视觉与机器人
图像生成、文生图、图像编辑、扩散模型和可控生成。
从去噪到决策：面向无线网络的扩散模型赋能深度强化学习综述
专题命中 扩散模型 ：diffusion(title,abstract)
AI总结 本文综述了扩散模型与深度强化学习结合的方法，通过捕捉无线资源管理中的复杂多模态动作结构，提升决策质量，并系统总结了其在移动边缘计算、无人机辅助、车联网、AIGC驱动系统、无线资源分配、物理层安全及机器人/无人机规划等领域的应用。
Comments 22 pages, 7 figures, Author list corrected
漂移和强度不确定下跳扩散系统的鲁棒遍历控制
专题命中 扩散模型 ：diffusion(title,abstract)
AI总结 针对同时存在连续波动和罕见冲击的跳扩散系统，考虑漂移和跳跃强度不确定性，提出一种鲁棒遍历奇异控制方法，通过熵惩罚扭曲处理模型模糊性，并证明最优策略由反射屏障表征。
语言生成作为最优控制：潜在控制空间中的闭环扩散
机构 * University of Science and Technology of China（中国科学技术大学）
专题命中 扩散模型 ：diffusion(title,abstract)
AI总结 本文将语言生成重新表述为随机最优控制问题，通过统一理论视角分析自回归和扩散模型，解释其局限性，并提出基于流匹配的闭环控制器实现高效文本生成。
通过扩散强迫实现统一且稳健的数据同化：ForcingDAS
机构 * University of Michigan（密歇根大学） ； University of California, Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学） ； Massachusetts Institute of Technology（麻省理工学院） ； University of Texas at Austin（德克萨斯大学奥斯汀分校）
专题命中 扩散模型 ：diffusion(title,abstract)
AI总结 本文提出ForcingDAS，一种基于扩散强迫的统一数据同化框架，能够捕捉长时序依赖并减少误差积累，同时在推理时无需重新训练即可实现滤波到平滑的全谱应用。
灵活性陷阱：重新思考扩散语言模型中任意顺序的价值
机构 * LeapLab, Tsinghua University（清华大学Leap实验室） ； NLPLab, Tsinghua University（清华大学自然语言处理实验室） ； Tsinghua University（清华大学） ； Alibaba Group（阿里巴巴集团） ； BNRist, Tsinghua University（清华大学北京研究院）
专题命中 扩散模型 ：diffusion(title,abstract)
AI总结 本文发现，尽管扩散语言模型（dLLMs）允许任意生成顺序，但这种灵活性可能限制其推理能力，通过采用标准的Group Relative Policy Optimization（GRPO）方法，即JustGRPO，在保持并行解码能力的同时提升了推理性能。
Comments Code and pre-trained models: https://github.com/LeapLabTHU/JustGRPO
Robot-DIFT: 用于接触丰富机器人操作的对应敏感扩散特征
机构 * TU Darmstadt（图宾根大学） ； KIT（卡尔斯鲁厄理工学院） ； FZI（弗劳恩霍夫研究所） ； Hessian.AI（黑森人工智能公司） ； Robotics Institute Germany（德国机器人研究所） ； Honda Research Institute Europe GmbH（本田欧洲研究院）
专题命中 扩散模型 ：diffusion(title,abstract)
AI总结 提出Robot-DIFT，通过流形蒸馏将扩散模型转化为确定性学生网络，结合空间-语义特征金字塔网络，为接触敏感任务提供实时对应敏感特征，在多个基准上超越现有方法。
FADTI: 基于傅里叶和注意力驱动的多变量时间序列插补扩散模型
机构 * Anonymous（匿名）
专题命中 扩散模型 ：diffusion(title,abstract)
AI总结 提出FADTI扩散框架，通过可学习傅里叶偏置投影模块注入频域归纳偏置，结合自注意力与门控卷积进行时序建模，在多个基准上优于现有方法，尤其在高缺失率下表现突出。
Comments This work has been submitted to the IEEE for possible publication. 10 pages, 7 figures
时间平均漂移近似在漂移扩散模型推断中是不一致的
专题命中 扩散模型 ：diffusion(title,abstract)
AI总结 本文证明在漂移扩散模型中使用时间平均漂移近似（TADA）进行参数推断会导致不一致估计，并通过注意DDM数值示例展示其导致注意效应系统性误估和错误科学结论。
Comments 37 pages. Includes updates for the first revision
粘性反射扩散过程的超和弱Poincaré不等式
专题命中 扩散模型 ：diffusion(title,abstract)
AI总结 本文为粘性反射扩散过程建立超和弱Poincaré不等式，并刻画相关扩散半群的收敛速率和一致可积性。
dLLM-Cache：基于自适应缓存的扩散大语言模型加速
机构 * Zhejiang University（浙江大学）
专题命中 扩散模型 ：diffusion(title,abstract)
AI总结 针对扩散大语言模型推理延迟高的问题，提出一种无需训练的自适应缓存框架dLLM-Cache，通过长间隔提示缓存和基于特征相似性的部分响应更新，实现高效中间计算复用，在保持输出质量的同时大幅降低FLOPs。
Comments Accepted by ICML 2026
IDEQ -- 利用解空间结构改进旅行商问题的扩散模型
机构 * Université de Lille（里尔大学） ； CNRS（国家科学研究中心） ； Inria（法国国家信息与自动化技术研究院） ； UMR 9198-CRIStAL（UMR 9198-CRIStAL研究中心）
专题命中 扩散模型 ：diffusion(title,abstract)
AI总结 提出IDEQ方法，通过利用TSP解空间的约束结构和基于2-opt轨道的均匀分布训练目标，改进扩散模型求解TSP，在合成实例和TSPlib上达到新SOTA，接近LKH3性能。
三维半相对论Schrödinger-POISSON系统中伪相对论扩散的爆破阻止
专题命中 扩散模型 ：diffusion(title,abstract)
AI总结 研究了三维半相对论Schrödinger-POISSON系统在伪相对论扩散下的能量范数全局适定性，讨论了在L^2范数下的适定条件，并指出无耗散时负能量初始条件导致解在有限时间内爆破。
Comments AMS Latex, 19 pages
Journal ref Rev. Math. Phys. 27 (10), 1550023, 2015
GimmBO: 基于贝叶斯优化的交互式生成图像模型合并
机构 * University of Toronto（多伦多大学） ； Vector Institute（向量研究所）
专题命中 扩散模型 ：image generation(abstract)；diffusion(abstract)；分类 cs.CV、cs.GR
AI总结 针对扩散模型适配器合并中权重选择困难的问题，提出GimmBO框架，利用偏好贝叶斯优化实现交互式探索，通过两阶段BO后端提升高维空间采样效率与收敛性。
Comments Accepted at SIGGRAPH NA 2026
HiMat: 基于DiT的超高分辨率SVBRDF生成
机构 * College of Computer Science, Nankai University（南开大学计算机科学学院） ； Adobe Research（Adobe研究） ； NVIDIA ； Nanjing University（南京大学）
专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV、cs.GR
AI总结 提出HiMat框架，利用扩散变压器和线性注意力在高压缩潜空间生成4K SVBRDF，并通过CrossStitch模块保持跨图一致性，实现高效、多样化的超高分辨率材质生成。
视频世界模型的潜在空间记忆
机构 * Zhejiang University（浙江大学） ； Microsoft Research（微软研究院） ； Adelaide University（阿德莱德大学） ； Monash University（莫纳什大学）
专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV
AI总结 提出潜在空间记忆框架Mirage，通过在扩散潜在空间中直接构建和查询3D缓存，避免像素空间重建，实现高效视频生成，速度提升10.57倍，内存减少55倍。
Comments Project Page: https://aka.ms/latent-spatial-memory, Code: https://github.com/microsoft/LatentSpatialMemory
MemoryVLA++：通过记忆与想象在视觉-语言-动作模型中进行时间建模
机构 * Tsinghua University（清华大学） ； The University of Hong Kong（香港大学） ； Dexmal ； StepFun
专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV
AI总结 提出MemoryVLA++框架，通过工作记忆、感知-认知记忆库和想象未来状态的世界模型，实现完整时间建模，在模拟和真实机器人任务上显著提升长时域和依赖记忆与想象的任务性能。
Comments The project is available at https://shihao1895.github.io/MemoryVLA-PP-Web
AHA-WAM：异步自适应时域世界-动作建模与观测引导的上下文路由
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Baidu AI Cloud（百度智能云） ； The University of Hong Kong（香港大学）
专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV
AI总结 提出AHA-WAM，一种基于双扩散Transformer的异步时域自适应世界-动作模型，通过低频世界规划器和高频动作执行器解耦时序，实现高效闭环控制，在RoboTwin和真实任务上达到SOTA性能。
Comments Project page: https://serene-sivy.github.io/aha-wam/
视觉提示结合基于特征重建的双教师监督异常检测
机构 * IBM Research Europe Zurich（IBM欧洲研究院苏黎世分院）
专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV
AI总结 针对异常检测在真实场景中因物体尺度、视角等变化失效的问题，提出视觉提示管道、解冻教师模型和扩散生成数据增强，在AeBAD数据集上提升3.5个百分点。
视频基础模型是否理解直觉物理？逐层探测分析
机构 * University of Amsterdam（阿姆斯特丹大学）
专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV
AI总结 通过冻结特征探测，研究预训练视频基础模型在直觉物理信息上的编码能力，发现V-JEPA表现最佳，物理信息在中后期层最易获取，且时序破坏显著降低性能。
EgoTactile: 从自我中心视频学习日常物体的抓取压力
机构 * University of Science and Technology of China（中国科学技术大学）
专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV
AI总结 提出EgoTactile基准和条件扩散框架EgoPressureDiff，从自我中心视频估计全手抓取压力，解决视觉-物理歧义，实现鲁棒迁移。
Comments Accepted to ICML2026 spotlight
CP4D: 组合式物理感知4D场景生成
机构 * School of Information Science and Technology, University of Science and Technology of China（信息科学与技术学院，中国科学技术大学） ； Zhongguancun Academy（中关村学院） ； the State Key Laboratory of Multimodal Artificial Intelligence Systems, Institute of Automation, Chinese Academy of Sciences（多模态人工智能系统国家重点实验室，中国科学院自动化研究所） ； Eastern Institute of Technology（东部技术研究所） ； Tsinghua University（清华大学）
专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV
AI总结 提出CP4D范式，通过静态环境与物理动态对象组合，结合物理模拟器与视频扩散模型生成轨迹，实现高保真、物理一致的4D场景。
MilliVid: 用于视频生成中长程一致性的分层潜变量
机构 * Massachusetts Institute of Technology（麻省理工学院） ； Toyota Research Institute（丰田研究所）
专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV
AI总结 提出一种多尺度token空间的粗到细展开方法，通过预训练层次化自编码器压缩帧为多层token，并训练视频扩散模型生成这些token，在保持几何和物体持久性长程一致性的同时降低计算开销。
Comments Ishaan Preetam Chandratreya and David Charatan contributed equally. Project page: https://davidcharatan.com/millivid/
利用NeRF渲染图像进行3D高斯泼溅
机构 * Institute of Science Tokyo（东京科学研究所）
专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV
AI总结 提出利用NeRF渲染图像辅助3DGS训练，通过去除瞬态物体和生成鸟瞰视图，结合扩散增强，在保持3DGS速度的同时提升街景渲染质量。
Comments ICIP 2026
CHROMA: 通过通道间色彩空间相关性检测AI生成图像
机构 * Instituto de Ingeniería Eléctrica, Facultad de Ingeniería, Universidad de la República, Montevideo, Uruguay（乌拉圭共和国大学工程学院电气工程研究所） ； Université Paris-Saclay, ENS Paris-Saclay, CNRS, Centre Borelli, Gif-sur-Yvette, 91190 France（巴黎萨克雷大学，巴黎萨克雷高等师范学校，法国国家科学研究中心，博雷利中心）
专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV
AI总结 提出利用通道间色彩相关性作为轻量级取证线索，通过增强RGB输入与相关性图，使用固定CNN骨干网络在有限计算预算下训练，有效区分真实与AI生成图像，并提升对未知生成器的鲁棒性。
Comments This manuscript has been accepted for publication at the 28th International Conference on Pattern Recognition (ICPR 2026). The final published version will appear in the Springer LNCS proceedings
CSFlow: 将流匹配与人类对比敏感度对齐
机构 * Max Planck Institute for Informatics, Saarland Informatics Campus（马克斯·普朗克信息学研究所，萨尔兰信息学园区）
专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV
AI总结 提出CSFlow加权方案，通过将人类对比敏感度函数与流匹配的迭代去噪步骤对齐，在傅里叶空间中引入软自回归结构，提升生成图像的视觉真实感，FID降低4.7%，Inception Score提升2.2%。
学习求解生成式常微分方程：超越线性跨度
机构 * Korea University（高丽大学） ； KAIST（韩国科学技术院） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校）
专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV
AI总结 针对扩散和流生成模型中ODE求解器步数多的问题，提出SpanLift轻量神经求解器，通过空间残差算子增强标量系数更新，实现少步采样且不增加模型NFE，在多个任务上达到最先进性能。
Comments 12 pages, 7 figures
什么使视频世界模型潜在空间与动作相关：预测优于重建
机构 * Graduate School of Data Science, Seoul National University（首尔大学数据科学研究生院）
专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV
AI总结 通过统一探针评估，发现动作相关结构主要由时间视频预训练驱动，而非像素重建保真度，其中视频预训练自监督编码器在视觉保真度和动作预测间取得最佳帕累托权衡。
NeuroAlign: 用于MCI分析的动态与结构性神经影像的分层多模态融合
机构 * Department of Computer Science and Technology, Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）计算机科学与技术学院） ； School of Intelligence Science and Engineering, College of Artificial Intelligence, Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）人工智能学院智能科学与工程学院） ； School of Artificial Intelligence, Beijing University of Posts and Telecommunications（北京邮电大学人工智能学院） ； Guangdong Key Laboratory of Biomedical Measurements and Ultrasound Imaging, School of Biomedical Engineering, Shenzhen University Medical School, Shenzhen University（深圳大学医学部生物医学工程学院广东省生物医学测量与超声成像重点实验室） ； Department of Radiology, The People’s Hospital of Guangxi Zhuang Autonomous Region, Guangxi Academy of Medical Sciences（广西壮族自治区人民医院放射科，广西医学科学院） ； Shenzhen Sixth People’s Hospital (Nanshan Hospital), Huazhong University of Science and Technology Union Shenzhen Hospital（华中科技大学协和深圳医院（深圳市第六人民医院）） ； School of Basic Medical Sciences, Shenzhen University（深圳大学基础医学院） ； Egypt-Japan University of Science and Technology (E-JUST)（埃及日本科技大学） ； School of Biomedical Engineering, National-Regional Key Technology Engineering Laboratory for Medical Ultrasound, Guangdong Key Laboratory for Biomedical Measurements and Ultrasound Imaging, Shenzhen University Medical School（深圳大学医学部生物医学工程学院，国家地方联合医学超声关键技术工程实验室，广东省生物医学测量与超声成像重点实验室）
专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV
AI总结 提出NeuroAlign框架，通过双模态分层对齐和双域分层交互融合fMRI与DTI特征，实现MCI/SCD检测，并设计无梯度归因方法SAM进行特征分析。
DiffoR：一种统一的连续生成框架用于通用序数回归
机构 * Fudan University（复旦大学） ； Kuaishou Technology（快手科技） ； Shanghai University of Finance and Economics（上海财经大学） ； Tongji University（同济大学）
专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV
AI总结 提出DiffOR框架，将序数回归建模为连续生成任务，利用扩散模型通过迭代去噪恢复连续序数值，并设计双解耦策略（多尺度增量聚合与动态去噪感知）保留序数拓扑，在12个基准上超越现有方法。
Comments Accepted at KDD 2026
VideoGPA: 通过几何先验知识蒸馏实现3D一致的视频生成
机构 * University of California, Berkeley（加州大学伯克利分校）
专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV
AI总结 VideoGPA通过几何先验知识蒸馏提升视频生成的3D一致性，利用数据高效的自监督框架引导视频扩散模型，显著增强时间稳定性、几何合理性与运动一致性。
Comments 8 pages, 5 figures, ICML 2026
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈