图像生成

DICE: Diffusion Large Language Models Excel at Generating CUDA Kernels

DICE：扩散大语言模型在生成CUDA内核方面表现出色

Haolei Bai, Lingcheng Kong, Xueyi Chen, Jianmian Wang, Zhiqiang Tao, Huan Wang

机构 * Westlake University（西湖大学） ； Hong Kong University of Science and Technology（香港科技大学） ； Rochester Institute of Technology（罗切斯特理工学院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出CuKe数据集和BiC-RL训练框架，构建DICE系列扩散大语言模型（1.7B/4B/8B），在KernelBench上显著优于同类自回归和扩散模型，实现CUDA内核生成新SOTA。

Comments v2: Expanded with dLLM vs. autoregressive LLM comparisons, ablation studies, and qualitative case studies

Global Dynamics and Patterns of a Gray-Scott Model with Local-Nonlocal Diffusion

具有局部-非局部扩散的Gray-Scott模型的全局动力学与模式

Md Shah Alam

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 利用半群理论与对偶论证，证明了具有局部-非局部扩散的Gray-Scott模型全局解的存在性与有界性，并展示了局部与混合模型的模式。

Manifold GCN: Diffusion-based Convolutional Neural Network for Manifold-valued Graphs

Manifold GCN：基于扩散的流形值图卷积神经网络

Martin Hanik, Gabriele Steidl, Christoph von Tycowicz

机构 * BIFOLD—Berlin Institute for the Foundations of Learning and Data（柏林学习与数据基础研究院） ； Technical University Berlin（柏林技术大学） ； Zuse Institute Berlin（柏林泽尼茨研究所） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出两种适用于黎曼流形特征图的图神经网络层：基于流形值图扩散方程的扩散层和受向量神经元启发的切向多层感知器，两者在节点置换和流形等距下等变，在更广泛问题上优于任务特定网络。

Comments Extended ADNI experiment

Journal ref International Journal of Computer Vision, Volume 134, article number 315 (2026)

Existence of weak solutions for fast diffusion equation with a divergence type of drift term

带有散度型漂移项的快速扩散方程弱解的存在性

Sukjung Hwang, Kyungkeun Kang, Hwa Kil Kim

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 在漂移项满足可积性条件下，构造满足L^q能量不等式和Wasserstein空间速度估计的非负弱解；当漂移项无散时，可放宽条件，并应用于粘性Boussinesq系统。

Comments arXiv admin note: text overlap with arXiv:2306.08237

Journal ref Nonlinear Anal. Real World Appl. 93 (2027), Article 104685

Generative AI Enabled Robust Sensor Placement in Cyber-Physical Power Systems: A Graph Diffusion Approach

生成式AI赋能的信息物理电力系统鲁棒传感器布置：一种图扩散方法

Changyuan Zhao, Guangyuan Liu, Bin Xiang, Benoit Delinchant, Dong In Kim

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出一种基于图扩散的生成式AI框架，通过经验反馈图扩散算法优化传感器布置，同时提升物理层异常检测和网络层通信韧性，解决信息物理电力系统的NP-hard优化问题。

Comments 14 pages, 9 figures

SceneCompleter: Dense 3D Scene Completion for Generative Novel View Synthesis

SceneCompleter：面向生成式新视角合成的密集3D场景补全

Weiliang Chen, Jiayi Bi, Yuanhui Huang, Wenzhao Zheng, Yueqi Duan

机构 * Department of Electronic Engineering, Tsinghua University（电子工程系，清华大学） ； Department of Automation, Tsinghua University（自动化系，清华大学） 纠错

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

AI总结 提出SceneCompleter，通过几何-外观双流扩散模型在RGBD潜空间进行密集3D场景补全，并引入场景嵌入器整合全局信息，实现跨视角一致的生成式新视角合成。

Flux-Guard: Facial Identity Protection using diffusion models

Flux-Guard：使用扩散模型的面部身份保护

Jie Wang, Tao Wang, Ru Zhang, Jianyi Liu

机构 * School of Cyberspace Security, Beijing University of Posts and Telecommunications（北京邮电大学网络空间安全学院） ； Nanjing University of Aeronautics and Astronautics（南京航空航天大学） 纠错

专题命中 扩散模型 ：diffusion(title)；分类 cs.CV

AI总结 提出Flux-Guard框架，通过流轨迹控制和潜在空间对抗优化，在统一生成过程中实现面部编辑与隐私保护，有效提升对跨域人脸识别模型的攻击成功率。

A Diffusion Approximation for Temporal-Difference Learning with Linear Features under Markovian Noise

马尔可夫噪声下线性特征时序差分学习的扩散近似

M. Forzo, E. Monzio Compagnoni, A. Russo, A. Pacchiano

机构 * Technical University of Munich (TUM), Munich, Germany（慕尼黑技术大学） ； University of Basel, Basel, Switzerland（巴塞尔大学） ； Boston University, Boston, USA（波士顿大学） 纠错

专题命中 扩散模型 ：diffusion(title)

AI总结 针对线性TD(0)在马尔可夫噪声下的随机波动，提出随机微分方程近似模型，揭示投影Bellman算子收缩动力学与马尔可夫采样影响的区别，解释常数步长误差下限。

A note on the $\mathcal{W}_2$-convergence rate of the empirical measure of an ergodic $\mathbb{R}^d$-valued diffusion

关于遍历 $\mathbb{R}^d$ 值扩散过程经验测度的 $\mathcal{W}_2$ 收敛速率的一个注记

Jean-Francois Chassagneux, Gilles Pagès

专题命中 扩散模型 ：diffusion(title)

AI总结 在强汇合和Lipschitz连续系数假设下，研究遍历扩散过程经验测度在Wasserstein距离下的均方和几乎必然收敛速率。

Comments This is a companion paper to arXiv preprint arXiv:2406.13370

ANEForge: Python for direct computation on the Apple Neural Engine

ANEForge: 用于直接在Apple Neural Engine上进行计算的Python工具

Spencer H. Bryngelson

机构 * School of Computational Science \& Engineering, Georgia Institute of Technology, Atlanta, GA 30332, USA -0.35cm ； Daniel Guggenheim School of Aerospace Engineering, Georgia Institute of Technology, Atlanta, GA 30332, USA -0.35cm ； George W. Woodruff School of Mechanical Engineering, Georgia Institute of Technology, Atlanta, GA 30332, USA 纠错

专题命中 扩散模型 ：diffusion(abstract,abstract_cn)

AI总结 ANEForge是一个Python包，通过编译惰性张量图直接编程Apple Neural Engine，无需CoreML，支持推理和训练，性能接近引擎硬件极限。

Comments 8 pages

MOCHI: Motion Enhancement of Collaborative Human-object Interactions

MOCHI: 协作人-物交互的运动增强

Jiye Lee, Yonghun Choi, Jungdam Won

机构 * Department of Computer Science and Engineering（计算机科学与工程系） ； Seoul National University（首尔国立大学） 纠错

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

AI总结 针对多人-物交互数据中手物接触错位、运动抖动和手指细节缺失等问题，提出两阶段框架MOCHI，先通过优化生成物理合理的手部抓取，再基于扩散模型优化全身运动，有效增强噪声数据。

Comments SIGGRAPH 2026 Journal (ACM TOG); Project page: https://jiyewise.github.io/projects/MOCHI/

Test-Time Training for Robust Text-Guided Open-Vocabulary Object Counting

测试时训练用于鲁棒文本引导的开放词汇目标计数

Hao-Yuan Ma, Yuda Zou, Li Zhang, Yongchao Xu

机构 * School of Computer Science and Technology, Soochow University（苏州大学计算机科学与技术学院） ； Wuhan University（武汉大学） 纠错

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

AI总结 提出Dual-TTT框架，通过测试时训练轻量去噪模块，提升文本引导开放词汇目标计数在恶劣条件下的鲁棒性，无需修改原模型架构。

Root-Selecting Fixed-Point Inversion for Rectified Flows via Trajectory Straightness

基于轨迹直线度的整流流根选择不动点反演

Semin Kim, Jihwan Yoon, Seunghoon Hong

机构 * KAIST（韩国科学技术院） 纠错

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

AI总结 提出SelFix方法，通过选择使逆轨迹更直的不动点解，在整流流中实现精确反演，提升图像重建和编辑质量。

Where Should Action Generation Begin? A Learnable Source Prior for Generative Robot Policies

动作生成应从何处开始？面向生成式机器人策略的可学习源先验

Meipo Dai, Qiyuan Zhuang, He-Yang Xu, Ying-Jie Shuai, Yijun Wang, Qi Dou, Xiu-Shen Wei

机构 * Southeast University（东南大学） ； The Chinese University of Hong Kong（香港中文大学） 纠错

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

AI总结 提出LeaP，用轻量MLP预测基于本体感知的对角高斯分布作为动作生成源先验，替代标准高斯分布，在15个RoboTwin任务中平均成功率81.6%，优于基线方法6.5-25.5个百分点。

MeiBRD: Meta-Learning Intraoperative Biomechanical Residual Deformation

MeiBRD：元学习术中生物力学残余变形

Casey Meisenzahl, Jon Heiselman, Michael Holtz, Yubo Ye, Michael Miga, Linwei Wang

机构 * Rochester Institute of Technology（罗切斯特理工学院） ； Vanderbilt University（范德堡大学） 纠错

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

AI总结 提出混合配准框架，利用稀疏术中对应点自适应生物力学先验，通过图神经扩散函数学习残余变形，结合元学习从术中样本中快速适应，在肝脏体模上优于现有方法。

SierpinskiCam: Camera-Controlled Video Retaking with Sierpinski Triangle Pattern Cues

SierpinskiCam: 基于谢尔宾斯基三角形图案线索的相机控制视频重拍

Suttisak Wizadwongsa, Hyelin Nam, Supasorn Suwajanakorn, Jeong Joon Park

机构 * University of Michigan, Ann Arbor（密歇根大学安娜堡分校） ； VISTEC, Thailand（泰国威斯泰克科学技术研究院） 纠错

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

AI总结 提出SierpinskiCam方法，通过谢尔宾斯基圆顶纹理线索增强几何引导，并引入参考视频条件机制，解决单目视频重拍中相机大角度偏离时的稀疏区域问题，提升相机可控性、几何一致性和视频质量。

Comments 20 pages, 13 figures

Principled RL for Flow Matching Emerges from the Chunk-level Policy Optimization

基于流匹配的原理化强化学习从片段级策略优化中涌现

Yifu Luo, Haoyuan Sun, Xinhao Hu, Penghui Du, Keyu Fan, Bo Li, Sinan Du, Xu Wan, Zhiyu Chen, Bo Xia, Yongzhe Chang, Changqian Yu, Kun Gai, Tiantian Zhang, Xueqian Wang

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

AI总结 本文提出了一种基于片段级策略优化的流匹配强化学习方法GCPO，通过将连续步骤聚合为相干片段并改变策略优化层级，有效缓解了优势归因不准确的问题，实验表明其在文本到图像生成任务中表现优于现有方法。

Comments ICML 2026

SPATIA: Multimodal Generation and Prediction of Spatial Cell Phenotypes

SPATIA: 空间细胞表型的多模态生成与预测

Zhenglun Kong, Mufan Qiu, John Boesen, Xiang Lin, Sukwon Yun, Tianlong Chen, Manolis Kellis, Marinka Zitnik

机构 * Department of Biomedical Informatics, Harvard Medical School（哈佛医学学校生物医学信息学系） ； Department of Computer Science, University of North Carolina（北卡罗来纳大学计算机科学系） ； Department of Computer Science, Massachusetts Institute of Technology（麻省理工学院计算机科学系） 纠错

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

AI总结 提出SPATIA模型，融合细胞形态、基因表达和空间上下文，通过置信感知流匹配和形态-谱对齐实现多尺度生成与预测，在12项任务中优于18个基线模型。

Comments ICML 2026

FlowLet: Conditional 3D Brain MRI Synthesis using Wavelet Flow Matching

FlowLet: 基于小波流匹配的条件性3D脑MRI合成

Danilo Danese, Angela Lombardi, Matteo Attimonelli, Giuseppe Fasano, Tommaso Di Noia

机构 * Politecnico di Bari（巴里理工学院） ； Sapienza University of Rome（罗马萨皮恩扎大学） 纠错

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

AI总结 提出FlowLet框架，利用可逆3D小波域中的流匹配生成年龄条件化的3D脑MRI，避免重建伪影并降低计算需求，实验证明其生成高保真体积且提升脑年龄预测模型对低代表性年龄组的性能。

Comments Accepted at Medical Image Analysis (Elsevier)

4DSloMo: 4D Reconstruction for High Speed Scene with Asynchronous Capture

4DSloMo: 基于异步捕获的高速场景4D重建

Yutian Chen, Shi Guo, Tianshuo Yang, Lihe Ding, Xiuyuan Yu, Jinwei Gu, Tianfan Xue

机构 * Shanghai AI Laboratory（上海人工智能实验室） ； The Chinese University of Hong Kong（香港中文大学） ； The University of Hong Kong（香港大学） ； NVIDIA 纠错

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

AI总结 提出一种仅使用低帧率相机的高速4D捕获系统，通过异步捕获方案将等效帧率提升至100-200 FPS，并利用视频扩散模型修复稀疏视图伪影，实现高质量高速4D重建。

Comments Webpage: https://openimaginglab.github.io/4DSloMo/

Geometrical fairness in graph neural networks

图神经网络中的几何公平性

Arturo Pérez-Peralta, Sandra Benítez-Peña, Blas Kolic, Rosa E. Lillo

机构 * Department of Statistics, University Carlos III of Madrid, Spain（马德里卡斯蒂利亚-拉曼恰大学统计系） ； uc3m-Santander Big Data Institute（uc3m-桑坦德大数据研究所） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 针对图神经网络中公平性问题，通过修改拉普拉斯算子引入多种互补变换（子空间投影、频谱调整、频率滤波）来缓解偏差，理论分析并实验验证了公平性提升与竞争性能。

Comments 32 pages, 21 tables, 6 figures

Volterra Generative Models

Volterra生成模型

Yusen Jia, Bingyan Han

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出Volterra生成模型，通过分数阶核引入路径依赖噪声，利用马尔可夫提升和残差状态学习，解决非马尔可夫动力学下的扩散生成问题，在MNIST和CIFAR-10上验证有效性。

Comments 36 pages

Perron--Frobenius Operator Matching for Generative Modeling

Perron--Frobenius算子匹配用于生成建模

Shiqi Zhang, Wuwei Wu, Jaemin Oh, Jie Chen, Xiaoning Qian

机构 * Texas A&M University（德克萨斯农工大学） ； City University of Hong Kong（香港城市大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出Perron-Frobenius算子匹配（PFOM）生成框架，通过积分PF算子匹配密度演化，统一流、扩散和跳跃模型，并证明KL散度在Bregman散度中唯一保持密度级与样本条件目标等价，开发Nesterov加速训练和采样方法。

Informative Missingness to Generate Irregular Clinical Time Series

信息性缺失生成不规则临床时间序列

Hadi Mehdizavareh, Gabriele Santangelo, Giovanna Nicora, Simon Lebech Cichosz, Arianna Dagliati, Arijit Khan, Riccardo Bellazzi

机构 * Aalborg University（奥尔堡大学） ； University of Pavia（帕维亚大学） ； Bowling Green State University（博林格林州立大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出基于扩散的临床时间序列生成方法，联合建模实验室值和观察模式，在DACMI基准上验证，能捕获生理与检测行为间的临床依赖。

Finsler Geometry, Graph Neural Networks, and You

芬斯勒几何、图神经网络与你

T. Mitchell Roddenberry, Richard G. Baraniuk

机构 * Rice University（莱斯大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 针对图拉普拉斯只能近似各向同性算子的局限，提出基于芬斯勒拉普拉斯的图神经网络层，证明其收敛性并恢复非线性扩散方程的几何结构。

A minimizing-movement framework for geometric gradient flows with admissible tangential motion

具有容许切向运动的几何梯度流的极小化移动框架

Xiaoxiao Liu, Quan Zhao

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出一个极小化移动框架用于参数有限元逼近几何梯度流，通过弱约束选择切向速度，保持恒等映射作为比较函数，恢复经典BGN和MDR格式，并引入两个新变体，证明存在唯一性和无条件能量稳定性。

Global relaxation limit for the one-fluid Euler-Poisson system with large smooth data

大光滑数据下单流体Euler-Poisson系统的全局松弛极限

Yue-Jun Peng, Ling-Yun Shou, Jiang Xu

专题命中 扩散模型 ：diffusion(abstract)

AI总结 通过松弛耗散机制，在初始密度远离真空且初始能量与松弛时间乘积充分小的条件下，建立了单流体Euler-Poisson系统在R^d (1≤d≤5)中大数据全局光滑解的存在性，并给出了与极限漂移-扩散系统之间的定量误差估计。

Comments 32 pages

Absence of critical mass phenomena in one-dimensional critical quasilinear Keller-Segel systems

一维临界拟线性Keller-Segel系统中无临界质量现象

Xinru Cao, Mario Fuest

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究一维临界拟线性Keller-Segel系统，证明当m≤-1时无临界质量现象，所有解全局有界；对抛物-椭圆简化情形，结论适用于更广的m范围。

Comments 20 pages

Full $Γ-$expansion for the level-two large deviation rate functionals of non-reversible one-dimensional diffusions with periodic boundary conditions

非可逆一维周期边界扩散的二级大偏差率泛函的完整Γ展开

Claudio Landim, Christian Maura

专题命中 扩散模型 ：diffusion(abstract)

AI总结 针对一维环面上非可逆扩散过程，在温度趋于零时，将其二级大偏差率泛函展开为与亚稳态时间尺度相关的Γ级数，得到各阶率泛函。

Time integration as filtering: a space-time discretization-aware LES formulation

时间积分作为滤波：一种时空离散感知的大涡模拟公式

Syver Døving Agdestein

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出一种时空离散感知的大涡模拟公式，通过将前向欧拉时间差分视为单边顶帽滤波，推导出包含时间项的通量分解，并利用Lax-Wendroff型扩散修正提高粗时间步下的精度。

Comments 6 pages, 2 figures, submitted to DLES 15 proceedings