图像生成

Aligned but Stereotypical? How System Prompts Shape Demographic Bias in LLM-Based Text-to-Image Models

对齐但刻板？系统提示如何塑造基于LLM的文本到图像模型中的人口统计偏见

NaHyeon Park, Na Min An, Kunhee Kim, Soyeon Yoon, Jiahao Huo, Hyunjung Shim

机构 * KAIST（韩国科学技术院） ； HKUST (GZ)（香港科技大学（广州）） 纠错

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

AI总结 研究LLM增强的文本到图像系统在提示扩展中引入隐性人口统计偏见的问题，提出无训练的去偏框架FairPro，通过自适应生成公平性指令减少人口统计差异。

Comments Project page: https://fairpro-t2i.github.io

HPSv3++: Scaling Reward Models Across the Full Spectrum of Diffusion Model Capabilities

HPSv3++：跨扩散模型能力全谱系扩展奖励模型

Yijun Liu, Jie Huang, Zeyue Xue, Yuming Li, Ruizhe He, Haoran Li, Shijia Ge, Siming Fu

机构 * Tsinghua University（清华大学） ； JD Explore Academy（京东探索研究院） ； Peking University（北京大学） ； Zhejiang University（浙江大学） 纠错

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

AI总结 提出HPSv3++奖励模型框架，通过双维度偏好数据集HPDv3++和两阶段训练（正交梯度投影+无监督引导），提升对各类T2I模型及RL迭代的偏好预测能力，在多个基准上达到最优。

ForceForget: Reinforcement Concept Removal for Enhancing Safety in Text-to-Image Models

ForceForget: 通过强化概念移除增强文本到图像模型的安全性

Dong Han, Yong Li

机构 * Dong Han（董汉） ； Yong Li（李勇） 纠错

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

AI总结 针对文本到图像模型生成不安全内容的问题，提出基于强化学习优化概念擦除奖励的方法，通过安全适配器调节文本嵌入，在消除不安全内容的同时保持模型对安全语义的生成能力。

Comments Accepted to ICML 2026

Pix2Pix-Hybrid: Structure-Guided Conditional Synthesis of Hajj Crowd Images with Multi-Channel Conditioning and Weak Attribute Supervision

Pix2Pix-Hybrid: 结构引导的多通道条件与弱属性监督的朝觐人群图像条件合成

Amirah F. Alshammari, Bander A. Alzahrani, Nahed A. Alowidi

机构 * King Abdulaziz University（阿卜杜勒阿齐兹国王大学） ； Jouf University（焦夫大学） 纠错

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

AI总结 提出Pix2Pix-Hybrid条件GAN，通过多通道结构线索和上下文属性条件合成朝觐人群图像，用于数据增强，在减少人工标注的同时提升合成质量，并验证了合成数据对人群计数模型的改进效果。

MirrorCheck: Efficient Adversarial Defense for Vision-Language Models

MirrorCheck: 视觉-语言模型的高效对抗防御

Samar Fares, Klea Ziu, Toluwani Aremu, Nikita Durasov, Martin Takáč, Pascal Fua, Ivan Laptev, Karthik Nandakumar

机构 * Mohamed Bin Zayed University of Artificial Intelligence（莫扎伊德大学人工智能大学） ； NVIDIA ； École Polytechnique Fédérale de Lausanne（洛桑联邦理工学院） ； Michigan State University（密歇根州立大学） 纠错

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

AI总结 提出MirrorCheck框架，利用文本到图像模型和随机化策略检测并防御针对视觉-语言模型的自适应对抗攻击。

MCR-VQGAN: A Scalable and Cost-Effective Tau PET Synthesis Approach for Alzheimer's Disease Imaging

MCR-VQGAN：一种用于阿尔茨海默病成像的可扩展且经济高效的Tau PET合成方法

Jin Young Kim, Jeremy Hudson, Jeongchul Kim, Qing Lyu, Christopher T. Whitlow

机构 * Department of Biomedical Engineering, Wake Forest University School of Medicine（生物医学工程系，威克森林大学医学院） ； Department of Radiology, Wake Forest School of Medicine（放射学系，威克森林医学院） ； Department of Radiology and Biomedical Imaging, Yale School of Medicine（放射学与生物医学成像系，耶鲁医学院） 纠错

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

AI总结 提出MCR-VQGAN模型，通过多尺度卷积、ResNet块和CBAM模块改进VQGAN，从T1加权MRI合成高保真tau PET图像，在ADNI数据集上优于cGAN等方法，且合成图像保留诊断特征，区域SUVR等效分析显示与真实图像高度一致。

Comments Accepted for publication in IEEE Access. 14 pages, 5 figures, 8 tables

Conditioning Matters: Stabilizing Inversion and Attention in Diffusion Image Editing

条件至关重要：稳定扩散图像编辑中的反演与注意力

Zheyuan Zhan, Hongchen Li, Can Wang, Yinfei Ma, Mingzhen Huang, Ruoshi Bai, Jiawei Chen, Siwei Lyu, Defang Chen

机构 * State Key Laboratory of Blockchain and Data Security, Zhejiang University（浙江大学区块链与数据安全全国重点实验室） ； HangZhou High-Tech Zong (Binjiang) Institute of Blockchain and Data Security（杭州高新技术产业开发区（滨江）区块链与数据安全研究院） ； College of Computer Science, Zhejiang University（浙江大学计算机科学与技术学院） ； University at Buffalo, State University of New York（纽约州立大学布法罗分校） 纠错

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

AI总结 本文提出SimEdit框架，通过优化文本条件精度和令牌级跨分支注意力控制，提升扩散模型反演稳定性和编辑保真度，在PIE-Bench上显著优于先前方法。

Comments Accepted to ECML PKDD 2026 Research Track

HiLo-Token: Input-Adaptive High-Low Frequency Token Compression for Efficient Image Editing

HiLo-Token: 输入自适应的高低频令牌压缩用于高效图像编辑

Haoran You, Yotam Nitzan, Lingzhi Zhang, Yifan Gong, Mang-Tik Chiu, Connelly Barnes, Yan Kang, Yuqian Zhou, Eli Shechtman, Sohrab Amirghodsi

机构 * Adobe ART AI Lab（Adobe ART AI实验室） ； Adobe Research（Adobe研究院） 纠错

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

AI总结 针对扩散变换器（DiT）在图像编辑中延迟高的问题，提出输入自适应的令牌压缩框架HiLo-Token，根据空间频率分配令牌预算，在保持生成质量的同时实现高达3.13倍加速。

Comments 14 pages, 10 figures, Patent filled

Rethinking One-Step Image Editing through ChordEdit: Reproduction, Simplification, and New Insights

通过ChordEdit重新思考一步图像编辑：复现、简化与新见解

Minghan Li, Jeremy Moebel, Mengyu Wang

机构 * Harvard AI and Robotics Lab（哈佛人工智能与机器人实验室） 纠错

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

AI总结 本文通过复现、消融和简化ChordEdit，揭示其机制：和弦窗口作为时间步偏移，和弦传输执行低频语义编辑，近端对齐补充高频细节，从而将编辑分解为粗低频传输和细高频对齐两个阶段，为自适应编辑提供新路径。

Comments 9 pages

AERMANI-PLACE: Language Guided Object Placement with Aerial Manipulators

AERMANI-PLACE: 基于语言引导的空中机械臂物体放置

Sarthak Mishra, Ritama Sanyal, Rishabh Dev Yadav, Wei Pan, Spandan Roy

机构 * Robotics Research Center, IIIT Hyderabad（海得拉巴国际信息技术学院机器人研究中心） ； Department of Computer Science, University of Manchester（曼彻斯特大学计算机科学系） ； Newcastle University（纽卡斯尔大学） 纠错

专题命中 图像编辑 ：image editing(abstract)

AI总结 提出AERMANI-PLACE框架，通过自然语言指令和图像编辑模型生成视觉标记，引导空中机械臂完成物体放置，在测试集和真实平台上分别达到87%和72%的平均成功率。

Efficient On-Device Diffusion LLM Inference with Mobile NPU

基于移动NPU的高效设备端扩散大语言模型推理

Tuowei Wang, Yanfan Sun, Ju Ren

机构 * Tsinghua University（清华大学） ； Beihang University（北京航空航天大学） 纠错

专题命中 扩散模型 ：diffusion(title,summary_cn)

AI总结 提出首个NPU感知推理框架Diffusion-LLM-on-NPU，通过多块推测解码、双路径渐进修正和交换优化内存运行时，在移动设备上加速扩散大语言模型推理，相比CPU基线实现17-42倍延迟降低。

Smoothing Dark Areas in Molecular Latent Diffusion

分子潜在扩散中的暗区平滑

Xi Wang, Jiahan Li, Yuxuan Xia, Yingcheng Wu, Shaoyi Zheng, Shengjie Wang

机构 * New York University（纽约大学） ； Stanford University（斯坦福大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)；image generation(abstract)；inpainting(abstract)

AI总结 针对分子潜在扩散中存在的暗区问题，提出拓扑优化VAE（TopVAE），通过训练时内化结构和化学约束，减少暗区，提升离后验鲁棒性，在QM9和GEOM-Drugs上取得显著改进。

Toward 360-Degree Indoor Panorama Editing via Tuning-Free Diffusion Model with Refocusing Cross-Attention

面向360度室内全景编辑的基于重聚焦交叉注意力的免调优扩散模型

Dinh-Khoi Vo, Nhut-Thanh Le-Hinh, Viet-Tham Huynh, Tam V. Nguyen, Minh-Triet Tran, Trung-Nghia Le

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

AI总结 提出FocusDiff框架，通过重聚焦交叉注意力实现免调优的精确区域编辑，并扩展到360度室内全景编辑，在局部编辑基准LIMB上优于现有零样本方法。

Comments ICCCI 2026. Project page: https://vdkhoi20.github.io/FocusDiff

FBSDiff++: Improved Frequency Band Substitution of Diffusion Features for Efficient and Highly Controllable Text-Driven Image-to-Image Translation

FBSDiff++: 改进的扩散特征频带替换用于高效且高度可控的文本驱动图像到图像翻译

Xiang Gao, Yunpeng Jia

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） 纠错

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

AI总结 提出FBSDiff++框架，通过动态频带替换扩散特征，实现无需训练的文本驱动图像到图像翻译，支持外观、布局和轮廓引导，并大幅提升推理速度（8.9倍），支持任意分辨率输入和局部编辑。

Diffusion-Refined Segmentation and Vision-Language Interpretation for Pediatric Brain Tumor MRI

扩散细化分割与视觉-语言解释用于儿童脑肿瘤MRI

Wentao Ke, Jianche Liu

机构 * Department of Mechanical Engineering, Stanford University（斯坦福大学机械工程系） ； School of Medicine, Stanford University（斯坦福大学医学院） 纠错

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

AI总结 提出两阶段框架，先用Swin-UNETR粗分割，再用条件扩散模型细化边界，最后结合多模态语言模型生成结构化报告，提升儿童脑肿瘤分割精度和可解释性。

CaricHarmony: Contrastive Diffusion Paths for Identity-Preserving Caricature Synthesis

CaricHarmony：身份保持的漫画合成的对比扩散路径

Dongyu Wang, Dar-Yen Chen, Yi-Zhe Song

机构 * SketchX, CVSSP, University of Surrey（萨里大学CVSSP实验室SketchX组） 纠错

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

AI总结 提出CaricHarmony，一种无需训练的方法，通过并行无污染扩散路径解决身份与形状条件信号污染问题，实现平衡的漫画合成，在保持身份一致性的同时达到最优形状保真度。

Fast Autoregressive Video Diffusion and World Models with Temporal Cache Compression and Sparse Attention

快速自回归视频扩散与世界模型：基于时间缓存压缩与稀疏注意力

Dvir Samuel, Issar Tzachor, Matan Levy, Michael Green, Gal Chechik, Rami Ben-Ari

机构 * Hebrew University of Jerusalem（特拉维夫大学） ； Google Research（谷歌研究） 纠错

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

AI总结 提出FAST-AR框架，通过TempCache压缩KV缓存、AnnCA加速交叉注意力、AnnSA稀疏化自注意力，实现自回归视频扩散模型5-10倍加速，同时保持视觉质量并稳定GPU内存使用。

Comments Accepted to ICML 2026. Project Page: https://dvirsamuel.github.io/fast-auto-regressive-video/

Enhancing Underwater Light Field Images via Global Geometry-aware Diffusion Process

通过全局几何感知扩散过程增强水下光场图像

Yuji Lin, Qian Zhao, Zongsheng Yue, Junhui Hou, Deyu Meng

机构 * School of Mathematics and Statistics, Xi’an Jiaotong University（西安交通大学数学与统计学学院） ； School of Mathematics and Statistics and the Ministry of Education Key Lab of Intelligent Networks and Network Security, Xi’an Jiaotong University（西安交通大学数学与统计学学院和教育部智能网络与网络安全重点实验室） ； Department of Computer Science, City University of Hong Kong（香港城市大学计算机科学系） ； Macao Institute of Systems Engineering, Macau University of Science and Technology（澳门系统工程研究院，澳门科学大学） 纠错

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

AI总结 提出基于扩散的GeoDiff-LF框架，利用空间-角度结构增强水下4D光场成像，通过改进U-Net、几何引导损失和优化采样策略，有效缓解颜色失真，在视觉保真度和定量性能上超越现有方法。

Comments 14 pages, 9 figures

Recursively Trained Diffusion Models: Limiting Collapse Distribution and Spectral Characterization

递归训练的扩散模型：限制崩溃分布与谱特征

Naïl B. Khelifa, Richard E. Turner, Ramji Venkataramanan

机构 * University of Cambridge（剑桥大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究递归训练扩散模型时的分布崩溃问题，证明即使完美学习也会因早期停止导致漂移，并收敛到唯一极限分布，该分布具有低通滤波谱特性。

Realizing Native INT8 Compute for Diffusion Transformers on Consumer GPUs: A Fused INT8 GEMM Kernel for Ideogram 4.0

在消费级GPU上实现扩散Transformer的原生INT8计算：用于Ideogram 4.0的融合INT8 GEMM内核

Ali Asaria, Tony Salomone, Deep Gandhi

机构 * Transformer Lab 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对消费级Ampere GPU上INT8量化比FP8/NF4更慢的问题，提出融合Triton INT8 GEMM内核，直接利用INT8张量核心，在Ideogram 4.0中实现2.8-4.2倍加速，端到端速度提升约10%，使1024px单卡可行。

Spatially Conditioned Diffusion Policy: Learning Precise and Robust Manipulation with a Single RGB Camera

空间条件扩散策略：使用单个RGB相机学习精确且鲁棒的操作

Seoyoon Kim, Kanghyun Kim, Dongwoo Ko, Yeong Jin Heo, Min Jun Kim

机构 * Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院） ； Neuromeka 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出空间条件扩散策略（SCDP），利用末端执行器轨迹作为视觉注意力锚点，通过多尺度特征编码和空间条件模块，在单相机设置下实现精确鲁棒的操作。

Comments 15 pages

Decoupled Latent Optimization of Diffusion Models for Full Waveform Inversion

全波形反演的扩散模型解耦潜变量优化

Chen Min, Zheng Ma

机构 * School of Mathematical Sciences, Shanghai Jiao Tong University（上海交通大学数学科学学院） ； CMA-Shanghai, Shanghai Jiao Tong University（上海交通大学CMA-上海） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出解耦潜变量优化（DLO），通过二次惩罚目标分离物理变量和潜变量，结合数据保真度梯度和扩散先验，在OpenFWI基准上优于经典正则化和现有扩散方法。

Comments 35 pages, 14 figures

Self-Improving VLA Policies: Selected Diffusion Noise for Spurious-Robust Action Smoothing

自我改进的VLA策略：用于抗伪影动作平滑的选择性扩散噪声

Duc Minh Nguyen, Bao-Ngoc Dao, Tung M. Luu, Binh Gia Nguyen, Vinh Tong, Anji Liu, Vu N. Duong, Dung D. Le, Daniel Sonntag, Trung Le, Ngan Le, Jan Peter, An Thai Le, Minh Nhat Vu, Mathias Niepert, Khoa D. Doan, Duy M. H. Nguyen, Vien Anh Ngo

机构 * Center for AI Research, VinUniversity（VinUniversity人工智能研究中心） ； VinRobotics ； KAIST（韩国科学技术院） ； University of Stuttgart（斯图加特大学） ； IMPRS-IS（国际马克斯·普朗克智能系统研究学院） ； National University of Singapore（新加坡国立大学） ； DFKI（德国人工智能研究中心） ； University of Oldenburg（奥尔登堡大学） ； Monash University（莫纳什大学） ； University of Arkansas（阿肯色大学） ； TU Darmstadt（达姆施塔特工业大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出一种无需训练的选择性扩散噪声方法，通过动态采样噪声向量增强视觉-语言-动作策略的鲁棒性和动作平滑性，在仿真和真实场景中成功率分别提升8%和10%。

Guided Diffusion with Distilled Vision-Language Reliability for Aerial Navigation

基于蒸馏视觉语言可靠性的引导扩散用于空中导航

Ivan Valuev, Iana Zhura, Valerii Serpiva, Didar Seyidov, Dzmitry Tsetserukou

机构 * University of California, Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出一种可靠性感知的扩散规划器，通过蒸馏视觉语言模型生成场景级可靠性热图，引导去噪过程处理不可靠区域，显著降低无人机导航中的障碍物违反率并提高区域可靠性。

Parameter-robust well-posedness and discretisation for coupled Darcy--Forchheimer and advection-diffusion-reaction equations

耦合Darcy-Forchheimer与对流-扩散-反应方程的参数鲁棒适定性与离散化

Rishi Das, Harsha Hutridurga, Amiya K. Pani, Ricardo Ruiz-Baier

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 将Banach空间中扰动鞍点问题的适定性理论推广到参数无关稳定性，应用于对流-扩散-反应方程混合形式及其与Darcy-Forchheimer方程的耦合，证明系统对渗透率、Forchheimer系数和反应调制参数稳定，并用混合有限元离散和算子预条件子实现参数鲁棒性。

Regional Climate Model Emulation with Diffusion Approaches: What is the Added Value of Generative Machine Learning?

基于扩散方法的区域气候模型模拟：生成式机器学习的附加价值是什么？

Mikel N. Legasa, Antoine Doury, Achille Gellens, Redouane Lguensat, Clara Naldesi, Soulivanh Thao, Mathieu Vrac

机构 * University of Cambridge（剑桥大学） ； CNRS（法国国家科学研究中心） ； Institut Pierre Simon Laplace（皮埃尔·西蒙·拉普拉斯研究所） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出ParamDiffusion，一种两阶段扩散框架，与确定性方法对比，评估生成式机器学习在区域气候模型模拟中的附加价值，发现扩散方法能高技巧地再现气候统计特征，但极端事件模拟仍有不足。

Comments Submitted to Journal of Advances in Modeling Earth Systems (JAMES)

Thermal feedback as a kinetic control mechanism in reaction-diffusion pattern formation

反应扩散图案形成中的热反馈作为动力学控制机制

Sudip Dutta, Pushpita Ghosh

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 通过耦合Arrhenius型温度依赖的活化-抑制剂动力学，研究非等温反应扩散系统中的热反馈对图案稳定性和选择的影响，发现热反馈增强不稳定性并改变波长选择，边界热交换可调控时空组织。

Local Coverage Governs Memorization in Diffusion Models

局部覆盖支配扩散模型中的记忆化

Claudia Merger, Sebastian Goldt

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 通过扩散模型与核密度估计的联系，发现记忆化由局部数据覆盖主导：低覆盖区域孤立样本被记忆，高覆盖区域支持插值泛化。

Diffusion-driven autocatalytic dynamics on a sphere

球面上的扩散驱动自催化动力学

Denis S. Grebenkov

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究粒子在球面外扩散并以催化速率复制的集体动力学，通过单粒子扩散传播子分析种群大小的统计特性，揭示长时间下的亚临界、临界和超临界相图。

XRDiff: Crystal Structure Prediction from Powder X-Ray Diffraction Data Using Diffusion Models

XRDiff: 使用扩散模型从粉末X射线衍射数据进行晶体结构预测

Nofit Segal, Mingda Li, Benjamin Kurt Miller, Rafael Gómez-Bombarelli

机构 * Department of Materials Science and Engineering, MIT（材料科学与工程系，麻省理工学院） ； Department of Nuclear Science and Engineering, MIT（核科学与工程系，麻省理工学院） ； FAIR, Meta（FAIR，Meta） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出XRDiff扩散模型，从粉末X射线衍射数据恢复晶体结构，在模拟基准上实现强结构恢复率，并采用基于峰值的编码提升对实验数据的泛化能力。