图像生成

CheXGenBench: A Unified Benchmark For Fidelity, Privacy and Utility of Synthetic Chest Radiographs

CheXGenBench：合成胸片保真度、隐私和实用性的统一基准

Raman Dutt, Pedro Sanchez, Yongchen Yao, Steven McDonagh, Sotirios A. Tsaftaris, Timothy Hospedales

机构 * University of Edinburgh（爱丁堡大学） ； Samsung AI Center, Cambridge（剑桥三星AI中心） 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CheXGenBench，首个统一评估框架，同时衡量合成胸片生成模型的保真度、隐私风险和下游实用性，涵盖11种前沿T2I模型，揭示当前模型在长尾分布、隐私风险和下游多模态任务中的局限。

Comments Published in Transactions of Machine Learning Research (06/2026)

Journal ref Transactions on Machine Learning Research (2026)

Computational Safety for Generative AI: A Hypothesis Testing Perspective

生成式AI的计算安全性：假设检验视角

Pin-Yu Chen

机构 * IBM Research（IBM研究院） 纠错

专题命中 文生图 ：text-to-image(abstract)；diffusion(abstract)

AI总结 本文从假设检验角度形式化生成式AI的计算安全性，提出基于信号处理的方法检测恶意输入和AI生成内容。

Comments Extended version of the paper presented at the ICML 2026 Workshop on Hypothesis Testing

MapDream: Task-Driven Map Learning for Vision-Language Navigation

MapDream: 面向视觉-语言导航的任务驱动地图学习

Guoxin Lian, Shuo Wang, Yucheng Wang, Yongcai Wang, Maiyue Chen, Kaihui Wang, Bo Zhang, Zhizhong Su, Deying Li, Zhaoxin Fan

机构 * University of Science and Technology of China（中国科学技术大学） 纠错

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

AI总结 提出MapDream框架，通过自回归鸟瞰图生成联合学习地图与动作预测，在R2R-CE和RxR-CE上达到单目最优性能。

FireRed-Image-Edit-1.0 Technical Report

FireRed-Image-Edit-1.0 技术报告

Super Intelligence Team, Changhao Qiao, Chao Hui, Chen Li, Cunzheng Wang, Dejia Song, Jiale Zhang, Jing Li, Qiang Xiang, Runqi Wang, Shuang Sun, Wei Zhu, Xu Tang, Yao Hu, Yibo Chen, Yuhao Huang, Yuxuan Duan, Zhiyi Chen, Ziyuan Guo

机构 * Super Intelligence Team（超级智能团队） ； Xiaohongshu Inc.（小红书公司） 纠错

专题命中 图像编辑 ：text-to-image(abstract)；diffusion(abstract)；image editing(abstract)；分类 cs.CV

AI总结 提出FireRed-Image-Edit扩散变换器，通过数据整理、多阶段训练和评估优化，在指令图像编辑上达到最先进性能，并开源代码、模型和基准。

Rel-Zero: Harnessing Patch-Pair Invariance for Robust Zero-Watermarking Against AI Editing

Rel-Zero：利用补丁对不变性实现鲁棒的零水印以抵御AI编辑

Pengzhen Chen, Yanwei Liu, Xiaoyan Gu, Xiaojun Chen, Wu Liu, Weiping Wang

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

AI总结 针对AI编辑对图像真实性的威胁，提出Rel-Zero零水印框架，利用编辑中补丁对关系距离的不变性，无需修改原图即可生成鲁棒水印，实验证明其优于现有方法。

Comments accepted to CVPR 2026

Learning Permutation Distributions via Reflected Diffusion on Ranks

通过秩上的反射扩散学习排列分布

Sizhuang He, Yangtian Zhang, Shiyang Zhang, David van Dijk

机构 * 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,summary_cn)

AI总结 提出Soft-Rank Diffusion框架，通过将排列松弛为软秩实现平滑扩散，并引入上下文广义Plackett-Luce去噪器，在排序和组合优化任务上优于现有扩散方法。

Comments 18 pages including the appendix, 7 figures, 9 tables, Accepted at ICML 2026

Region-Adaptive Sampling for Diffusion Transformers

扩散变压器的区域自适应采样

Ziming Liu, Yifan Yang, Chengruidong Zhang, Yiqi Zhang, Lili Qiu, Yang You, Yuqing Yang

机构 * National University of Singapore（新加坡国立大学） ； Microsoft Research（微软研究院） 纠错

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

AI总结 提出RAS，一种无需训练的自适应采样策略，通过动态分配不同采样比例到图像区域，实现扩散变压器2.36-2.51倍加速且质量损失极小。

Comments CVPR'26 Poster

Improved Baselines with Representation Autoencoders

改进的基于表示自动编码器的基线

Jaskirat Singh, Boyang Zheng, Zongze Wu, Richard Zhang, Eli Shechtman, Saining Xie

机构 * Adobe Research（Adobe研究院） ； ANU（澳大利亚国立大学） ； New York University（纽约大学） 纠错

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

AI总结 本文研究了基于表示自动编码器（RAE）的设计选择，发现三个见解，简化并改进了RAE。首先，研究了一种通用公式，将表示定义为最后k个编码器层的总和，而不是仅最终层。其次，研究了RAE与表示对齐（REPA）的假设，发现两者具有互补的工作机制。最后，改进了RAE在无分类器指导（CFG）中的表现，通过重新参数化DiT模型输出，实现了无需训练第二个模型的指导效果。RAEv2在ImageNet-256上达到了1.06的gFID，且训练效率显著提高。

Bayesian Tensor Decomposition with Diffusion Model Prior

贝叶斯张量分解与扩散模型先验

Zerui Tao, Qibin Zhao

机构 * Zerui Tao（泽瑞·陶） ； Qibin Zhao（赵启斌） 纠错

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

AI总结 提出DiffBCP框架，结合累积收缩过程先验和预训练扩散模型，通过分裂吉布斯采样实现贝叶斯CP分解，在图像修复和去噪任务中优于现有方法。

Comments ICML 2026

Pantheon360: Taming Digital Twin Generation via 3D-Aware 360° Video Diffusion

Pantheon360: 通过3D感知的360°视频扩散驯服数字孪生生成

Ting-Hsuan Chen, Ying-Huan Chen, Tao Tu, Jie-Ying Lee, Cho-Ying Wu, Fangzhou Lin, Hengyuan Zhang, David Paz, Xinyu Huang, Yuliang Guo, Yu-Lun Liu, Yue Wang, Liu Ren

机构 * University of Southern California（南加州大学） ； National Yang Ming Chiao Tung University（国家阳明交通大学） ； Cornell University（康奈尔大学） ； Bosch Research（博世研究） 纠错

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

AI总结 提出Pantheon360框架，利用显式3D缓存从稀疏360°输入生成高保真视频，实现全局几何一致性和可控相机路径，解决传统透视视频生成器视野受限导致的跨视图不一致和时间漂移问题。

Comments Accepted to CVPR 2026. Project page: https://koi953215.github.io/pantheon360_page/

DiverseDiT: Towards Diverse Representation Learning in Diffusion Transformers

DiverseDiT：扩散Transformer中的多样化表示学习

Mengping Yang, Zhiyu Tan, Binglei Li, Xiaomeng Yang, Hesen Chen, Hao Li

机构 * Fudan University（复旦大学） ； Shanghai Academy of AI for Science（上海人工智能科学研究院） ； Shanghai Innovation Institute（上海创新研究院） 纠错

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

AI总结 通过分析扩散Transformer的表示动力学，发现块间表示多样性是关键，提出DiverseDiT框架，利用长残差连接和多样性损失促进多样特征学习，在ImageNet上提升性能并加速收敛。

Comments Accepted in CVPR 2026, GitHub Code: https://github.com/kobeshegu/DiverseDiT, Project Page: https://forevermamba.work/projects/DiverseDiT/

CLAD: Constrained Latent Action Diffusion for Vision-Language Procedure Planning

CLAD: 面向视觉-语言程序规划的约束潜在动作扩散模型

Lei Shi, Andreas Bulling

机构 * Machine Perception and Interaction group, Örebro University（机器感知与交互组，奥雷布罗大学） ； Collaborative Artificial Intelligence group, University of Stuttgart（协作人工智能组，斯图加特大学） 纠错

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

AI总结 提出CLAD模型，利用变分自编码器学习动作和观测的潜在表示作为约束，引导扩散模型生成动作，在三个数据集上大幅超越现有方法。

Comments Accepted at RO-MAN 2026

Accessible pore geometry governs tracer diffusion in crowded environments

可及孔隙几何形状主导拥挤环境中的示踪剂扩散

Jinseok Lee, Tong Lin, Mengyang Gu, Yimin Luo

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 通过实验和模拟发现，示踪剂在拥挤环境中的扩散主要由可及孔隙尺寸决定，并利用并行部分高斯过程模型快速预测均方位移。

Comments 32 pages, 16 figures

Diffusion Models for Adaptive Sequential Data Generation

自适应序列数据生成的扩散模型

Haoyang Cao, Minshuo Chen, Yinbin Han, Renyuan Xu

机构 * Department of Applied Mathematics and Statistics, Data Science and AI Institute, and Mathematical Institute for Data Science, Johns Hopkins University（应用数学与统计学系、数据科学与人工智能研究所、数据科学数学研究所，约翰霍普金斯大学） ； Department of Industrial Engineering and Management Sciences, Northwestern University（工业工程与管理科学系，西北大学） ； Department Management Science and Engineering, Stanford University（管理科学与工程系，斯坦福大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出一种顺序前向后向扩散框架，通过沿序列逐步注入和去除噪声并基于历史生成条件确保自适应性，用于生成自适应时间序列数据，并引入新的分数匹配目标实现高效并行训练，在合成数据和均值-方差最优投资组合构建中验证有效性。

Comments 38 pages

Fast-dLLM++: Fréchet Profile Decoding for Faster Diffusion LLM Inference

Fast-dLLM++: 用于更快扩散LLM推理的Fréchet轮廓解码

Siva Rajesh Kasa, Yasong Dai, Sumit Negi, Hongdong Li

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 针对扩散大语言模型推理中并行令牌生成的瓶颈，提出Fréchet轮廓解码方法，通过利用异构置信度轮廓选择并行提交集，在保持模型和缓存不变的情况下提升吞吐量。

Comments Initial version accepted at Workshop on Structured Probabilistic Inference & Generative Modeling, ICML 2026. Project Page: https://ringo-star.github.io/projectpage_frechet/

CoBit: Language Modeling with Bitstream Diffusion

CoBit: 基于比特流扩散的语言建模

Georgios Batzolis, Mark Girolami, Luca Ambrogioni

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 提出CoBit模型，将文本建模为固定宽度二进制比特流上的连续扩散过程，采用匹配滤波残差参数化和基于熵率门控的朗之万校正采样器，在LM1B和OpenWebText上达到接近自回归模型的生成困惑度，并消除词汇表缩放瓶颈。

FlowRL: A Taxonomy and Modular Framework for Reinforcement Learning with Diffusion Policies

FlowRL：基于扩散策略的强化学习分类与模块化框架

Chenxiao Gao, Edward Chen, Tianyi Chen, Bo Dai

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出扩散/流策略强化学习算法的统一分类法，构建模块化JAX框架，在多个基准上提供系统比较，为算法设计与应用提供指导。

Comments accepted by RLC 2026

DemoDiffusion: One-Shot Human Imitation using pre-trained Diffusion Policy

DemoDiffusion: 使用预训练扩散策略的一次性人类模仿

Sungjae Park, Homanga Bharadhwaj, Shubham Tulsiani

机构 * Carnegie Mellon University（卡内基梅隆大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出DemoDiffusion方法，通过单次人类演示和预训练扩散策略，无需任务特定训练即可使机器人执行操作任务，在8项任务中平均成功率达83.8%。

Comments 11 pages. Published at ICRA 2026

Ultra slow sub-logarithmic diffusion of a sluggish random walker subject to resetting with memory

具有记忆重置的慢速随机游走者的超慢次对数扩散

Denis Boyer, Satya N. Majumdar

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究布朗粒子扩散系数随距离原点代数衰减且以恒定速率重置到历史访问位置的模型，发现典型位移以[ln(rt)]^{1/(α+2)}超慢增长，位置分布呈双峰非高斯标度律。

Comments 22 pages, 4 figures

Journal ref J. Stat. Mech. (2026) 063201

Sample from What You See: Visuomotor Policy Learning via Diffusion Bridge with Observation-Embedded Stochastic Differential Equation

从所见中采样：基于观测嵌入随机微分方程的扩散桥视觉运动策略学习

Zhaoyang Liu, Mokai Pan, Zhongyi Wang, Kaizhen Zhu, Haotao Lu, Haipeng Zhang, Jingya Wang, Ye Shi

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)

AI总结 提出BridgePolicy，通过扩散桥公式将观测直接集成到随机动力学中，利用语义对齐器处理异构观测，在模拟和真实任务中超越现有生成式策略。

Comments Accepted by ICML 2026

SSNAPS: Audio-Visual Separation of Speech and Background Noise with Diffusion Inverse Sampling

SSNAPS: 基于扩散逆采样的语音与背景噪声视听分离

Yochai Yemini, Yoav Ellinson, Rami Ben-Ari, Sharon Gannot, Ethan Fetaya

机构 * Bar-Ilan University（巴伊兰大学） ； OriginAI 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出一种无监督的视听语音分离方法，利用扩散先验和逆采样联合建模语音与噪声，在单麦克风场景下优于有监督基线，并支持离屏说话人分离。

Multi-Robot Motion Planning from Vision and Language using Heat-Inspired Diffusion

基于热启发的扩散模型实现从视觉和语言的多机器人运动规划

Jebeom Chae, Junwoo Chang, Seungho Yeom, Yujin Kim, Jongeun Choi

机构 * Department of Artificial Intelligence, Yonsei University（燕山大学人工智能学院） ； School of Mechanical Engineering, Yonsei University（燕山大学机械工程学院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出LHD框架，结合CLIP语义先验与碰撞避免扩散核，实现语言条件化的多机器人无碰撞轨迹规划，在成功率上优于先前方法并降低延迟。

Comments 8 pages, 6 figures, accepted by IEEE Robotics and Automation Letters (RA-L)

Journal ref IEEE Robotics and Automation Letters, vol. 11, no. 6, pp. 7118-7125, June 2026

Diffusion Non-Additive Model for Multi-Fidelity Simulations with Tunable Precision

扩散非加性模型：用于可调精度多保真度模拟

Junoh Heo, Romain Boutelet, Wenjia Wang, Chih-Li Sung

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出扩散非加性（DNA）模型，利用高斯过程捕获非线性依赖并外推精确解，实现多保真度模拟的精度提升与不确定性量化。

Comments 35 pages including references and 27 pages supplementary

Every Nearby Energetic Pulsar Is Surrounded by a Region of Inhibited Diffusion

每个附近的高能脉冲星都被一个扩散抑制区域包围

Isabelle John, Tim Linden

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 H.E.S.S.观测到高达40 TeV的电子正电子能谱，与标准单区模型冲突；通过模拟本地脉冲星群，发现每个年轻高能脉冲星周围必须存在扩散抑制区域（如超新星遗迹、脉冲星风云或TeV晕），否则会过度产生观测通量。

Comments 7 pages, 4 figures, appendix adds 4 pages, 4 figures. Updated version matches version accepted by PRD

MeshFlow: Efficient Artistic Mesh Generation via MeshVAE and Flow-based Diffusion Transformer

MeshFlow: 通过MeshVAE和基于流的扩散Transformer实现高效艺术网格生成

Weiyu Li, Antoine Toisoul, Tom Monnier, Roman Shapovalov, Rakesh Ranjan, Ping Tan, Andrea Vedaldi

机构 * Meta AI ； Hong Kong University of Science and Technology（香港科技大学） 纠错

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

AI总结 提出MeshFlow方法，利用变分自编码器将网格拓扑和顶点坐标映射到连续潜空间，并结合修正流Transformer并行生成网格，相比自回归方法速度提升18倍且精度优异。

Comments CVPR2026 Highlight, Homepage: https://mesh-flow.github.io/, Code: https://github.com/facebookresearch/meshflow

Semantic Editing with Coupled Stochastic Differential Equations

耦合随机微分方程的语义编辑

Jianxin Zhang, Clayton Scott

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

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

AI总结 提出耦合随机微分方程（coupled SDEs）引导预训练生成模型的采样过程，无需重新训练即可实现高提示保真度和近像素级一致性的语义编辑。

Branching Flows: Discrete, Continuous, and Manifold Flow Matching with Splits and Deletions

分支流：带有分裂和删除的离散、连续和流形流匹配

Lukas Billera, Hedwig Nora Nordlinder, Jack Collier Ryder, Anton Oresten, Aron Stålmarck, Theodor Mosetti Björk, Ben Murrell

机构 * Department of Microbiology, Tumor and Cell Biology, Karolinska Institutet（卡罗林斯卡研究所微生物学、肿瘤和细胞生物学系） 纠错

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

AI总结 提出分支流框架，通过随机分支和死亡过程控制序列元素数量，适用于变长数据生成，并在小分子、抗体序列和蛋白质骨架生成中验证效果。

Comments 39 pages, 16 figures

RQUL-UIE: Revitalizing Quality-Unstable Labels for Underwater Image Enhancement via In-Dataset Self-Supervision

RQUL-UIE: 通过数据集内自监督重振质量不稳定标签用于水下图像增强

Haochen Hu, Yanrui Bin, Chih-yung Wen, Bing Wang

机构 * The Hong Kong Polytechnic University（香港理工大学） 纠错

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

AI总结 提出一种基于扩散模型的数据集内自监督学习策略，通过评估标签质量并量化噪声级别进行分步去噪监督，结合傅里叶细化网络，有效利用不稳定标签提升水下图像增强质量。

KGEdit: Ambiguity-Aware Knowledge Graphs for Training-Free Precise Video Generation and Editing

KGEdit: 面向无训练精确视频生成与编辑的歧义感知知识图谱

Mingshu Cai, Miao Zhang, Chenghe Yang, Yixuan Li, Osamu Yoshie, Yuya Ieiri

机构 * Waseda University, Japan（日本早稻田大学） ； College of Computer Engineering, Jimei University（集美大学计算机工程学院） ； Department of Language Science and Technology, The Hong Kong Polytechnic University（香港理工大学语言科学与技术系） ； College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院） 纠错

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

AI总结 提出KGEdit框架，通过构建歧义感知知识图谱和结构化语义注入模块，解决文本到视频扩散模型中的语义歧义、概念绑定错误和跨帧不一致问题，实现无需额外训练的精确视频生成与编辑。

Structural Energy Guidance for View-Consistent Text-to-3D Generation

基于结构能量的视图一致文本到3D生成

Qing Zhang, Jinguang Tong, Jing Zhang, Jie Hong, Xuesong Li

机构 * Australian National University（澳大利亚国立大学） ； CSIRO（澳大利亚国家科学委员会） ； The University of Hong Kong（香港大学） 纠错

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

AI总结 本文针对基于扩散模型的文本到3D生成中视图不一致问题，提出无需训练的SEGS框架，通过在U-Net特征的PCA子空间中构建结构能量并注入去噪过程，提升多视图一致性，实验表明有效降低Janus率并提升视图一致性评分。

Comments arXiv admin note: substantial text overlap with arXiv:2508.16917