图像生成

S2D2: Fast Decoding for Diffusion LLMs via Training-Free Self-Speculation

S2D2：通过免训练自我推测实现扩散LLM的快速解码

Ligong Han, Hao Wang, Han Gao, Kai Xu, Akash Srivastava

机构 * Red Hat AI Innovation（红帽AI创新） ； MIT-IBM Watson AI Lab（MIT-IBM沃森人工智能实验室） ； Iowa State University（爱荷华州立大学） ； Core AI, IBM（IBM核心AI） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出S2D2，一种免训练的自我推测解码框架，通过将块扩散模型在块大小为1时变为自回归模型，实现草稿与验证角色复用，在不增加训练或测试计算下提升解码速度与准确性。

Comments Code is available at https://github.com/phymhan/S2D2

Time-Reversed BSDEs for Accurate Gradient Estimation in Diffusion Models

时间反向BSDE用于扩散模型中的精确梯度估计

Yuhang Mei, Amirhossein Taghvaei

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对扩散模型微调中梯度估计不稳定问题，提出基于时间反向BSDE的自适应伴随过程，降低方差并提高稳定性。

Comments 10 pages, 3 figures

Conditional Diffusion Guidance under Hard Constraint: A Stochastic Analysis Approach

硬约束下的条件扩散引导：一种随机分析方法

Zhengyi Guo, Wenpin Tang, Renyuan Xu

机构 * Department of Industrial Engineering and Operations Research, Columbia University（哥伦比亚大学工业工程与运营管理系） ； Department of Management Science and Engineering, Stanford University（斯坦福大学管理科学与工程系） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出基于Doob h-变换和鞅表示的条件扩散引导框架，通过鞅损失和鞅协方差损失学习条件函数梯度，确保硬约束满足并给出非渐近保证。

Policy-Embedded Graph Expansion: Networked HIV Testing with Diffusion-Driven Network Samples

策略嵌入图扩展：基于扩散驱动网络样本的网络化HIV检测

Akseli Kangaslahti, Davin Choo, Lingkai Kong, Milind Tambe, Alastair van Heerden, Cheryl Johnson

机构 * Harvard University（哈佛大学） ； University of Witwatersrand（沃特瓦特斯兰大学） ； Wits Health Consortium（沃茨健康联盟） ； World Health Organization（世界卫生组织） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出策略嵌入图扩展（PEGE）框架，将图扩展的生成分布直接嵌入决策策略，结合基于扩散的图扩展模型DDB，在真实HIV传播网络上实现优于基线17.3%的折扣奖励和15.4%的检测提升。

Text2Structure3D: Graph-Based Generative Modeling of Equilibrium Structures with Diffusion Transformers

Text2Structure3D: 基于扩散变换器的图生成建模平衡结构

Lazlo Bleker, Zifeng Guo, Kaleb E. Smith, Kam-Ming Mark Tam, Karla Saldaña Ochoa, Pierluigi D'Acunto

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出Text2Structure3D，结合潜在扩散、变分图自编码器和图变换器，从自然语言提示生成接近平衡状态的结构图，并通过残余力优化确保完全满足静力平衡。

Journal ref Results in Engineering 31 (2026) 111375

Fully mixed virtual element schemes for a new model of steady-state poroelastic stress-assisted diffusion in the brain

脑稳态孔隙弹性应力辅助扩散新模型的完全混合虚拟元方案

Isaac Bermudez, Bryan Gomez-Vargas, Kent-Andre Mardal, Andres E. Rubiano, Ricardo Ruiz-Baier

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出完全混合虚拟元法求解线性孔隙弹性与应力依赖非线性扩散的耦合问题，通过解耦不动点策略证明解存在性，并建立先验误差估计，数值实验验证了最优收敛性和参数鲁棒性。

Graph Diffusion-Based AeBS Deployment and Resource Allocation in RSMA-Enabled URLLC Low-Altitude Wireless Networks

基于图扩散的RSMA使能URLLC低空无线网络中AeBS部署与资源分配

Xudong Wang, Lei Feng, Jiacheng Wang, Hongyang Du, Changyuan Zhao, Wenjing Li, Ping Zhang

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对低空无线网络中频谱受限和同频干扰问题，提出基于速率分割多址接入（RSMA）的传输设计，并利用生成式图扩散模型联合优化AeBS部署、用户关联和资源分配，以最大化总速率和覆盖率。

Comments 13 pages, 9 figures

Stochastic Reaction-Diffusion Systems in Biophysics: Towards a Toolbox for Quantitative Model Evaluation

生物物理中的随机反应-扩散系统：面向定量模型评估的工具箱

Gregor Pasemann, Carsten Beta, Wilhelm Stannat

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出统计工具箱用于评估随机反应-扩散系统模型，基于空间时间数据推导条件均值趋势和波动，开发参数估计方法，并探讨空间分辨率对误差和置信区间的影响。

Journal ref In: Stich, M., Carballido-Landeira, J. (eds) Nonlinear Dynamics for Biological Systems. SEMA SIMAI Springer Series, vol 40, 2025, Springer, Cham

DF-ExpEnse: Diffusion Filtered Exploration for Sample Efficient Finetuning

DF-ExpEnse: 扩散滤波探索用于高效样本微调

Calvin Luo, Chen Sun, Shuran Song

机构 * Stanford University（斯坦福大学） ； Brown University（布朗大学） 纠错

专题命中 扩散模型 ：diffusion(title)

AI总结 提出DF-ExpEnse探索技术，利用生成控制策略的多模态建模能力和评论家集成，在微调中高效收集在线经验，提升样本效率。

Comments ICML 2026

TeleMorpher: Toward Robust Simultaneous Motion-Location Editing

TeleMorpher: 迈向鲁棒的同步运动-位置编辑

Haengbok Chung

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

AI总结 提出TeleMorpher，一种基于扩散模型的一步式框架，通过运动先验、姿态扭曲和基线运动编辑器注入，实现视频中主角运动与位置的同步编辑，在定量和定性评估中表现优异。

TetriServe: Efficiently Serving Mixed DiT Workloads

TetriServe: 高效服务混合DiT工作负载

Runyu Lu, Shiqi He, Wenxuan Tan, Shenggui Li, Ruofan Wu, Jeff J. Ma, Ang Chen, Mosharaf Chowdhury

机构 * University of Michigan（密歇根大学） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； Nanyang Technological University（南洋理工大学） 纠错

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

AI总结 针对混合分辨率与截止时间的异构DiT工作负载，提出基于步骤级序列并行的TetriServe系统，通过轮次调度与自适应并行度，在保证图像质量下将SLO达成率提升32%。

JanusMesh: Fast and Zero-Shot 3D Visual Illusion Generation via Cross-Space Denoising

JanusMesh: 通过跨空间去噪实现快速零样本3D视觉错觉生成

Siang-Ling Zhang, Huai-Hsun Cheng, Tsung-Ju Yang, Yu-Lun Liu

机构 * National Yang Ming Chiao Tung University（国立阳明交通大学） 纠错

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

AI总结 提出一种无需训练的快速框架，通过跨空间双分支去噪和视图条件纹理合成，在3-5分钟内生成高真实感双语义3D视觉错觉，优于现有方法。

Comments ECCV 2026. Project page: https://siang1105.github.io/JanusMesh.github.io/

VFACamou: View-Fused Adversarial Camouflage for Environment-Adaptive Physical Evasion

VFACamou: 视图融合的对抗性伪装用于环境自适应物理规避

Shihui Yan, Hu Liu, Junyu Shi, Zihui Zhu, Ziqi Zhou, Yufei Song, Youming Geng, Minghui Li, Shengshan Hu

机构 * State Key Laboratory of Intelligent Vehicle Safety Technology（智能汽车安全技术国家重点实验室） ； School of Cyber Science and Engineering, Huazhong University of Science and Technology（华中科技大学网络空间安全学院） ； School of Computer Science and Technology, Huazhong University of Science and Technology（华中科技大学计算机科学与技术学院） ； School of Software Engineering, Huazhong University of Science and Technology（华中科技大学软件学院） ； Hebei Energy College of Vocation And Technology（河北能源职业技术学院） 纠错

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

AI总结 提出一种端到端框架，结合UV体积渲染与扩散纹理生成器，并引入照明颜色一致性估计器和多尺度动态训练策略，生成可穿戴对抗图案，在无人机侦察等动态视角和光照变化下实现稳定物理攻击。

Comments Accepted by ICME 2026

CoMo: Learning Continuous Latent Motion from Internet Videos for Scalable Robot Learning

CoMo: 从互联网视频中学习连续潜在运动以实现可扩展的机器人学习

Jiange Yang, Yansong Shi, Haoyi Zhu, Mingyu Liu, Kaijing Ma, Yating Wang, Gangshan Wu, Tong He, Limin Wang

机构 * Nanjing University（南京大学） ； Shanghai AI Lab（上海人工智能实验室） ； University of Science and Technology of China（中国科学技术大学） ； Zhejiang University（浙江大学） ； Fudan University（复旦大学） ； Tongji University（同济大学） 纠错

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

AI总结 提出CoMo方法，通过早期时间差分和时序对比学习从互联网视频中学习连续潜在运动，避免离散化信息损失，实现零样本泛化生成伪动作标签，联合训练策略在仿真和真实实验中表现优异。

Comments CVPR 2026

Collaborative Multi-Modal Coding for High-Quality 3D Generation

协作多模态编码用于高质量3D生成

Ziang Cao, Zhaoxi Chen, Liang Pan, Ziwei Liu

机构 * S-Lab, Nanyang Technological University, Singapore（南洋理工大学S实验室） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） 纠错

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

AI总结 提出TriMM，首个前馈式3D原生生成模型，通过协作多模态编码融合RGB、RGBD和点云特征，结合辅助2D/3D监督和三平面潜在扩散模型，实现高质量3D资产生成。

Oscillations and Spatial Patterns in Large-Scale Stochastic Gene Regulatory Networks

大规模随机基因调控网络中的振荡与空间模式

Manuel Eduardo Hernández-García, Jorge Velázquez-Castro

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究负反馈与扩散的循环基因调控网络，通过确定性和随机方法分析其稳定性，发现随机波动可诱导图灵失稳，为理解发育中的模式形成提供新视角。

Comments 16 pages, 10 figures

Frequency-Aware Flow Matching for Continuous and Consistent Robotic Action Generation

频率感知流匹配用于连续且一致的机器人动作生成

Jianing Guo, Fangzheng Chen, Zihao Mao, Wong Lik Hang Kenny, Zhenhong Wu, Yu Li, Yishuai Cai, Yuanpei Chen, Yikun Ban, Kai Chen, Qi Dou, Yaodong Yang, Xianglong Liu, Huijie Zhao, Simin Li

机构 * Beihang University（北京航空航天大学） ； Peking University（北京大学） ； The Chinese University of Hong Kong（香港中文大学） ； PKU-Psibot Lab（北大-智源机器人实验室） ； Zhongguancun Laboratory（中关村实验室） ； Hefei Comprehensive National Science Center（合肥综合性国家科学中心） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出频率感知流匹配（FAFM），通过离散余弦变换将离散动作序列转换到频域进行流匹配，并正则化一阶时间导数以生成平滑连续的动作，提升成功率、多模态表达性和运动平滑性。

MirrorDuo: Reflection-Consistent Visuomotor Learning from Mirrored Demonstration Pairs

MirrorDuo：基于镜像演示对的反射一致视觉运动学习

Zheyu Zhuang, Ruiyu Wang, Giovanni Luca Marchetti, Florian T. Pokorny, Danica Kragic

机构 * Division of Robotics, Perception and Learning（机器人、感知与学习 division） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出MirrorDuo方法，通过反射一致性为每个原始演示生成镜像副本，实现数据增强，在相同数据预算下显著提升行为克隆性能，并支持零/少样本技能迁移。

Comments Published in CoRL 2025

Journal ref CoRL 2025

Co-policy: Responsive Human-Robot Co-Creation for Musical Performances

Co-policy: 响应式人机音乐共创框架

Xuetao Li, Wenke Huang, Mang Ye, Zijian Liu, Jinhua Xie, Jifeng Xuan, Miao Li

机构 * School of Computer Science, Wuhan University（武汉大学计算机学院） ； College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院） ； School of Automation, Wuhan University of Technology（武汉理工大学自动化学院） ； School of Geodesy and Geomatics, Wuhan University（武汉大学测绘学院） ； School of Robotics, Wuhan University（武汉大学机器人学院） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出Co-policy框架，通过语义锚定、约束变分和视觉运动策略实现人机音乐实时共创，在真实钟琴实验中优于扩散策略基线。

EquiVLA: A General Framework for Rotationally Equivariant Vision-Language-Action Models

EquiVLA: 旋转等变视觉-语言-动作模型的通用框架

Thien-Loc Ha, Quang-Tan Nguyen, Trong-Bao Ho, Long Dinh, Minh Duc Nguyen, Gia-Binh Nguyen, Pham Tri Quang, Minh N. Vu, Duy M. H. Nguyen, An Thai Le, Ngo Anh Vien

机构 * VinRobotics ； VinUniversity ； DFKI（德国人工智能研究中心） ； 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） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出EquiVLA，首个端到端SO(2)等变VLA框架，通过EquiPerceptor和EquiActor实现从视觉到动作的近似等变链，在LIBERO、CALVIN和真实机器人任务上显著提升性能。

Comments Comment: First version 22 pages, project site: https://equivla.github.io/

From 50K to 8.2 Million in 24 Hours: Vozinha's Algorithmic Consecration and the Multilingual Making of World Cup Visibility

从5万到820万在24小时内：Vozinha的算法封圣与世界杯可见性的多语言构建

Vinicius Covas

机构 * Universidad Anáhuac México（墨西哥阿纳瓦克大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 通过多语言语料库和九框架叙事分类法，分析2026年世界杯后Vozinha的算法封圣过程，揭示不同语言承载不同叙事框架，将平台粉丝数作为语言对象研究可见性构建。

Comments 11 pages, 4 figures, 3 tables; v0.1 pilot preprint. Dataset and evidence package available at https://doi.org/10.5281/zenodo.20722235

Calibrating Generative Models to Feature Distributions with MMD Finetuning

使用MMD微调将生成模型校准到特征分布

Nathaniel L. Diamant, Brian L. Trippe

机构 * Stanford University（斯坦福大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出kCGM方法，通过最小化生成与目标特征分布的最大均值差异（MMD）并加入KL正则化，在不牺牲有效性的前提下校准生成模型的特征分布，适用于多种生成模型。

Information Theory and Statistical Learning

信息论与统计学习

Abbas El Gamal

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文是Cover & Thomas《信息论基础》第三版的章节预印本，系统介绍了散度度量在模型训练中的作用，涵盖线性回归、生成扩散模型等，并给出了扩散模型更系统的推导。

Global Convergence of Gradient Descent for Score Matching in Gaussian Mixtures via Reverse Fisher Divergence

通过反向Fisher散度实现高斯混合模型中得分匹配的梯度下降全局收敛

Alexander Tyurin

机构 * Applied AI Institute, Moscow, Russia（莫斯科应用人工智能研究所） ； AXXX, Moscow, Russia（莫斯科AXXX） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究反向Fisher散度下梯度下降拟合高斯混合模型的全局收敛性，证明从任意初始化或随机初始化下学生分量收敛到最近教师分量，并给出全变差距离收敛条件。

Invariant measures of the stochastic theta method for stochastic differential equations with super-linearly growing coefficients

随机θ方法用于超线性增长系数随机微分方程的不变测度

Xiaotong Li, Wei Liu, Wenjie Xiao

专题命中 扩散模型 ：diffusion(abstract)

AI总结 针对漂移和扩散系数均可能超线性增长的随机微分方程，提出随机θ方法逼近其不变测度，证明数值不变测度的存在唯一性及其收敛性，并推广了已有结果。

Comments 13 pages, 8 figures

Parity Selection Rule for Information and Dissipation in Driven Steady States

驱动稳态中信息与耗散的宇称选择规则

Mengqi Li, Lixin Li, Wensheng Lin, Zhu Han

专题命中 扩散模型 ：diffusion(abstract)

AI总结 针对旋转驱动线性非平衡稳态，发现宇称选择规则禁止信息与熵产之间的严格等式，并给出宇称破坏的线性依赖关系及平面互信息的闭式解。

Comments 13 pages, 2 figures (Main text: 6 pages, 2 figures; Supplementary Material: 7 pages)

Can DFT-trained neural network potentials reproduce structure, solvation, and water-exchange properties in aqueous magnesium solutions?

DFT训练的神经网络势能否重现镁水溶液中的结构、溶剂化和水交换性质？

Sebastian Falkner, Pablo Montero de Hijes, Christoph Dellago, Nadine Schwierz

专题命中 扩散模型 ：diffusion(abstract)

AI总结 开发并系统评估基于revPBE-D3/zd和revPBE0-D3/zd数据的MACE神经网络势，发现其能准确再现水合结构、扩散和交换动力学，但溶剂化自由能显著低估实验值，表明需显式长程静电处理。

West Nile virus outbreak in Italy modelled with the quantum Game of Life

意大利西尼罗病毒疫情用量子生命游戏建模

Andrea Fontana, Simone Tambascia, Ciro Di Carluccio, Andrea Esposito, Bernardo Spagnolo, Andrea M. Chiariello

专题命中 扩散模型 ：diffusion(abstract)

AI总结 使用量子生命游戏细胞自动机模型模拟2025年夏季意大利西尼罗病毒传播，通过优化蚊子出生和移除率，准确拟合局部和区域平均累计感染曲线，并评估环境变化的影响。

Thickness-Dependent Interlayer Coupling and Semiconductor-to-Semimetal Crossover in Arsenene Multilayers

砷烯多层膜中层间耦合的厚度依赖性与半导体-半金属交叉

Jeonghwan Ahn, Seoung-Hun Kang, Jaron T. Krogel

专题命中 扩散模型 ：diffusion(abstract)

AI总结 通过扩散量子蒙特卡洛和密度泛函理论计算，发现砷烯多层膜中层间耦合随厚度变化，导致从半导体到半金属的转变，并预测了堆叠序列的厚度驱动转变。

Steady-state Stellar Winds Driven by Recombination

由复合驱动的稳态恒星风

Eritas Yang, Eliot Quataert

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究氢和氦复合能量能否驱动稳态跨声速恒星风，通过表格化状态方程探索宽参数范围的绝热风解，发现仅少数解满足条件，复合能量单独难以产生稳态恒星风，但可加速和解除预先存在的出流。