图像生成

Ocean4D: Generative Underwater 4D Reconstruction via Medium-Aware Video Diffusion

Ocean4D：通过介质感知视频扩散的生成式水下4D重建

Yuqiang Huang, Yuxi Wang, Junyu Dong, Zhaoxiang Zhang

机构 * Faculty of Information Science and Engineering, Ocean University of China（中国海洋大学信息科学与工程学部） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） 纠错

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

AI总结 提出Ocean4D生成式框架，通过4D几何一致性条件化和介质感知去噪扩散，解决水下动态场景中吸收与散射导致的几何不稳定和跨视角不一致问题，实现单目视频到目标轨迹的高质量4D重建。

ScalingAttention: Discovering Intrinsic Sparse Attention Topology for Video Diffusion Transformers

ScalingAttention: 发现视频扩散变换器的内在稀疏注意力拓扑

Ruiliang Zhou, Xuecheng Wu, Kang He, Guangyun Han, Bin Liu, Qinqin Chen, Wende Xu, Qingjie Zhao, Chengru Song

机构 * KlingAI Research（KlingAI研究院） ； Beijing Institute of Technology（北京理工大学） ； NVIDIA（英伟达） ； Tsinghua University（清华大学） 纠错

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

AI总结 提出ScalingAttention框架，通过权重编码的稀疏拓扑（WEST）和保真度感知灵敏度调优（FAST）实现训练无关的注意力稀疏化，在Wan2.1上获得最高1.90倍加速并保持高质量。

Comments 18 pages, 9 figures

The Impact of VAE Design on Latent Pose Representations for Diffusion-based Sign Language Production

VAE设计对基于扩散的手语生成中潜在姿态表示的影响

Guilhem Fauré, Mostafa Sadeghi, Sam Bigeard, Slim Ouni

机构 * CNRS（国家科学研究中心） ； Inria（法国国家信息与自动化技术研究所） ； LORIA（洛林信息与自动化研究所） 纠错

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

AI总结 研究变分自编码器（VAE）架构和训练目标设计如何影响潜在空间结构，进而影响基于潜在扩散模型的手语生成性能，发现潜在空间特性比重建精度更能解释生成性能差异。

Journal ref GenSign Generative AI for Sign Language CVPR 2026 Workshop, Jun 2026, Denver (Colorado, USA), France. pp. 10631-10640

Modular Diffusion Models for Structured Visual Recognition

模块化扩散模型用于结构化视觉识别

Siddhesh Khandelwal, Björn Ommer, Leonid Sigal

机构 * Department of Computer Science, University of British Columbia（不列颠哥伦比亚大学计算机科学系） ； Vector Institute for AI（向量人工智能研究所） ； CompVis, Ludwig Maximilian University of Munich（慕尼黑路德维希·马克西米利安大学计算机视觉实验室） ； Munich Center for Machine Learning（慕尼黑机器学习中心） ； CIFAR AI Chair（CIFAR人工智能教席） 纠错

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

AI总结 提出模块化扩散模型（MDMs），通过将扩散过程分解为任务特定模块，学习结构化输出的分布，以处理视觉识别中的不确定性，在目标检测、实例分割和场景图生成任务上取得优势。

Comments 34 pages, 7 figures, 4 tables

Prompting Diffusion Models for Zero-Shot Instance Segmentation

提示扩散模型用于零样本实例分割

Irem Zeynep Alagöz, Nils Morbitzer, Andrea Ramazzina, Nassir Navab, Federico Tombari, Stefano Gasperini

机构 * Technical University of Munich (TUM)（慕尼黑工业大学） ； Munich Center of Machine Learning (MCML)（慕尼黑机器学习中心） ； Mercedes-Benz AG（梅赛德斯-奔驰集团） ； Visualais 纠错

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

AI总结 提出Prompt2Seg框架，通过空间条件化增强扩散模型，利用2D高斯或置信度图作为提示，实现零样本实例分割，在多个数据集上优于基线。

Comments Under review

VT-DUDA: Visual Token Conditioning for Diffusion-guided Unsupervised Domain Adaptation

VT-DUDA: 扩散引导的无监督域适应的视觉令牌条件化

Xuan Qi, Daniele Berardini, Dario Serez, Vito Paolo Pastore, Vittorio Murino

机构 * Istituto Italiano di Tecnologia（意大利技术研究院） ； University of Genoa（热那亚大学） ； University of Verona（维罗纳大学） 纠错

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

AI总结 提出VT-DUDA框架，通过将源图像映射为视觉令牌并与文本嵌入拼接作为条件，增强扩散模型生成目标风格图像时的实例级引导，提升无监督域适应性能。

Journal ref Transactions on Machine Learning Research, 2026

Context-Aware Autoregressive Diffusion for Gloss-Wise Sign Language Production

上下文感知的自回归扩散用于逐词汇手语生成

JungHoon Sung, Boeun Kim, Chu Xin, Hyung Jin Chang, ChangHo Kim, Sang-Il Choi, Younggeun Choi

机构 * Dankook University（檀国大学） ； University of Birmingham（伯明翰大学） 纠错

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

AI总结 提出GARD模型，通过语义和运动上下文条件化，结合词汇间过渡引导和全局运动协调器，实现逐词汇手语生成，在Phoenix-T和CSL-Daily数据集上优于现有方法。

Comments 18 pages, 5 figures, 4 tables

TMPO: Trajectory Matching Policy Optimization for Diverse and Efficient Diffusion Alignment

TMPO：用于多样化和高效扩散对齐的轨迹匹配策略优化

Jiaming Li, Chenyu Zhu, Nanxi Yi, Youjun Bao, Li Sun, Quanying Lv, Xiang Fang, Daizong Liu, Jianjun Li, Kun He, Bowen Zhou, Zhiyuan Ma

机构 * Huazhong University of Science and Technology（华中科技大学） ； Kuaishou Technology（快手科技） ； Nanyang Technological University（南洋理工大学） ； Wuhan University（武汉大学） ； Tsinghua University（清华大学） 纠错

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

AI总结 本文提出TMPO，通过轨迹级奖励分布匹配提升扩散模型生成多样性，采用Softmax-TB目标和动态随机树采样，有效减少训练时间并提升性能。

A Comprehensive Study on Visual Token Redundancy for Discrete Diffusion-based Multimodal Large Language Models

基于离散扩散的多模态大语言模型中视觉标记冗余的综合研究

Duo Li, Zuhao Yang, Xiaoqin Zhang, Ling Shao, Shijian Lu

机构 * CCDS, NTU, Singapore（南洋理工大学新加坡分校） ； CCST, ZJUT, China（浙江工业大学中国分校） ； Terminus AI Lab, UCAS, China（中国科学院大学人工智能实验室） 纠错

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

AI总结 本研究系统分析了离散扩散多模态大语言模型中视觉标记冗余的演化规律，发现其仅出现在从头训练的模型处理长答案任务时，并验证了视觉标记剪枝会导致信息损失，而层跳过和渐进剪枝分别适用于不同架构的加速。

Comments Accepted by CVPR 2026

Journal ref Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) Findings, 2026, pp. 2823-2833

Iterative Diffusion-Refined Neural Attenuation Fields for Multi-Source Stationary CT Reconstruction: NAF Meets Diffusion Model

迭代扩散精化神经衰减场用于多源静态CT重建：NAF遇见扩散模型

Jiancheng Fang, Shaoyu Wang, Junlin Wang, Weiwen Wu, Yikun Zhang, Qiegen Liu

机构 * School of Information Engineering, Nanchang University（南昌大学信息工程学院） ； School of Mathematics and Computer Sciences, Nanchang University（南昌大学数学与计算机科学学院） ； School of Biomedical Engineering, Sun Yat-sen University（中山大学生物医学工程学院） ； Laboratory of Image Science and Technology, School of Computer Science and Engineering, and the Key Laboratory of New Generation Artificial Intelligence Technology and Its Interdisciplinary Applications, Ministry of Education, Southeast University（东南大学计算机科学与工程学院图像科学与技术实验室，以及教育部新一代人工智能技术及其交叉应用重点实验室） 纠错

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

AI总结 针对超稀疏视角下多源静态CT重建质量差的问题，提出Diff-NAF框架，结合神经衰减场与双分支条件扩散模型，通过迭代投影合成与精化，显著提升重建保真度。

MoFusion: A Framework for Denoising-Diffusion-based Motion Synthesis

MoFusion: 一种基于去噪扩散的运动合成框架

Rishabh Dabral, Muhammad Hamza Mughal, Vladislav Golyanik, Christian Theobalt

机构 * Max Planck Institute for Informatics, SIC（马克斯·普朗克信息研究所，SIC） ； Saarland University（萨尔兰大学） 纠错

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

AI总结 提出MoFusion框架，利用去噪扩散模型实现高质量、多样化的条件人体运动合成，支持音乐和文本等多种条件，并通过调度加权策略引入运动学损失，适用于运动编辑应用。

Comments CVPR23, 11 pages, 6 figures, 2 tables; project page: https://vcai.mpi-inf.mpg.de/projects/MoFusion

Robust Diffusion Models via Divergence-Induced Weighted Denoising

通过散度诱导加权去噪的鲁棒扩散模型

Lei Li, Yuexiao Dong

机构 * LunarAI LLC（LunarAI公司） ； Fox School of Business Temple University（Temple大学商学院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出用f-散度非线性变换替代扩散模型中的MSE去噪损失，构建鲁棒训练代理，通过局部散度构造统一训练目标，在数据污染下提升性能。

Variance-Tilted Diffusion Models for Diverse Sampling

方差倾斜扩散模型用于多样化采样

Iskander Azangulov, Leo Zhang, Kianoosh Ashouritaklimi

机构 * Department of Statistics, University of Oxford, Oxford, UK（牛津大学统计学系） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出方差加权批分布，通过Doob h-变换导出交互粒子采样器，在扩散模型中实现多样化采样，具有透明概率目标。

Comments Accepted at SPIGM @ ICML workshop 2026

Diffusion-Driven State Space Models

扩散驱动的状态空间模型

Jack Ruder, Michael Wojnowicz

机构 * Montana State University（蒙塔纳州立大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出扩散驱动状态空间模型（DDSSM），用扩散模型替代高斯转移分布，联合训练自编码器和扩散模型，提升时间序列拟合与预测能力。

Comments Accepted to ProbML 2026 Workshop Track

dVLA-RL: Reinforcement Learning over Denoising Trajectories for Discrete Diffusion Vision-Language-Action Models

dVLA-RL：基于去噪轨迹的强化学习用于离散扩散视觉-语言-动作模型

Yuhao Wu, Yitian Liu, Weijie Shen, Mishuo Han, Wenjie Xu, Haotian Liang, Zhongshan Liu, Yinan Mao, Lei Xu, Xinping Guan, Ru Ying, Ran Zheng, Wei Sui, Xiaokang Yang, Wenbo Ding, Yao Mu

机构 * Shanghai Jiao Tong University（上海交通大学） ； Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Baidu AI Cloud D-Robotics Shanghai AI Laboratory（百度AI云D-机器人上海人工智能实验室） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出dVLA-RL方法，将离散扩散VLA模型的强化学习目标从边缘动作概率转移到采样生成路径的联合概率，通过将去噪过程建模为马尔可夫决策过程，实现变步长调度，在LIBERO上达到99.7%成功率，在RoboTwin 2.0上相比SFT提升30.6%。

Scheduling Thoughts: Learning the Order of Thought in Diffusion Language Models

调度思维：在扩散语言模型中学习思维的顺序

Jiawei Xu, Minghui Liu, Aakriti Agrawal, Yifan Chen, Furong Huang

机构 * University of Maryland, College Park（马里兰大学帕克分校） ； University of California, Los Angeles（加州大学洛杉矶分校） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出自感知调度（SAS），通过策略优化学习扩散语言模型中的去掩码顺序，显著提升Sudoku和数学推理任务的生成质量。

HyperQuant: A Rate-Distortion-Optimal Quantization Pipeline for Large Language and Diffusion Models

HyperQuant: 面向大型语言和扩散模型的率失真最优量化流水线

Yuval Domb, Hadar Sackstein, Tomer Solberg

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出HyperQuant统一后训练量化流水线，通过随机Hadamard变换、最优格量化、无损比特剥离和近熵最优Rice编码，在权重和KV缓存上实现率失真最优，优于现有方案。

PeLAP-A: Adaptive Latent Pruning for Lightweight Latent Diffusion Models

PeLAP-A：面向轻量级潜在扩散模型的自适应潜在剪枝

Kissa Zahra, Zaib Un Nisa

机构 * National University of Computer and Emerging Sciences（国立计算机与新兴科学大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出PeLAP-A框架，通过可学习的通道重要性预测器对潜在通道进行自适应剪枝，发现强稀疏正则化下所有通道被抑制但去噪UNet性能反而提升，揭示潜在扩散模型的信息冗余现象。

Comments 6 pages, 3 figures

Public Diffusion Models, Private Images: Key-Controlled Inversion for Conditional Reconstruction

公开扩散模型，私有图像：用于条件重建的密钥控制反演

Lijunxian Zhang, Weihai Li, Bin Liu, Zikai Xu

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对扩散模型参数公开的白盒场景，提出密钥控制反演框架，利用误差传播将小扰动指数放大为安全资产，确保仅正确密钥可重建原图，并证明IND-CPA安全。

Understanding Parallel Samplers in Masked Diffusion via Random Walks on Graphs

通过图上的随机游走理解掩码扩散中的并行采样器

Vansh Bansal, Cho Cholyeon, Syamantak Kumar, Sujay Sanghavi, Purnamrita Sarkar

机构 * UT Austin SDS（德克萨斯大学奥斯汀分校统计与数据科学系） ； UT Austin CS（德克萨斯大学奥斯汀分校计算机科学系） ； UT Austin ECE（德克萨斯大学奥斯汀分校电气与计算机工程系） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出以图上随机游走为可验证沙盒，研究掩码扩散模型中的并行采样策略，理论上证明最低熵等并行采样并非普遍优于随机采样，并开发了二分采样器，实验表明不同图适用不同采样器。

CLIP-guided Diffusion Model for Backdoor Generation in Sensor-based Human Activity Recognition

基于CLIP引导的扩散模型在传感器人体活动识别中的后门生成

Toby Briston, Illya Kosyk, Kuniyih S

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出IMU-DM-CLIP方法，利用扩散模型生成带后门的合成数据，以10%注入率和10%引导数据成功攻击HAR模型。

Temporal Logic Guidance for Action-Only Diffusion Policies with World Models

基于时序逻辑的动作扩散策略与世界模型引导

Moritz Zoellner, Anastasios Manganaris, Rohan Paleja

机构 * German Academic Exchange Service (DAAD)（德国学术交流中心（DAAD）） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出一种利用世界模型实现时序逻辑鲁棒性可微评估的引导方法，在不重新训练的情况下改善动作扩散策略的约束满足，在Robomimic任务中将违规率从80%降至4%。

Comments Accepted at the ICRA 2026 Workshop on Bridging the Gap between Robot Learning and Human-Robot Interaction. 3 pages, 2 figures, 1 table

Scalable Maximum Entropy Reinforcement Learning for Diffusion Policies via Adjoint Matching

基于伴随匹配的可扩展最大熵强化学习扩散策略

Serge Thilges, Onur Celik, Denis Blessing, Emiliyan Gospodinov, Gerhard Neumann

机构 * Autonomous Learning Robots, Karlsruhe Institute of Technology（自主学习机器人，卡尔斯鲁厄理工学院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出伴随匹配方法，实现无需模拟训练的扩散策略优化，降低计算开销，使扩散策略适用于在线强化学习。

CoRDE: Concept-Prior Routed Diffusion Experts for Structural Generalization in Robot Manipulation

CoRDE：面向机器人操作结构泛化的概念先验路由扩散专家

Haidong Huang, Xixin Zhao, Yaohua Zhou, Jiayu Song, Jiayi Zhang, Jun Ma, Haiyue Zhu, Xiaocong Li

机构 * College of Information Science and Technology, Eastern Institute of Technology, Ningbo（宁波东方理工大学（暂名）信息科学与技术学院） ； Zhejiang Key Laboratory of Industrial Intelligence and Digital Twin, Eastern Institute of Technology, Ningbo（浙江省工业智能与数字孪生重点实验室，宁波东方理工大学（暂名）） ； Department of Electrical and Computer Engineering, National University of Singapore（新加坡国立大学电气与计算机工程系） ； Robotics and Autonomous Systems Thrust, The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）机器人与自主系统学域） ； Faculty of Science and Engineering, University of Nottingham Ningbo China（宁波诺丁汉大学理工学院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出CoRDE框架，通过概念先验引导路由和低秩专家池，解决扩散模型在多任务长时程操作中的结构泛化不足和路由崩溃问题。

Comments 8 pages, 3 figures, Accepted to the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)

When to Plan, When to Polish: Noise Level as a Granularity Axis for Diffusion Language Models

何时规划，何时精炼：噪声水平作为扩散语言模型的粒度轴

Peihong Li, Yuanjie Shi, Yan Yan

机构 * Washington State University（华盛顿州立大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出噪声依赖粒度控制（NDGC）方法，通过噪声水平调节训练和推理的粒度，实现从粗到细的去噪，无需显式规划器或层次结构，提升生成质量。

THREAD: Trajectory Planning for Hybrid Rigid-Soft Manipulators with Environment-Aware Diffusion

THREAD: 面向混合刚柔机械臂的环境感知扩散轨迹规划

Shivani Kamtikar, Pranav Asthana, Naveen Kumar Uppalapati, Girish Krishnan, Girish Chowdhary

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Maryland College Park（马里兰大学帕克分校） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出首个基于扩散的混合刚柔机械臂轨迹规划器THREAD，通过物理启发损失联合约束刚柔段，实现狭窄环境穿行，任务成功率92.4%，碰撞减少5倍。

Comments Project Page: https://robot-thread.github.io, IROS 2026

Energy-based Compositional Diffusion Planning

基于能量的组合扩散规划

Tao Sun, Utkarsh Aashu Mishra, Jiaxin Lu, Danfei Xu, Iro Armeni

机构 * Stanford University（斯坦福大学） ； Georgia Institute of Technology（佐治亚理工学院） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出能量基组合扩散器（ECD），将全局轨迹建模为局部桥势之和的最小化，通过保守修正场和边界反应项改进启发式拼接，实现线性时间复杂度的马尔可夫分数近似，在OGBench任务中达到最优成功率。

Comments ICML 2026

JPPD: Joint Prediction_Planning Diffusion with Differentiable Safety Guidance for Dynamic Obstacle Avoidance in Intelligent Transportation Systems

JPPD：具有可微安全引导的联合预测-规划扩散框架用于智能交通系统中的动态障碍物规避

Jiahao Wu, Shengwen Yu

机构 * The University of Hong Kong（香港大学） ； Guangzhou College of Commerce（广州商学院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出联合预测-规划扩散框架，将参与者预测与机器人规划视为条件轨迹生成问题，通过可微安全势引导和条件流匹配提升共享空间中的安全性与效率。

Comments 12 pages, 4 figures

Bridging the Analytics Divide: Retail Technology Diffusion in South Africa's Traditional Retail Sector

弥合分析鸿沟：南非传统零售业的技术扩散

Shaun Moloi, Adheesh Budree, Pitso Tsibolane

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本研究基于TOE框架和DOI理论，通过15位高管的定性多案例研究，识别南非传统零售业采用分析技术的主要障碍（技术、组织、环境因素），并提出分阶段实施、高管支持和业务对齐等成功策略。

Journal ref IFIP Advances in Information and Communication Technology, Vol. 779. Springer, Cham (2026)

Diffusion Models Adapt to Low-Dimensional Structure Under Flexible Coefficient Choices

扩散模型在灵活系数选择下适应低维结构

Changxiao Cai, Yuchen Jiao, Gen Li

机构 * Department of Industrial and Operations Engineering, University of Michigan（工业与运营工程系，密歇根大学） ； Department of Statistics and Data Science, Chinese University of Hong Kong（统计与数据科学系，中国香港大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文证明扩散模型在广泛系数选择下，仅需O(k/ε)次迭代即可生成ε-精确样本，独立于环境维度，从而验证了其适应低维结构的鲁棒性。