型的泛化能力迁移至具身导航

Yijin Wang, Yuru Tian, Xijie Huang, Weiqi Gai, Mo Zhu, Xin Zhou, Yuze Wu, Fei Gao

机构 * Tsinghua University（清华大学） 纠错

专题命中 图像生成评测 ：image generation(title,abstract)

AI总结 提出利用鸟瞰图作为全局先验的导航系统，通过图像生成模型理解自然语言意图并生成可通行掩码，结合跨视图定位消除里程计漂移，在无人机平台上完成160米室外长距离导航。

Comments Work in the progress. 16 pages, 13 figures

SERNF: Sample-Efficient Real-World Dexterous Policy Fine-Tuning via Action-Chunked Critics and Normalizing Flows

SERNF: 通过动作块评论家和归一化流实现样本高效的真实世界灵巧策略微调

Chenyu Yang, Denis Tarasov, Davide Liconti, Romain Guntz, Hehui Zheng, Robert K. Katzschmann

机构 * Soft Robotics Lab, D-MAVT（软机器人实验室，D-MAVT） ； ETH Zurich（苏黎世联邦理工学院） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 提出SERNF框架，结合归一化流策略和动作块评论家，实现真实世界灵巧操作策略的样本高效微调，解决多模态动作分布和信用分配问题。

Comments https://srl-ethz.github.io/SERNF/