图像生成

Variability and stellar pulsation incidence in Am/Fm stars using TESS and Gaia data

利用TESS和Gaia数据研究Am/Fm星的变异性及恒星脉动发生率

Oliver Durfeldt-Pedros, Victoria Antoci, Barry Smalley, Simon Murphy, Natalia Posilek, Ewa Niemczura

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本研究利用TESS和Gaia数据分析Am/Fm星的脉动特性，发现51%的恒星无变异性，25%为脉动Am/Fm星，17%显示二元性或自转调制，7%为食双星，脉动类型包括γ Doradus、δ Scuti及混合型，揭示Am/Fm星的脉动行为多样性。

Comments 14 pages, 12 figures Accepted A&A 19/08/2024 Stellar catalogues available online: https://github.com/Durfeldt/AmStars_Catalogues

Modeling scattering matrix containing evanescent modes for wavefront shaping applications in disordered media

包含倏逝模式的散射矩阵建模及其在无序介质波前整形中的应用

Michael Raju, Baptiste Jayet, Stefan Andersson-Engels

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出开源标量波传输模型，通过扩展Fisher-Lee关系包含倏逝模式，估计无序介质的广义散射矩阵，并演示最优相位共轭波前聚焦倏逝模式时传输值为2/3的普适现象。

Comments Manuscript accepted in Physical Review Research

FitVTON: Fit-aware Virtual Try-On via Body-Garment Size Control

FitVTON: 通过身体-服装尺寸控制实现合身感知的虚拟试穿

Yiqun Ning, Ao Shen, Chenhang He, Lei Zhang

机构 * Department of Computing, The Hong Kong Polytechnic University（香港理工大学计算学系） ； Nuvatech 纠错

专题命中 可控生成 ：diffusion(abstract)；inpainting(abstract)；分类 cs.CV

AI总结 针对现有虚拟试穿忽略物理合身性的问题，提出FitVTON模型，通过结构化文本提示编码服装-身体尺寸，并引入辅助头预测服装和暴露身体掩膜，结合纹理校正阶段，在真实数据集FittingEffect3K上验证了尺寸准确性和形状保持的优越性。

The Latent Color Subspace: Emergent Order in High-Dimensional Chaos

潜在颜色子空间：高维混沌中的涌现秩序

Mateusz Pach, Jessica Bader, Quentin Bouniot, Serge Belongie, Zeynep Akata

机构 * University of California, Berkeley（加州大学伯克利分校） ； University of Toronto（多伦多大学） ； University of Cambridge（剑桥大学） ； University of Oxford（牛津大学） 纠错

专题命中 可控生成 ：image generation(abstract)；text-to-image(abstract)；分类 cs.CV

AI总结 本文揭示了FLUX.1变分自编码器潜在空间中颜色表示的HSL结构，并提出一种无需训练的闭式潜在空间操作方法，实现对生成图像颜色的预测与显式控制。

Comments Accepted at ICML 2026

Making Foresight Actionable: Repurposing Representation Alignment in World Action Models

使远见可操作：在世界动作模型中重新利用表示对齐

Lu Qiu, Yizhuo Li, Yi Chen, Yuying Ge, Yixiao Ge, Xihui Liu

机构 * The University of Hong Kong（香港大学） ； XPENG Robotics（小鹏机器人） 纠错

专题命中 可控生成 ：diffusion(abstract)；分类 cs.CV

AI总结 针对世界动作模型中视觉预测与动作提取不匹配的问题，提出AGRA方法，通过对齐视频扩散特征与语义表示，提升动作解码器对任务相关区域的关注，从而改善操作任务的性能与泛化能力。

Hamilton-Jacobi-Bellman Equations in Random Geometries: Homogenization on Continuum Percolation Clusters

连续渗流簇上的Hamilton-Jacobi-Bellman方程的随机均匀化

Rodrigo Bazaes, Alexander Mielke, Chiranjib Mukherjee

专题命中 可控生成 ：diffusion(abstract)

AI总结 研究连续渗流簇上退化随机Hamilton-Jacobi-Bellman方程的均匀化性质，利用Hamiltonian的强制性和相对熵结构，结合连续渗流随机几何，证明了几乎必然的均匀化结果。

Comments Completely revised manuscript, some earlier assumptions corrected; the revised assumptions are now sharp and apply to a substantially broader class of models, large parts of the proofs have been rewritten and are new

A Comprehensive Ecosystem for Open-Domain Customized Video Generation

开放域定制视频生成的综合生态系统

Jingxu Zhang, Yuqian Hong, Daneul Kim, Kai Qiu, Qi Dai, Jianmin Bao, Yifan Yang, Xiaoyan Sun, Chong Luo

机构 * University of Science and Technology of China（科学技术大学） ； Microsoft Research Asia（微软亚洲研究院） ； Seoul National University（首尔国立大学） 纠错

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

AI总结 提出百万级数据集PexelsCustom-1M和参数高效框架CustoMDiT，仅用8%额外参数实现定制视频生成，并构建千类基准OpenCustom，开源整个生态系统。

Comments 5 pages, 3 figures, 4 tables. Accepted by ICASSP 2026

ARGUS: Stacked Multi-View Identity Mosaic Injection for Subject-Preserving Video Generation

ARGUS: 堆叠多视角身份马赛克注入用于主体保持的视频生成

Zijie Meng, Jiwen Liu, Yufei Liu, Chengzhuo Tong, Xiaoqiang Liu, Yuanxing Zhang, Yulong Xu, Pengfei Wan

机构 * Peking University（北京大学） ； Kuaishou Technology（快手科技） ； Xiamen University（厦门大学） 纠错

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

AI总结 提出ARGUS框架，通过堆叠多视角身份马赛克注入（SMII）将身份表示为紧凑动态分布，结合MLLM身份导演、无交叉对反事实训练等模块，在主体保持视频生成中达到SOTA。

Comments 13 pages, 3 figures

OpenVTON-Bench: A Large-Scale High-Resolution Benchmark for Controllable Virtual Try-On Evaluation

OpenVTON-Bench：用于可控虚拟试穿评估的大规模高分辨率基准

Jin Li, Tao Chen, Kai Wen, Siqi Yin, Shuai Jiang, Weijie Wang, Jingwen Luo, Chenhui Wu

机构 * Renxing Intelligence, Hangzhou, China ； Hangzhou Dianzi University, Hangzhou, China（杭州电子科技大学） 纠错

专题命中 图像生成评测 ：diffusion(abstract)；分类 cs.CV

AI总结 提出OpenVTON-Bench，包含约10万对高分辨率图像，通过DINOv3聚类和Gemini描述构建，并设计多模态评估协议，沿五个维度衡量试穿质量，与人类判断高度一致。

Comments Under review for the NeurIPS 2026 Datasets and Benchmarks Track

Point Spread Function Optimization for Communication-assisted UAV-borne MIMO TomoSAR

面向通信辅助的无人机载MIMO TomoSAR的点扩展函数优化

Pouya Fakharizadeh, Mohamed-Amine Lahmeri, Gerhard Krieger, Robert Schober

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

AI总结 针对无人机载MIMO合成孔径雷达层析成像系统，提出基于粒子群优化的联合无人机编队与卸载功率分配方法，以最小化点扩展函数旁瓣水平。

World Model Self-Distillation: Training World Models to Solve General Tasks

世界模型自蒸馏：训练世界模型以解决通用任务

Sebastian Stapf, Pablo Acuaviva Huertos, Aram Davtyan, Paolo Favaro

机构 * Department of Computer Science（计算机科学系） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)；分类 cs.CV

AI总结 提出结合自蒸馏与强化学习的框架，从预训练视频生成器中提取任务解决能力，无需配对任务视频，在基准测试中超越原始模型。

NSVQ: Mitigating Codebook Collapse by Stabilizing Encoder Drift in Vector Quantization

NSVQ: 通过稳定向量量化中的编码器漂移缓解码本崩溃

Hao Lu, Yongxin Guo, Onur Koyun, Zhengjie Zhu, Abbas Alili, Metin N. Gurcan

机构 * Wake Forest University School of Medicine（维克森林大学医学院） ； Advocate Health（倡导健康） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)；分类 cs.CV

AI总结 提出NSVQ训练策略，通过非平稳嵌入损失、码本替换和分阶段编码器冻结，缓解大码本VQ中的码本崩溃，在ImageNet-1k上提升重建质量并保持100%码本利用率。

K-Forcing: Joint Next-K-Token Decoding via Push-Forward Language Modeling

K-Forcing：通过前推语言建模进行联合下一K词解码

Zhiwei Tang, Yuanyu He, Yizheng Han, Wangbo Zhao, Jiasheng Tang, Fan Wang, Bohan Zhuang

机构 * DAMO Academy, Alibaba Group（阿里巴巴达摩院） ； Hupan Lab（湖畔实验室） ； Zhejiang University（浙江大学） ； The Hong Kong University of Science and Technology（香港科技大学） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 提出K-Forcing范式，通过前推映射将自回归模型蒸馏为单次前向传播生成多个未来词，实现2.4-3.5倍加速，质量损失小。

Comments Code: https://github.com/alibaba-damo-academy/K-Forcing

Strong solution for polymeric fluid-structure interaction with small initial acceleration

具有小初始加速度的聚合物流体-结构相互作用的强解

Prince Romeo Mensah

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 针对三维-三维-二维耦合的溶质-溶剂-结构三态系统，通过解耦和不动点论证构造了强解的唯一高阶正则性，并证明了移动域上Stokes问题的最大正则性结果。