图像生成

Rethinking Text-to-Image as Semantic-Aware Data Augmentation for Indoor Scene Recognition

重新思考文本到图像作为室内场景识别的语义感知数据增强

Trong-Vu Hoang, Quang-Binh Nguyen, Dinh-Khoi Vo, Hoai-Danh Vo, Minh-Triet Tran, Trung-Nghia Le

机构 * University of Science, VNU-HCM, Vietnam（越南国立大学胡志明市理科大学） ； Vietnam National University, Ho Chi Minh City, Vietnam（越南国立大学胡志明市分校） 纠错

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

AI总结 针对室内图像数据不足，提出利用稳定扩散生成合成图像进行数据增强，并通过扩散重建误差防止滥用，在MIT室内场景数据集上验证了有效性。

Comments MAPR 2024

BindEdit: Taming Attention Leakage for Precise Multi-Object Image Editing

BindEdit: 驯服注意力泄漏以实现精确的多目标图像编辑

Chaewon Park, Soyoon Lee, Naeun Lee, Minjung Shin, Seogkyu Jeon, Kibeom Hong

机构 * Sookmyung Women’s University（成均女性大学） ； Yonsei University（延世大学） ； Samsung Research（三星研究院） 纠错

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

AI总结 针对多目标图像编辑中的语义混合和对象重复问题，提出BindEdit方法，通过联合正则化交叉注意力和自注意力、交叉注意力重平衡机制及区域保真项，在单次扩散轨迹内抑制注意力泄漏，实现精确编辑。

Comments Preprint

ProductConsistency: Improving Product Identity Preservation in Instruction-Based Image Editing via SFT and RL

ProductConsistency：通过SFT和RL改进基于指令的图像编辑中的产品身份保持

Mukund Khanna, Raj Singh Yadav, Kunal Singh

机构 * Fractal Analytics 纠错

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

AI总结 针对基于指令的图像编辑中产品特征保持不足的问题，提出ProductConsistency数据集和循环一致性奖励，结合监督微调与强化学习，显著提升产品一致性、文本渲染和视觉质量。

Comments CVPR HiGen 2026

Diffusion-Proof: Recipe for Formal Theorem Proving Beyond Auto-Regressive Generation

Diffusion-Proof：超越自回归生成的正式定理证明配方

Ruida Wang, Rui Pan, Pengcheng Wang, Shizhe Diao, Tong Zhang

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； NVIDIA（英伟达） 纠错

专题命中 扩散模型 ：diffusion(title,title_cn)

AI总结 提出Diffusion-Proof框架，首次将扩散语言模型应用于形式定理证明，通过全证明生成和局部校正方法，在ProofNet和MiniF2F上分别提升1.61%和6.14%，并解决了一个DeepSeek-Prover-V2-7B无法解决的IMO问题。

Adv-TGD: Adversarial Text-Guided Diffusion for Face Recognition Impersonation Attacks

Adv-TGD：面向人脸识别冒充攻击的对抗性文本引导扩散

Omid Ahmadieh, Nima Karimian

机构 * University of South Florida, Bellini College of Artificial Intelligence, Cybersecurity and Computing（南佛罗里达大学贝利尼人工智能、网络安全与计算学院） 纠错

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

AI总结 提出Adv-TGD框架，利用Stable Diffusion和LoRA微调生成逼真对抗人脸，在保持视觉质量的同时实现高成功率身份冒充攻击，平均ASR达85.90%。

Forged Calamity: Benchmark for Cross-Domain Synthetic Disaster Detection in the Age of Diffusion

伪造灾难：扩散时代跨域合成灾难检测基准

Duc-Manh Phan, Quoc-Duy Tran, Duy-Khang Do, Anh-Tuan Vo, Hai-Dang Nguyen, Trong Le Do, Mai-Khiem Tran, Vinh-Tiep Nguyen, Tam V. Nguyen, Isao Echizen, Minh-Triet Tran, Trung-Nghia Le

机构 * University of Science, VNU-HCM（胡志明市国家大学下属理科大学） ； Vietnam National University, Ho Chi Minh（胡志明市国家大学） ； University of Information Technology, VNU-HCM（胡志明市国家大学下属信息技术大学） ； University of Dayton（代顿大学） ； National Institute of Informatics（国立信息学研究所） 纠错

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

AI总结 针对扩散模型生成的逼真灾难图像难以检测的问题，提出包含30000张图像（6000张真实、24000张合成）的基准数据集，实验发现微调检测器在未知生成器上准确率下降50%，零样本检测器也不稳定，凸显了跨域检测的迫切需求。

Comments SOICT 2025

The Market in the Model: Latent Diffusion as Neural Economy

模型中的市场：潜在扩散作为神经经济

Eryk Salvaggio

机构 * Cambridge Digital Humanities（剑桥数字人文研究中心） ； University of Cambridge（剑桥大学） ； Machine Visual Culture Research Group（机器视觉文化研究组） ； Max Planck Institute（马克斯·普朗克研究所） 纠错

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

AI总结 本文从计算机视觉工程问题出发，分析潜在扩散模型的机制，论证其作为神经经济运作，将社会交流抽象为可通约向量，并警示仅关注版权与商品防御的批评可能强化模型产生的拜物教。

Audio-to-Audio via Diffusion Warm Initialization

通过扩散热初始化实现音频到音频的转换

Cristóbal Andrade, Sebastian J. Schlecht

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出扩散热初始化方法，用于音色迁移、MIDI到真实合成及音频增强等任务，通过选择合适初始化时间$t_\ ext{init}$，单个预训练扩散模型即可支持多种转换目标，无需任务特定训练。

Structural MRI Synthesis for Alzheimer's Disease via Conditional Diffusion on Anatomical Masks

基于解剖掩膜条件扩散的阿尔茨海默病结构MRI合成

Muge Zhang, Muhammad Ali Khaliq, Jamal Alsakran, Byeong Kil Lee, Jeeho Ryoo

机构 * Fairleigh Dickinson University（Fairleigh Dickinson大学） ； University of Colorado at Colorado Springs（科罗拉多州立大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对阿尔茨海默病结构MRI合成中细微解剖变化难以捕捉的问题，本文扩展Med-DDPM条件扩散模型，以解剖分割掩膜为条件生成3D结构MRI，实验表明合成数据训练的模型Dice分数与真实数据相当，混合数据训练则显著提升性能。

Journal ref 2025 IEEE 8th International Conference on Multimedia Information Processing and Retrieval (MIPR)

DreamReasoner-8B: Block-Size Curriculum Learning for Diffusion Reasoning Models

DreamReasoner-8B：面向扩散推理模型的块大小课程学习

Zirui Wu, Lin Zheng, Jiacheng Ye, Shansan Gong, Xueliang Zhao, Yansong Feng, Wei Bi, Lingpeng Kong

机构 * The University of Hong Kong（香港大学） ； Peking University（北京大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出块大小课程学习，通过从细粒度到粗粒度的渐进训练，解决块扩散语言模型在长链推理中性能差距问题，DreamReasoner-8B在数学和代码推理上达到与Qwen3-8B相当的水平。

AGDN: Learning to Solve Traveling Salesman Problem with Anisotropic Graph Diffusion Network

AGDN：利用各向异性图扩散网络学习求解旅行商问题

Bolin Shen, Ziwei Huang, Zhiguang Cao, Yushun Dong

机构 * Florida State University（佛罗里达州立大学） ； Singapore Management University（新加坡管理学院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出各向异性图扩散网络（AGDN），通过MixScore转移矩阵和各向异性扩散策略，有效利用图结构信息求解旅行商问题，在多种实例规模和分布上优于现有方法。

Comments Accepted at the 32nd ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD 2026)

Pulse: Training Acceleration for Large Diffusion Models with Automatic Pipeline Parallelism

Pulse: 面向大规模扩散模型的自动流水线并行训练加速

Boran Sun, Guoyong Jiang, Lin Zhang, Chen Chen, Yuechen Tao, Zhishu Che, Jieling Yu, Shan Chang, Huaxi Gu, Fangming Liu, Bo Li

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出PULSE自动流水线并行策略，通过将跳跃连接层同设备放置、局部缓存激活值，消除跨流水线通信，结合动态规划分区器、ILP调度合成器和混合并行调优器，在通信受限硬件上实现最高2.3倍吞吐提升。

Comments Accepted by International Conference on Distributed Computing Systems(ICDCS'26)

Sumi: Open Uniform Diffusion Language Model from Scratch

Sumi: 从头训练的开放均匀扩散语言模型

Mengyu Ye, Keito Kudo, Wataru Ikeda, Ryosuke Matsuda, Keisuke Sakaguchi, Jun Suzuki

机构 * Tohoku University（东北大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出Sumi，一个从零开始预训练的70亿参数均匀扩散语言模型，在1.5T tokens上训练，性能与同规模自回归模型相当，并开源所有资源。

Enhanced Graph Neural Networks using K-Hop Gaussian Diffusion

使用K跳高斯扩散增强图神经网络

Xuling Zhang, Peng Wang, Daiyan Li, Aoran Huang, Zeiwei Chen, Yongkui Yang

机构 * Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究院） ； Southern University of Science and Technology（南方科技大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出K跳高斯扩散核作为预处理模块，通过多跳扩散和高斯权重平衡局部与全局信息，在噪声或结构复杂图中优于传统消息传递和现有扩散方法。

Comments 5page, 3 figures

Quasi-Monte Carlo finite element approximation for singularly perturbed convection-diffusion problems with random velocity

随机速度奇异摄动对流扩散问题的拟蒙特卡罗有限元逼近

Seungchan Ko, Guanglian Li, Yi Yu

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对随机速度场驱动的奇异摄动对流扩散问题，提出结合有限元离散、截断Karhunen–Loève展开和格点拟蒙特卡罗方法的数值框架，证明均方误差界和与维数无关的近线性最优收敛率，且收敛率不依赖于奇异摄动参数。

DiPOD: Diffusion Policy Optimization without Drifting Apart

无漂移扩散策略优化

Haozhe Jiang, Haiwen Feng, Pieter Abbeel, Jiantao Jiao, Angjoo Kanazawa, Nika Haghtalab

机构 * University of California, Berkeley（加州大学伯克利分校） ； Simons Institute for the Theory of Computing（西蒙斯计算理论研究所） ； Department of Electrical Engineering and Computer Sciences, University of California, Berkeley（加州大学伯克利分校电气工程与计算机科学系） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对扩散策略梯度方法的不稳定性，提出DiPOD框架，通过自蒸馏与策略改进梯度更新交替进行，维持紧界行为，实现稳定且高效的策略优化。

Comments Project page: astro-eric.github.io/blogs/dipod/ Code: https://github.com/Astro-Eric/DiPOD-release

A Measure-Valued Obstacle Problem for an Obliquely Reflected Diffusion with a Max-Type Payoff

具有最大值型收益的斜反射扩散的测度值障碍问题

Louis Shuo Wang, Jiguang Yu, Ye Liang

专题命中 扩散模型 ：diffusion(title)

AI总结 针对非负象限中具有非光滑最大值型收益的斜反射最优停止问题，提出测度值势论形式的障碍问题公式，推导反射Itô-Tanaka恒等式，并证明验证定理。

SpectralDiT: Timestep-Conditioned Spectral Residual Correction for Flow-Matching DiTs

SpectralDiT：流匹配DiT的时间步条件谱残差校正

Jiayu Tian

机构 * Peking University（北京大学） 纠错

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

AI总结 提出SpectralDiT，通过时间步条件谱残差校正模块，在CIFAR-10和ImageNet-100上以极少额外计算和参数提升流匹配DiT的生成质量，FID分别降低5.1%和8.7%。

Learning to Distort: Weakly-Supervised Image Quality Transfer for Prostate DWI Correction

学习扭曲：用于前列腺DWI校正的弱监督图像质量迁移

YuCheng Tang, Wen Yan, Alexander Ng, Natasha Thorley, Pawel Rajwa, Yipei Wang, Aqua Asif, Clare Allen, Louise Dickinson, Francesco Giganti, David Atkinson, Shonit Punwani, Daniel Alexander, Shaheer Ullah Saeed, Veeru Kasivisvanathan, Yipeng Hu

机构 * UCL Hawkes Institute（UCL哈维斯研究所） ； Department of Medical Physics and Biomedical Engineering（医学物理与生物医学工程系） ； University College London（伦敦大学学院） ； Division of Surgery and Interventional Science（外科与介入科学分会） ； Centre for Medical Imaging（医学成像中心） ； British Urology Researchers in Surgical Training (BURST)（英国泌尿外科手术培训研究人员（BURST）） ； Department of Radiology（放射科） ； University College London Hospitals NHS Foundation Trust（伦敦大学学院医院国家健康服务信托基金） ； Centre for Medical Image Computing（医学图像计算中心） ； Department of Computer Science（计算机科学系） ； Department of Urology（泌尿科） 纠错

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

AI总结 提出弱监督图像质量迁移框架，利用图像质量评估信号从无失真图像学习生成真实失真，并训练校正模型，在PI-RADS和Gleason评分分类任务中优于现有无配对方法。

CineOrchestra: Unified Entity-Centric Conditioning for Cinematic Video Generation

CineOrchestra：面向电影视频生成的统一实体中心条件控制

Sharath Girish, Tsai-Shien Chen, Zhikang Dong, Mukesh Singhal, Hao Chen, Sergey Tulyakov, Aliaksandr Siarohin

机构 * Snap Inc.（Snap公司） ； UC Merced（加州大学默塞德分校） 纠错

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

AI总结 提出CineOrchestra，一种统一控制主体、事件、相机和镜头切换的视频扩散模型，通过实体中心条件原语和参数无关的旋转位置编码实现多轴联合控制，在密集描述跟随和镜头切换时序上超越六种专用方法。

Comments Project page: https://snap-research.github.io/CineOrchestra

MoVerse: Real-Time Video World Modeling with Panoramic Gaussian Scaffold

MoVerse: 基于全景高斯支架的实时视频世界建模

Yang Zhou, Ziheng Wang, Yuqin Lu, Haofeng Liu, Jun Liang, Shengfeng He, Jing Li

机构 * South China University of Technology ； Columbia University ； Orange Team, Youku Moku-Lab, HUJING Digital Media \& Entertainment Group ； Singapore Management University 纠错

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

AI总结 提出MoVerse，从单张窄视场图像实时构建可交互漫游的360度全景世界，通过拓扑感知扩散补全视场、全景几何残差预测生成3D高斯支架，并结合双向扩散教师蒸馏为因果自回归学生实现低延迟视频渲染。

Comments Project Page: https://orange-3dv-team.github.io/MoVerse/

Geometric and Stochastic Analysis of Discontinuities in Sparse Mixture-of-Experts

稀疏混合专家模型中不连续性的几何与随机分析

Tho Tran Huu, Huu-Tuan Nguyen, Thien-Hai Nguyen, Nhat-Tri Ho, Viet-Hoang Tran, Tho Quan, Tan Minh Nguyen

机构 * Department of Mathematics, National University of Singapore, Singapore（新加坡国立大学数学系） ； Faculty of Computer Science and Engineering, Ho Chi Minh City University of Technology (HCMUT), VNU-HCM, Ho Chi Minh City, Vietnam（胡志明市技术大学计算机科学与工程学院） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文对稀疏混合专家模型中的不连续性进行几何与随机分析，分类不连续阶数，建立渐近体积估计，证明随机路径几乎必然击中一阶不连续，并提出低开销平滑机制以提升性能。

Comments ICML 2026 Spotlight. arXiv admin note: text overlap with arXiv:2510.17794 by other authors

Spotlight: Synergizing Seed Exploration and Spot GPUs for DiT RL Post-Training

Spotlight: 协同种子探索与抢占式GPU用于DiT强化学习后训练

Ruiqi Lai, Dakai An, Wei Gao, Ju Huang, Siran Yang, Jiamang Wang, Lin Qu, Dmitrii Ustiugov, Wei Wang

机构 * NTU Singapore（南洋理工大学） ； Hong Kong University of Science and Technology（香港科技大学） ； Alibaba Group（阿里巴巴集团） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 针对DiT强化学习后训练成本高的问题，提出Spotlight系统，通过利用探索对旧权重的容忍性和SP组快速重配置，在抢占式GPU上实现高效训练，加速4倍并降低成本1.4-6.4倍。

Generative-Model Predictive Planning for Navigation in Partially Observable Environments

部分可观测环境下导航的生成模型预测规划

Thomas Quilter, Yifan Zhu, Guorui Quan, Mingfei Sun, Samuel Kaski

机构 * University of Manchester（曼彻斯特大学） ； Aalto University（阿尔托大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出BeliefDiffusion框架，结合扩散模型和模型预测控制，显式建模多模态信念分布并进行前瞻规划，在合成地图环境中显著优于无模型强化学习和生成方法。

Image Prompt Reconstruction Attacks on Distributed MLLM Inference Frameworks

分布式多模态大模型推理框架上的图像提示重建攻击

Xinjian Luo, Hongyan Chang, Jianxin Wei, Yuncheng Wu, Xiaofeng Gao, Meikang Qiu, Ting Yu, Xue Liu

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究分布式MLLM推理中中间嵌入泄露图像提示的风险，提出两种被动黑盒攻击方法MPAA和IEDA，实现像素级和语义级图像重建。

Ghost Attractor Networks: Basin-Structured Dynamical Decoders for Closed-Loop Sequential Generation

鬼吸引子网络：用于闭环序列生成的盆地结构动力学解码器

Tianyu Wang, Ying Wang, Zhihao Liu, Xi Vincent Wang, Lihui Wang

机构 * KTH Royal Institute of Technology（瑞典皇家理工学院） ； Department of Production Engineering, KTH Royal Institute of Technology（瑞典皇家理工学院生产工程系） ； Department of Decision and Control Systems, KTH Royal Institute of Technology（瑞典皇家理工学院决策与控制系统系） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出鬼吸引子网络，一种理论推导的动力学解码器，通过构建盆地-吸引子结构实现高效闭环序列生成，在机器人动作解码任务中以2.3M参数匹配1.07B参数扩散变压器的离线精度，延迟降低32倍。

Simulating Hate Speech Cascades with Multi-LLM Agents: Empirical Grounding, Modeling Fidelity, and Intervention Strategies

使用多LLM智能体模拟仇恨言论级联：实证基础、建模保真度与干预策略

Fan Huang

机构 * Indiana University Bloomington（印第安纳大学布卢明顿分校） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本研究通过多LLM智能体系统模拟在线仇恨言论传播，发现其能再现实证数据中的立场单一性和毒性同质性，并通过消融实验识别出智能体异质性为关键保真因素，提出针对密集网络的放大器干预策略。

Random-matrix reduction in projective quantum mechanics: Numerical simulations

投影量子力学中的随机矩阵约化：数值模拟

Alexey A. Kryukov

专题命中 扩散模型 ：diffusion(abstract)

AI总结 通过数值模拟验证随机矩阵态约化框架，展示各向同性扩散、Born规则频率和宏观牛顿运动等特征，并比较GUE与GOE哈密顿量。

Random-matrix reduction in projective quantum mechanics

投影量子力学中的随机矩阵约化

Alexey A. Kryukov

专题命中 扩散模型 ：diffusion(abstract)

AI总结 基于一个动力学猜想，建立测量、经典性和量子悖论的状态空间几何框架，其中随机矩阵动力学产生玻恩规则和经典行为。

Emergence of Resonating Valence-Bond Correlations in Stretched Graphene

拉伸石墨烯中共振价键关联的出现

Sam Azadi, A. Principi, T. D. Kühne, M. S. Bahramy

专题命中 扩散模型 ：diffusion(abstract)

AI总结 通过量子蒙特卡洛方法研究拉伸石墨烯，发现共振价键态能量优势随拉伸先增后减，揭示电子关联的非单调演化，表明晶格膨胀可驱动石墨烯进入强关联区域。