图像生成

BLM-SGAN: Bidirectional Language Modeling for Semantic-Spatial Text-to-Image Generation

BLM-SGAN: 用于语义-空间文本到图像生成的双向语言建模

Ahmed Abdelmoneim Mazrou, Haidy Maher El-Amir, Ali Hamdi

机构 * Faculty of Computer Science, MSA University, Egypt（MSA大学计算机科学学院，埃及） 纠错

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

AI总结 提出BLM-SGAN模型，利用BERT的双向注意力机制捕获长程依赖，解决GAN在文本到图像生成中的梯度消失和序列处理限制，在鸟类图像生成上达到SOTA。

Comments Published in ICACIn 2024. Appears in Advances on Intelligent Computing and Data Science II, Lecture Notes on Data Engineering and Communications Technologies, vol. 254, Springer, 2025

Journal ref Advances on Intelligent Computing and Data Science II (ICACIn 2024), Lecture Notes on Data Engineering and Communications Technologies, vol. 254, Springer, Cham, 2025

Customization under Fire: Plugin Poisoning in Text-to-Image Ecosystem

战火中的定制化：文本到图像生态系统中的插件投毒

Jiahao Chen, Xing He, Yong Yang, Xinfeng Li, Chunyi Zhou, Junhao Li, Zhe Ma, Tianyu Du, Shouling Ji

专题命中 文生图 ：text-to-image(title,abstract)

AI总结 针对文本到图像生态系统中LoRA插件的供应链风险，提出PoisonLoRA方法，实现概念劫持和任务注入两种攻击，在多个数据集上达到近100%攻击成功率且难以被检测。

Comments Accepted to ACM CCS'26 Cycle 1

Echo-Memory: A Controlled Study of Memory in Action World Models

Echo-Memory：动作世界模型中记忆的受控研究

Wayne King, Zeyue Xue, Yuxuan Bian, Jie Huang, Haoran Li, Yaowei Li, Yaofeng Su, Yuming Li, Haoyu Wang, Shiyi Zhang, Songchun Zhang, Yuwei Niu, Sihan Xu, Junhao Zhuang, Haoyang Huang, Nan Duan

机构 * Joy Future Academy（京东探索研究院） 纠错

专题命中 文生图 ：diffusion(abstract)；image synthesis(abstract)；分类 cs.CV、cs.GR

AI总结 提出Echo-Memory框架，通过控制变量法研究动作条件世界模型中的记忆机制，发现原始上下文容量和块状状态空间递归对开放域返回任务至关重要。

Comments 9 figures and 28 pages, Code at \href{https://github.com/Echo-Team-Joy-Future-Academy-JD/Echo-Memory}{this URL}

NutriMLLM: Multimodal Large Language Models for Dietary Micronutrient Analysis

NutriMLLM：用于膳食微量营养素分析的多模态大语言模型

Runze Yan, Minxiao Wang, Jiaying Lu, Darren Liu, Xiao Hu, Hanqi Luo

机构 * Emory University（埃默里大学） 纠错

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

AI总结 针对现有MLLM在膳食微量营养素估计中不可靠的问题，利用十年人口规模膳食回顾生成约110万图像-营养素三元组，微调Qwen3-VL和GLM-4.6V-Flash得到NutriMLLM，在真实图像上实现65种营养素全覆盖，准确率匹配或超越专有模型。

Comments 35 pages, 10 figures, 1 table

Need We Teach Foundation Models What is a Generative Image? Gradient-Free Generative Artifact Detection via Analytic Spectral Adaptation

我们是否需要教基础模型什么是生成图像？基于解析谱自适应的无梯度生成伪影检测

Qiaoyu Chen, Bing Zhang

机构 * Harbin University of Commerce（哈尔滨商业大学） 纠错

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

AI总结 提出无梯度方法，将生成伪影检测重构为分布外异常度量问题，通过解析解耦统计与语义偏差，在零样本设置下显著优于梯度优化方法。

Segmentation-Assisted Brain MRI Synthesis with Cross-Image Multi-Contrast Feature Memory Bank Retrieval Augmentation

基于跨图像多对比度特征记忆库检索增强的分割辅助脑MRI合成

Wenwei Huang, Jia Wei, Jianlong Zhou

机构 * South China University of Technology（华南理工大学） ； University of Technology Sydney（悉尼科技大学） 纠错

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

AI总结 提出分割辅助的闭环生成对抗框架，通过辅助分割分支和双库检索增强策略，提高多对比度脑MRI中肿瘤区域的合成保真度。

Can You Trust What You See? Human and AI Detection of Synthetic Legal Evidence

你能相信你所见的吗？人类与AI对合成法律证据的检测

Jinzhe Tan, Ali Ekber Cinar, Karim Benyekhlef

机构 * Faculty of Law, McGill University（麦吉尔大学法学院） 纠错

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

AI总结 研究人类和前沿多模态大模型在民事纠纷场景中区分真实照片与AI生成图像的能力，发现两者均不可靠，提出结合人工审查、MLLM筛查和来源认证的解决方案。

IEA: Amateur-Friendly Conversational Image Editing Agent via Three Stages of Multitask Alignment

IEA：通过三阶段多任务对齐的业余友好型对话式图像编辑代理

Zichen Zhu, Yuheng Sun, Mingxuan Zhu, Wenjie Ma, Situo Zhang, Zhexiang Wang, Ziyue Yang, Danyang Zhang, Kunyao Lan, Zihan Zhao, Dingye Liu, Siqi Xiang, Lu Chen, Kai Yu

机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institution（上海创新研究院） ； Huawei Technologies Ltd.（华为技术有限公司） ； Nanyang Technological University（南洋理工大学） ； Jiangsu Key Lab of Language Computing（江苏省语言计算重点实验室） 纠错

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

AI总结 提出IEA对话式图像编辑代理，通过三阶段多任务训练学习操作参数化工具，实现可解释编辑轨迹，在像素距离和ROUGE-L指标上优于基线，用户研究中指令跟随和感知质量表现最佳。

Comments [CVPR 2026 Findings] Our data and code are released at https://github.com/OpenDFM/Image_Edit_Agent

PTL-Diffusion: Manifold-Aware Diffusion with Periodic Terminal Laws

PTL-Diffusion: 具有周期终端定律的流形感知扩散

Danqi Zhuang, Jisui Huang, Xiaoyue Xi, Andrew Kiggins, Xiaojie Wang, Ke Chen, Yue Wu

机构 * University of Pennsylvania（宾夕法尼亚大学） ； University of Cambridge（剑桥大学） ； University of Oxford（牛津大学） ； Harvard University（哈佛大学） ； MIT（麻省理工学院） ； University of Washington（华盛顿大学） 纠错

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

AI总结 提出PTL-Diffusion，通过将前向噪声过程收敛到周期高斯终端族而非单一分布，显式嵌入相位结构，改善低维流形上的分布匹配，在点云和人脸数据集上降低误差。

EditSSC: Toward Editable Semantic Occupancy Scenes with Unconditional Diffusion Models

EditSSC: 基于无条件扩散模型的可编辑语义占用场景

Fatima Balde, Raoul de Charette, Alexandre Boulch

机构 * Inria（法国国家信息与自动化研究所） ； Valeo.ai（法雷奥人工智能实验室） 纠错

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

AI总结 提出EditSSC方法，利用2D BEV表示和现成潜扩散网络实现3D语义场景生成与免训练编辑，在SemanticKITTI上优于现有3D专用基线。

Comments Accepted at CVPR 2026 Workshop

Evaluating the Representation Space of Diffusion Models via Self-Supervised Principles

通过自监督原则评估扩散模型的表示空间

Xiao Li, Yixuan Jia, Zekai Zhang, Xiang Li, Lianghe Shi, Jinxin Zhou, Zhihui Zhu, Liyue Shen, 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)；分类 cs.CV

AI总结 受自监督学习启发，提出基于Fisher信息的度量ICR，分解特征为不变和残差成分，用于联合评估扩散模型的表示与生成能力，发现中间噪声水平下不变性最强且分类性能最佳，ICR可敏感检测训练中的记忆化。

Comments First two authors contributed equally. Accepted at ICML 2026

TUDSR: Twice Upsampling-Diffusion for Higher Super-Resolution

TUDSR: 用于更高超分辨率的两次上采样扩散

Zhiqiang Wu, Yitong Dong, Xian Wei

机构 * East China Normal University（华东师范大学） ； Zhejiang University（浙江大学） 纠错

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

AI总结 提出TUDSR框架，通过两阶段训练（R分辨率和NR分辨率）结合循环分块策略，在SD2.1基础上实现1024²和2048²高分辨率图像超分辨率，显著优于现有方法。

Echo-DM: Ultrasound Marker Removal via Conditional Latent Diffusion and Region-Aware Fusion

Echo-DM: 通过条件潜在扩散和区域感知融合去除超声标记

Zhiwei Wang, Tao Huang, Wentao Jiang, Muyi Li, Jianxin Liu, Jian Chen, Jie Zou, Yong Luo, Bo Du, Jing Zhang

机构 * School of Computer Science, Wuhan University, China（武汉大学计算机学院） ； The Central Hospital of Wuhan, China（武汉市中心医院） ； School of Computer Science, Hubei University of Technology, China（湖北工业大学计算机学院） 纠错

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

AI总结 提出Echo-DM框架，结合条件潜在扩散和区域感知融合，在无掩码条件下有效去除超声图像中的人工标记，同时保持解剖结构保真度。

Comments 18 pages, 4 figures

LiteVSR: Lightweight Adaptation of Frozen Diffusion Transformers for Video Super-Resolution

LiteVSR: 冻结扩散变换器的轻量级自适应用于视频超分辨率

Yu Cao, Ziquan Liu, Zhensong Zhang, Jiankang Deng, Shaogang Gong, Jifei Song

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LiteVSR，利用流匹配原理，通过轻量级状态感知适配器在冻结扩散变换器上实现视频超分辨率，仅需11.25%可训练参数和12 GPU小时训练。

Rethinking 3D Shape Generation: Diffusion over Superquadrics

重新思考3D形状生成：超二次曲面上的扩散

Zhiyang Liu, Wanze Li, Yuwei Wu, Chengran Yuan, Jiawei Sun, Rui Zheng, Marcelo H Ang

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 提出将扩散模型从高基数几何表示转移到紧凑的超二次曲面参数上，以降低计算和内存成本，并支持无分辨率点云解码、部件级编辑和约束设计，实现高效生成。

Comments Accepted to ICML2026

MaskAlign: Token-Subset Representation Alignment for Efficient Diffusion Training

MaskAlign: 面向高效扩散训练的令牌子集表示对齐

Lianyu Pang, Tianlin Pan, Cheng Da, Changqian Yu, Huan Yang, Kun Gai, Song Guo, Wenhan Luo

机构 * The Hong Kong University of Science and Technology（香港科技大学） ； Kuaishou Technology（快手科技） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

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

AI总结 针对扩散模型与预训练视觉模型表示对齐中令牌级信息不匹配问题，提出MaskAlign方法，通过随机采样令牌子集进行对齐，并引入预掩码令牌混合块减少信息损失，提升训练效率和生成质量。

Less Is More: Training-Free Acceleration Framework of 3D Diffusion Models for Low-Count PET Denoising via Global-Local Trajectory Reduction

少即是多：通过全局-局部轨迹缩减实现低计数PET去噪的3D扩散模型免训练加速框架

Yuhan Liu, Scott M. Leonard, Marlee Crews, Muhannad Fadhel, Jinkui Hao, Tianqi Chen, Ryan J. Avery, Bo Zhou

机构 * Northwestern University（西北大学） ； Hefei University of Technology（合肥工业大学） 纠错

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

AI总结 提出一种免训练的全局-局部跳跃策略，通过噪声一致变换初始化中间步骤和重用U-Net特征，在加速3D扩散模型去噪的同时提升重建质量。

Comments 19 pages, 10 figures, 5 tables

Reconstructing Synthetic SDO/AIA 193 A EUV Images from He I 10830 A Observations with Diffusion Model Translator

利用扩散模型翻译器从He I 10830 Å观测重建合成SDO/AIA 193 Å EUV图像

Marco Marena, Qin Li, Haimin Wang, Haodi Jiang, Prajwal Shah, Bo Shen

机构 * Department of Mechanical and Industrial Engineering, New Jersey Institute of Technology（机械与工业工程系，新泽西理工学院） ； Department of Physics, New Jersey Institute of Technology（物理系，新泽西理工学院） ； Department of Computer Science, Sam Houston State University（计算机科学系，萨姆霍斯顿州立大学） ； Department of Computer Science, New Jersey Institute of Technology（计算机科学系，新泽西理工学院） ； Department of Data Science, New Jersey Institute of Technology（数据科学系，新泽西理工学院） 纠错

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

AI总结 提出基于扩散的日冕洞感知翻译模型（CH-aware DMT），从He I图像重建AIA 193 Å EUV图像，在测试集上保持全盘EUV形态（CC=0.92）和日冕洞结构（CC=0.84），并通过历史数据验证其物理合理性。

Where the Score Lives: A Wavelet View of Diffusion

分数函数所在之处：扩散的小波视角

Emma Finn, Binxu Wang, T. Anderson Keller, Demba E. Ba

机构 * The Kempner Institute for the Study of Natural and Artificial Intelligence（肯普纳自然与人工智能研究所） ； Harvard University（哈佛大学） 纠错

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

AI总结 提出基于二维正交小波基的分数函数参数化，通过数据分布矩分析揭示不同架构的归纳偏差，解释扩散模型中分数网络与数据分布的相互作用。

Comments 20 pages, 12 figures, AISTATS 2026

Journal ref Proceedings of the 29th International Conference on Artificial Intelligence and Statistics (AISTATS) 2026, Tangier, Morocco. PMLR: Volume 300

Property-Informed Diffusion-Based Text-to-Microstructure Generation

基于属性信息的扩散模型文本到微结构生成

Bingxuan Dai, Hongsong Wang, Jie Gui

机构 * School of Cyber Science and Engineering, Southeast University（东南大学网络空间安全学院） ； School of Computer Science and Engineering, Southeast University（东南大学计算机科学与工程学院） ； Key Laboratory of New Generation Artificial Intelligence Technology and Its Interdisciplinary Applications (Southeast University), Ministry of Education（教育部新一代人工智能技术及其跨学科应用重点实验室（东南大学）） ； Purple Mountain Laboratories（紫金山实验室） ； Engineering Research Center of Blockchain Application, Supervision And Management (Southeast University), Ministry of Education（教育部区块链应用监管工程研究中心（东南大学）） 纠错

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

AI总结 提出一种属性信息驱动的扩散网络，从文本描述直接生成3D微结构，通过对比文本-结构对齐和测试时奖励引导对齐确保生成结构的语义和物理可行性。

Comments Published in CVPR2026, Code is at: https://github.com/hongsong-wang/PropDiff-TMG

TBD-VLA: Temporal Block Diffusion Vision Language Action Model

TBD-VLA: 时序块扩散视觉语言动作模型

Sung-Wook Lee, Xuhui Kang, Yen-Ling Kuo

机构 * University of Virginia（弗吉尼亚大学） 纠错

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

AI总结 提出TBD-VLA框架，通过时序块扩散机制实现离散令牌VLA模型的并行动作生成，兼顾时序连贯性与推理速度，在仿真和真实任务中优于先前方法。

Automated IEP Generation from Traditional Chinese Parent-Teacher Interviews via Corpus-Grounded Feature Diffusion

基于语料库特征扩散的繁体中文家长会自动化个别化教育计划生成

Kuanlin Chen, Cheng-En Ou

机构 * National University of Singapore（新加坡国立大学） ； 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 针对繁体中文个别化教育计划（IEP）生成中数据稀缺和隐私限制问题，提出基于语料库特征扩散（CGFD）的低资源微调流程，通过种子选择、特征扩散和语法约束解码（GCD）生成高质量样本，并发现GCD在繁体中文下适得其反，无GCD路径在可靠性和速度上更优。

Comments 12 pages, 5 figures

The Changing Global Division of Labor in Software: Emergence and Diffusion of New Programming Skills across IT Hubs

软件行业全球分工的变迁：IT中心新编程技能的出现与扩散

Johannes Wachs, Xiangnan Feng, Simone Daniotti, Frank Neffke

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 利用6000万条软件问答数据，研究237种编程技能在城市的出现与扩散规律，发现软件行业遵循与传统行业相似的空间模式：新技能先在大型多样化IT中心出现，再向小城市扩散。

Leveraging Structural Constraints for Diffusion-based Neural TSP Solvers

利用结构约束的基于扩散的神经TSP求解器

Mickaël Basson, Philippe Preux

机构 * Université de Lille, France（法国里尔大学） ； CNRS, France（法国国家科学研究中心） ； Inria, France（法国国家信息与自动化技术研究院） ； UMR 9189-CRIStAL, Lille, France（法国里尔大学UMR 9189-CRIStAL研究中心） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出投影一致性推理（PCI），用结构感知投影替代梯度细化，在TSP500/1000上分别达到0.17%/0.31%最优性差距，推理时间减少30-40%。

Journal ref The 20th Learning and Intelligent OptimizatioN Conference (LION), Jun 2026, Milan (Italie), Italy

Thresholded Local Hyper-Flow Diffusion

阈值化局部超流扩散

Meher Chaitanya, Sebastian Dalleiger, Luana Ruiz

机构 * KTH Royal Institute of Technology（瑞典皇家理工学院） ； Johns Hopkins University（约翰霍普金斯大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出TL-HFD算法，通过局部活动区域和阈值化边界激活实现超图种子聚类的局部扩散，保证与全局更新等价并给出有限时间对偶次优性界。

A Guided Tour of the Equations of Nonlinear Filtering for Diffusion Processes

扩散过程非线性滤波方程导览

Fabien Campillo, Myriam Corso

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文以教学方式介绍扩散过程的非线性滤波，通过状态-观测模型、马尔可夫半群、无穷小生成元和测度变换等工具，推导Kallianpur-Striebel公式、Zakai方程和Kushner-Stratonovich方程，强调直观理解与核心概念。

BSTabDiff: Block-Subunit Diffusion Priors for High-Dimensional Tabular Data Generation

BSTabDiff: 用于高维表格数据生成的块-子单元扩散先验

Al Zadid Sultan Bin Habib, Md Younus Ahamed, Prashnna Gyawali, Gianfranco Doretto, Donald A. Adjeroh

机构 * West Virginia University（西弗吉尼亚大学） ； The University of Utah（犹他大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对高维低样本量表格数据，提出BSTabDiff框架，通过将特征划分为潜在块并使用共享低维子单元变量生成每个块，结合扩散先验和copula依赖，实现稳定合成与可控基准生成。

Comments Published as a paper at the 2nd DeLTa Workshop, ICLR 2026

Unified Energy for Invariant and Independent Decoding in Diffusion Language Models

扩散语言模型中不变性与独立性解码的统一能量

Yuchen Yan, Minkai Xu, Zaiquan Yang, Yatao Bian

机构 * National University of Singapore（新加坡国立大学） ； Stanford University（斯坦福大学） ； City University of Hong Kong（香港城市大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对扩散语言模型并行生成文本时与自回归模型的性能差距，提出统一能量（Uni-E）方法，通过不变能量和独立能量解决模型容量、依赖性和不变性问题，无需采样即可精确计算，并能纠正分布偏移。

EviProp: Seeded Relevance Diffusion on Chunk-Page Graphs for Long Multimodal Document Retrieval

EviProp: 基于种子相关性扩散的块-页图用于长多模态文档检索

Hongwei Zhang, Xiaoman Wang, Zehui Ling, Ruicheng Zhu, Yue Zhang, Pinlong Cai, Fuke Shen, Botian Shi, Tongquan Wei, Guohang Yan

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出EviProp方法，通过构建多模态块-页图并利用个性化PageRank扩散相关性，解决长文档中证据页检索的独立匹配局限，提升检索准确率。

Boundedness and evolution rates for a quasilinear reaction-diffusion equation

一类拟线性反应扩散方程的有界性与演化速率

Razvan Gabriel Iagar, Marta Latorre, Ariel Sánchez

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究N≥3维空间中指数1<p<m且σ<-2的拟线性反应扩散方程，证明初始条件满足一定衰减时解一致有界，并建立了紧支集数据正性集上界R(t)的扩张速率及外部区域的不同时间尺度。