图像生成

When Safe Concepts Become Unsafe: Multi-Concept Compositional Vulnerabilities in Text-to-Image Models

TwoHamsters：文本到图像模型中多概念组合不安全性的基准测试

Chaoshuo Zhang, Yibo Liang, Mengke Tian, Chenhao Lin, Zhengyu Zhao, Le Yang, Chong Zhang, Yang Zhang, Qian Wang, Chao Shen

机构 * School of Cyber Science and Engineering, Xi'an Jiaotong University（西安交通大学计算机科学与工程学院） ； CISPA Helmholtz Center for Information Security（信息安全研究中心） ； School of Cyber Science and Engineering, Wuhan University（武汉大学计算机科学与工程学院） 纠错

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

AI总结 本文提出TwoHamsters基准，通过17500个提示测试文本到图像模型在多概念组合不安全性的表现，揭示现有模型和防御机制在处理危险组合生成时的局限性。

Detail++: Training-Free Detail Enhancer for T2I Diffusion Models

Detail++: 文本到图像扩散模型的免训练细节增强器

Lifeng Chen, Jiner Wang, Zihao Pan, Beier Zhu, Xiaofeng Yang, Chi Zhang

机构 * AGI Lab, Westlake University（AGI实验室，西lake大学） ； Nanyang Technological University（南洋理工大学） 纠错

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

AI总结 提出免训练框架Detail++，通过渐进式细节注入策略分解复杂提示词，利用自注意力布局控制与交叉注意力质心对齐损失，提升多主体复杂提示下的生成质量。

Happy Young Women, Grumpy Old Men? Emotion-Driven Demographic Biases in Synthetic Face Generation

快乐年轻女性，暴躁老年男性？合成人脸生成中情绪驱动的人口统计偏见

Mengting Wei, Aditya Gulati, Guoying Zhao, Nuria Oliver

机构 * University of Oulu（奥卢大学） ； ELLIS Alicante（阿利坎特ELLIS） 纠错

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

AI总结 本研究系统审计了文本到图像模型在情绪提示下生成人脸的人口统计偏见，发现模型过度代表年轻面孔和白人特征，负面情绪提示加剧了特定群体的缺失，并降低了感知吸引力。

Comments 39 pages, 16 figures, 24 tables

3D Vessel Reconstruction from Sparse-View Dynamic DSA Images via Vessel Probability Guided Attenuation Learning

基于血管概率引导衰减学习的稀疏视角动态DSA图像三维血管重建

Zhentao Liu, Huangxuan Zhao, Wenhui Qin, Zhenghong Zhou, Xinggang Wang, Wenping Wang, Xiaochun Lai, Chuansheng Zheng, Dinggang Shen, Zhiming Cui

机构 * School of Biomedical Engineering \& State Key Laboratory of Advanced Medical Materials ； Devices, ShanghaiTech University, Shanghai, China ； National Engineering Research Center for Multimedia Software, School of Computer Science, Wuhan University, Wuhan, China ； School of Electronic Information ； Communications, Huazhong University of Science ； Department of Computer Science \& Engineering, Texas A\&M University, USA 纠错

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

AI总结 提出血管概率引导衰减学习框架，通过静态与动态衰减场互补加权实现稀疏视角DSA重建，降低辐射剂量，并采用渐进训练和时间扰动损失提升质量。

Comments Accepted by Medical Image Analysis (MedIA), 2026; code: https://github.com/ShanghaiTech-IMPACT/VPAL

SimAC: A Simple Anti-Customization Method for Protecting Face Privacy against Text-to-Image Synthesis of Diffusion Models

SimAC: 一种针对扩散模型文本到图像合成的简单面部隐私反定制方法

Feifei Wang, Zhentao Tan, Tianyi Wei, Yue Wu, Qidong Huang

机构 * University of Science and Technology of China（中国科学技术大学） ； Alibaba Cloud（阿里云） 纠错

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

AI总结 针对扩散模型定制化技术引发的隐私问题，提出SimAC方法，通过分析时间步选择与频域感知关系及去噪过程不同层特征，设计自适应贪婪搜索和特征优化框架，有效提升身份干扰，保护用户隐私。

Comments Accepted by CVPR2024. Code: https://github.com/somuchtome/SimAC

Double-Diffusion: Balancing Speed, Accuracy, and Uncertainty in Probabilistic Forecasting for Urban Sensor Networks

Double-Diffusion: 城市传感器网络中概率预测的速度、准确性与不确定性的平衡

Hanlin Dong, Arian Prabowo, Hao Xue, Ao Shuang, Tianyi Zhou, Yuxuan Liang, Flora D. Salim

机构 * University of New South Wales（新南威尔士大学） ； University of Maryland（马里兰大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） 纠错

专题命中 扩散模型 ：diffusion(title,title_cn)

AI总结 提出Double-Diffusion方法，结合闭式图热先验与去噪扩散模型，通过短预热链从先验开始去噪，实现快速、准确且具有不确定性的概率预测，在四个真实数据集上取得最佳CRPS。

Test-Time Alignment of Text-to-Image Diffusion Models via Null-Text Embedding Optimisation

文本到图像扩散模型的测试时对齐：通过空文本嵌入优化

Taehoon Kim, Henry Gouk, Timothy Hospedales

机构 * School of Informatics, University of Edinburgh（爱丁堡大学信息学院） ； Samsung AI Center, Cambridge（三星人工智能中心） 纠错

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

AI总结 提出Null-TTA方法，通过优化无分类器引导中的无条件嵌入实现测试时对齐，避免奖励黑客问题，在保持语义一致性的同时达到最先进性能。

Journal ref Published at CVPR2026

TraceMark-LDM: Authenticatable Watermarking for Latent Diffusion Models via Binary-Guided Rearrangement

TraceMark-LDM：通过二进制引导重排实现潜在扩散模型的可认证水印

Wenhao Luo, Zhangyi Shen, Ye Yao, Feng Ding, Guopu Zhu, Weizhi Meng

机构 * Hangzhou Dianzi University（杭州电子科技大学） ； Nanchang University（南昌大学） ； School of Computer Science and Technology, Harbin Institute of Technology（计算机科学与技术学院，哈尔滨工业大学） ； School of Computing and Communications, Lancaster University（计算与通信学院，兰卡斯特大学） 纠错

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

AI总结 提出TraceMark-LDM算法，利用水印引导重排高斯随机变量，结合分组重排和编码器微调，在不影响生成质量的前提下实现图像归属，鲁棒性优于现有方法。

Comments This paper has been accepted by Expert Systems with Applications

Hierarchical Concept-to-Appearance Guidance for Multi-Subject Image Generation

多主体图像生成的层次化概念到外观引导

Yijia Xu, Zihao Wang, Haokun Gui, Jinshi Cui

机构 * Peking University（北京大学） ； Hong Kong University of Science and Technology（香港科学与技术大学） 纠错

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

AI总结 提出层次化概念到外观引导框架(CAG)，通过VAE dropout训练和对应感知掩码注意力模块，实现多主体图像生成中身份一致性和精确组合控制。

Generating Fearful Images: Investigating Potential Emotional Biases in Image-Generation Models

生成恐惧图像：探究图像生成模型中的潜在情感偏差

Maneet Mehta, Cody Buntain

机构 * Yale University（耶鲁大学） ； University of Maryland（马里兰大学） 纠错

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

AI总结 研究生成式AI模型在图像情感表达中的偏差，发现Stable Diffusion、ChatGPT和Gemini等模型生成的图像普遍倾向于引发恐惧情绪，表明存在系统性偏差。

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

Reverse inequalities for super-Riesz transforms on graphs with a slow diffusion

慢扩散图上超Riesz变换的反向不等式

Joseph Feneuil

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 在D维Vicsek图上，证明了Riesz型不等式$\|\nabla f\|_p \leq C \|\Delta^\gamma f\|_p$对$p\in(1,\infty)$和$0<\gamma<\gamma^*(p)$成立，而对$\gamma>\gamma^*(p)$不成立，临界指数$\gamma^*(p)$处仍开放，首次给出$L^p$有界超Riesz变换的例子。

Comments 33 pages

Diffusion-Robust Optimization over Graphs

图上的扩散鲁棒优化

Liviu Aolaritei, Ricky Huang, Michael I. Jordan, Paul Grigas

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出一种基于扩散的不确定性模型用于有向图上的鲁棒优化，其中边权扰动沿相邻边传播并满足节点守恒约束，分析了该拓扑感知不确定性对凸网络问题和组合图问题计算复杂度的影响。

Comments 46 pages, 6 figures

Latent Diffusion for Missing Data

缺失数据的潜在扩散模型

Alberte Heering Estad, Ignacio Peis, Jes Frellsen

机构 * Technical University of Denmark（丹麦技术大学） ； Pioneer Centre for Artificial Intelligence（先锋人工智能中心） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出两阶段框架，先利用鲁棒VAE从缺失数据中学习潜在表示，再训练扩散模型，在MCAR缺失率高达50%时仍保持高质量生成，优于像素空间扩散。

The diffusion equation for non-Markovian Gaussian stochastic processes

非马尔可夫高斯随机过程的扩散方程

Alessandro Taloni, Gianni Pagnini, Aleksei Chechkin

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文推导了在不假设马尔可夫性和平稳性的情况下，粒子位移概率密度函数的精确演化方程。通过构建基于Wick定理的系统方程体系，得出一个封闭的非马尔可夫扩散方程，扩展了福克-普朗克描述并在无限阶极限下保持高斯性。

Blocking of 2D bistable reaction-diffusion fronts by obstacles

二维双稳反应扩散前沿被障碍物阻塞

J. -G. Caputo, G. Cruz-Pacheco, J. Gatlik, B. Sarels

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究二维双稳反应扩散前沿被几何障碍物阻塞的定量条件，通过守恒定律方法构建分析模型，预测阻塞阈值，并验证复杂几何结构中前沿传播的启发式规则。

Integral-equation analysis of transient diffusion-limited currents at disk electrodes: Asymptotic expansion and compact approximation

盘电极瞬态扩散限制电流的积分方程分析：渐近展开与紧凑近似

Kazuhiko Seki, Yuko Yokoyama, Masahiro Yamamoto

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文研究了盘电极在界面离子浓度变化引起的电位阶跃后瞬态扩散限制电流，通过渐近展开和紧凑近似方法提出了一种分析框架，用于分析瞬态电流、提取扩散参数并评估常用解析近似的准确性。

Comments 5 figures

Journal ref J. Electroanal. Chem. 1017, 120292 (2026)

Training Diffusion Policies via Prior-Mapping Co-Evolution

通过先验映射协同进化训练扩散策略

Chubin Zhang, Zhenglin Wan, Feng Chen, Fuchao Yang, Lang Feng, Yaxin Zhou, Xingrui Yu, Yang You, Ivor Tsang, Bo An

机构 * Nanyang Technological University（南洋理工大学） ； National University of Singapore（国立新加坡大学） ； Carnegie Mellon University（卡内基梅隆大学） ； CFAR Agency for Science Technology and Research（科技研究局（CFAR）） ； IHPC Agency for Science Technology and Research（科技研究局（IHPC）） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出GoRL框架，通过将策略优化限制在易处理的潜空间，同时用条件生成解码器合成动作，解耦优化与生成，实现稳定优化与表达力提升，在连续控制任务上显著超越基线。

Comments Ver 3 (Accepted as a conference paper by ICML 2026)

Lorentz-boosted diffusion: initial value formulation and exact solutions

洛伦兹加速扩散：初值公式与精确解

Lorenzo Gavassino

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对扩散方程在加速系中的指数不稳定性问题，利用相对论Fokker-Planck动力学理论嵌入，提出一维洛伦兹加速扩散的修正初值问题，并给出闭式格林函数和精确解。

Comments 13 pages, 5 figures, published in PRD (see https://journals.aps.org/prd/abstract/10.1103/k646-mgz5)

Journal ref Phys. Rev. D 113, 114038 (June, 2026)

Discrete State Diffusion Models: A Sample Complexity Perspective

离散状态扩散模型：样本复杂度视角

Aadithya Srikanth, Mudit Gaur, Vaneet Aggarwal

机构 * Purdue University（普渡大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出离散状态扩散模型的理论框架，首次给出样本复杂度界为$\widetilde{\mathcal{O}}(\epsilon^{-2})$，通过将分数估计误差分解为统计、近似、优化和裁剪分量，揭示了高效训练的关键。

Comments This is the accepted version of the paper. It was accepted to AISTATS 2026

VDW-GNNs: Vector diffusion wavelets for geometric graph neural networks

VDW-GNNs：面向几何图神经网络的向量扩散小波

David R. Johnson, Alexander Sietsema, Rishabh Anand, Deanna Needell, Smita Krishnaswamy, Michael Perlmutter

机构 * Program in Computing, Boise State University, Boise, Idaho, USA（博伊西州立大学计算项目） ； Department of Mathematics, UCLA, Los Angeles, CA, USA（洛杉矶大学数学系） ； Department of Computer Science, Yale University, New Haven, CT, USA（耶鲁大学计算机科学系） ； Department of Genetics, Yale University, New Haven, CT, USA（耶鲁大学遗传学系） ； Department of Mathematics, Boise State University, Boise, Idaho, USA（博伊西州立大学数学系） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出向量扩散小波（VDW），受向量扩散映射算法启发，可有效融入几何图神经网络（VDW-GNNs），在合成点云和真实风场、神经活动数据上表现良好，并证明其具有框架理论和旋转平移对称性。

Comments Presented at ICML 2026. A previous, shorter version of this work was presented in the "New Perspectives in Advancing Graph Machine Learning" workshop at NeurIPS 2025

From Noise to Order: Learning to Rank via Denoising Diffusion

从噪声到有序：通过去噪扩散学习排序

Sajad Ebrahimi, Bhaskar Mitra, Negar Arabzadeh, Ye Yuan, Haolun Wu, Fattane Zarrinkalam, Ebrahim Bagheri

机构 * University of Guelph（圭尔夫大学） ； Independent Researcher（独立研究者） ； University of California, Berkeley（加州大学伯克利分校） ； McGill University（麦吉尔大学） ； University of Toronto（多伦多大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出基于去噪扩散的生成式排序模型DiffusionRank，通过建模特征向量与相关性标签的联合分布，在四个标准LTR数据集上优于传统判别式方法。

Diffusion bridge with misspecification: theory construction and application to high-resolution fish count data

误指定扩散桥：理论构建及在高分辨率鱼类计数数据中的应用

Hidekazu Yoshioka

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对扩散桥模型可能误指定的问题，通过Girsanov变换和相对熵度量模型不确定性，提出可解析求解的优化问题以给出性能指标的上下界，并应用于高分辨率鱼类计数数据。

Comments Updated on June 21, 2026

MedFedPure: A Medical Federated Framework with MAE-based Detection and Diffusion Purification for Inference-Time Attacks

MedFedPure: 基于MAE检测和扩散净化的医疗联邦框架用于推理时攻击防御

Mohammad Karami, Mohammad Reza Nemati, Aidin Kazemi, Ali Mikaeili Barzili, Hamid Azadegan, Behzad Moshiri

机构 * School of Electrical and Computer Engineering（电气与计算机工程学院） ； Max Planck Institute for Brain Research（马克斯·普朗克脑研究所在法兰克福） ； School of Computer Engineering,University of Science and Technology (IUST)（科学技术大学（IUST）计算机工程学院） ； Department of Electrical and Computer Engineering（电气与计算机工程系） ； University of Waterloo（滑铁卢大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出MedFedPure框架，结合个性化联邦学习、掩码自编码器检测和自适应扩散净化，在推理时防御对抗攻击，在Br35H脑MRI数据集上强攻击下准确率从49.50%提升至87.33%，干净准确率保持97.67%。

Diffusion Minimization via Optimal Smearing in Collapse and Hybrid Classical-Quantum Gravitational Models

通过坍缩与混合经典-量子引力模型中的最优涂抹实现扩散最小化

Nicolò Piccione

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对自发扩散（能量不守恒）导致的加热率发散问题，提出通过选择最优质量密度涂抹分布来最小化加热率，从而确定与标准量子力学的最小偏差模型，并应用于GRW、CSL、DP及Tilloy-Diósi混合模型。

Comments 6 pages plus appendices, no figures. Close to published version

Journal ref Phys. Rev. A 113, 062211 (2026)

Quantum Reversibility Meets Classical Reverse Diffusion

量子可逆性与经典反向扩散的统一

Ryota Nasu, Gota Tanaka, Asato Tsuchiya

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文通过Wigner函数的半经典近似，证明Petz映射对应的Lindblad方程与经典Fokker-Planck方程经贝叶斯规则导出的反向扩散方程一致，建立了量子可逆性与经典反向扩散的直接对应关系。

Comments 12+16 pages, 1 figure, construction of WKB solutions is added, references are added

Global Analysis of the Gray-Scott Model with Fractional-Classical Diffusion

具有分数-经典扩散的Gray-Scott模型的全局分析

Md Shah Alam

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文通过半群方法和对偶估计，证明了混合局部与非局部扩散的Gray-Scott反应扩散系统全局解的存在性和一致时间界，数值模拟展示了图案形成及混合扩散模型的定性差异。