图像生成

IV-CoT: Implicit Visual Chain-of-Thought for Structure-Aware Text-to-Image Generation

IV-CoT: 面向结构感知文本到图像生成的隐式视觉思维链

Zixuan Li, Haokun Lin, Yicheng Xiao, Zhiwei Li, Xinyang Song, Zelong Zheng, Yong He, Heng Yao, Ke Ding, Chao Yu, Chuan Yuan, Qi Li, Zhenan Sun

机构 * NLPR, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所模式识别国家重点实验室） ； Ant Group（蚂蚁集团） ； The University of Hong Kong（香港大学） 纠错

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

AI总结 提出隐式视觉思维链（IV-CoT）框架，通过结构到语义的级联分解和训练时草图监督，在不增加推理开销的情况下提升文本到图像生成的结构感知能力。

PixJail: Self-Evolving Paper-to-Pipeline Reproduction for Text-to-Image Jailbreak Evaluation

PixJail：面向文本到图像越狱评估的自演化论文到流水线复现

Leyi Sheng, Han Sun, Zhen Sun, Yuntao Yue, Jinlin Wu, Xinlei He, Jiaheng Wei

机构 * The Hong Kong University of Technology and Science (Guangzhou)（香港科技与应用科技大学（广州）） ； East China Normal University（华东师范大学） ； Shanghai Qi Zhi Institute（上海启智研究院） ； Wuhan University（武汉大学） ； Institute of Deep Perception Technology, JITRI（视觉感知技术研究院，JITRI） ； CAIR, Hong Kong Institute of Science and Innovation (HKISI)（创新科技研究院，香港科学与创新研究院（HKISI）） ； MAIS, Institute of Automation, Chinese Academy of Sciences（自动化研究所，中国科学院） 纠错

专题命中 文生图 ：text-to-image(title,abstract)；image generation(abstract)

AI总结 提出PixJail框架，通过自演化论文到流水线代理，自动构建攻击模块和可运行评估流水线，忠实复现原始实验结果，平均误差仅2.1%。

Improved Sub-Visible Particle Classification in Flow Imaging Microscopy via Generative AI-Based Image Synthesis

通过生成式AI图像合成改进流成像显微镜下的亚可见粒子分类

Utku Ozbulak, Michaela Cohrs, Hristo L. Svilenov, Joris Vankerschaver, Wesley De Neve

机构 * Center for Biosystems and Biotech Data Science（生物系统与生物技术数据科学中心） ； Ghent University Global Campus（根特大学全球校区） ； Department of Electronics and Information Systems（电子与信息系统系） ； Faculty of Pharmaceutical Sciences（药学系） ； Biopharmaceutical Technology, TUM School of Life Sciences（生物制药技术，技术大学生命科学学院） ； Department of Mathematics, Computer Science and Statistics（数学、计算机科学与统计学系） 纠错

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

AI总结 本文提出基于生成式AI的图像合成方法，解决流成像显微镜下亚可见粒子分类中的数据不平衡问题，通过生成高保真图像提升多类分类性能，公开模型和工具促进研究复现。

Advancing WordArt-Oriented Scene Text Recognition: Datasets and Methods

推进面向艺术字的场景文本识别：数据集与方法

Xingsong Ye, Yongkun Du, Jiaxin Zhang, Haojie Zhang, Chong Sun, Chen Li, Jing Lyu, Zhineng Chen

机构 * Institute of Trustworthy Embodied AI, Fudan University（复旦大学可信具身人工智能研究所） ； Shanghai Key Laboratory of Multimodal Embodied AI, Fudan University（复旦大学上海市多模态具身人工智能重点实验室） ； WeChat Vision, Tencent Inc.（腾讯微信视觉团队） ； South China University of Technology（华南理工大学） 纠错

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

AI总结 针对艺术字场景文本识别（WATER）的挑战，构建了百万级合成数据集WATER-S，并提出支持任意形状输入和自回归解码的WATERec模型，在WordArt-Bench上达到90.40%准确率。

Comments Accepted by ECCV 2026

EPEdit: Redefining Image Editing with Generative AI and User-Centric Design

EPEdit: 用生成式AI和以用户为中心的设计重新定义图像编辑

Hoang-Phuc Nguyen, Dinh-Khoi Vo, Trong-Le Do, Hai-Dang Nguyen, Tan-Cong Nguyen, Vinh-Tiep Nguyen, Tam V. Nguyen, Khanh-Duy Le, Minh-Triet Tran, Trung-Nghia Le

机构 * University of Science, VNU-HCM（越南胡志明市科学大学） ； Vietnam National University, Ho Chi Minh City（越南国家大学，胡志明市） ； University of Information Technology, VNU-HCM（越南胡志明市信息科技大学） ； University of Dayton（Dayton 大学） 纠错

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

AI总结 提出EPEdit应用，结合零样本Stable Diffusion模型和用户友好界面，支持多种图像编辑任务，无需微调，性能优于现有方案。

Comments SOICT 2024

S1-Omni-Image: A Unified Model for Scientific Image Understanding, Generation, and Editing

S1-Omni-Image：面向科学图像理解、生成与编辑的统一模型

Qingxiao Li, Zikai Wang, Qingli Wang, Nan Xu

机构 * XScience Lab（XScience实验室） ； Wenge AI（文阁人工智能） 纠错

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

AI总结 提出S1-Omni-Image，基于S1-VL-32B和“先思考后生成”范式，统一实现科学图像的理解、生成与编辑，在多个基准上达到领先性能。

Comments 32 pages, 15 figures

DiffusionBench: On Holistic Evaluation of Diffusion Transformers

DiffusionBench: 扩散变换器的整体评估

Xingjian Leng, Jaskirat Singh, Zhanhao Liang, Ethan Smith, Martin Bell, Aninda Saha, Yuhui Yuan, Liang Zheng

机构 * Australian National University（澳大利亚国立大学） ； Canva Research（Canva研究院） 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NanoGen统一框架，训练21个潜在扩散模型后发现ImageNet与文本到图像生成的方法排名无强相关性，因此建立DiffusionBench基准，建议同时评估两项任务。

Cyclic Denoising Reveals Ultrastable Memories in Diffusion Models

循环去噪揭示扩散模型中的超稳定记忆

Rishabh Sharma, Stefano Martiniani

机构 * Simons Center for Computational Physical Chemistry, New York University（纽约大学西蒙斯计算物理化学中心） ； Center for Soft Matter Research, Department of Physics, New York University（纽约大学物理系软物质研究中心） ； Center for Neural Science, New York University（纽约大学神经科学中心） ； Courant Institute of Mathematical Sciences, New York University（纽约大学库朗数学科学研究所） 纠错

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

AI总结 提出循环去噪方法，通过重复正向和反向扩散暴露扩散模型中的记忆化训练图像，无需梯度或提示，揭示超稳定吸引子及其隐私与版权影响。

Comments 22 pages, 7 main figures; supplementary material included. Supplementary movies available at the project webpage

Prob-BBDM: a Probabilistic Brownian Bridge Diffusion Model for MRI sequence image-to-image translation

Prob-BBDM：用于MRI序列图像到图像翻译的概率布朗桥扩散模型

Martin Valls, Pascal Bourdon, Christine Fernandez-Maloigne, Guillaume Herpe, David Helbert

机构 * University of Poitiers, CNRS, XLIM, France（波尔多大学，法国国家科学研究中心，XLIM，法国） ； University of Poitiers, CNRS, Laboratory of Applied Mathematics, France（波尔多大学，法国国家科学研究中心，应用数学实验室，法国） ； Poitiers University Hospital（波尔多大学医院） ； I3M common laboratory CNRS-Siemens Healthinners, Poitiers University Hospital and University of Poitiers, France（I3M共同实验室，法国国家科学研究中心-西门子医疗，波尔多大学医院和波尔多大学，法国） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)；image synthesis(abstract)

AI总结 提出基于概率布朗桥扩散模型（Prob-BBDM）的MRI序列图像翻译方法，通过变分编码器引导扩散机制，在BraTS 2021数据集上实现高效高质量合成，仅需4步扩散，SSIM达88.46%，PSNR达26.09 dB。

Journal ref Computerized Medical Imaging and Graphics, 2026, 130, pp.102745

EMFusion: Uncertainty-Aware Conditional Diffusion Model for Multivariate Narrow-band Exposure Forecasting

EMFusion: 一种考虑不确定性的条件扩散框架用于无线网络中频率选择性电磁场预测

Zijiang Yan, Yixiang Huang, Jianhua Pei, Hina Tabassum, Luca Chiaraviglio

机构 * department of Electrical Engineering and Computer Science, York University（电气工程与计算机科学系，约克大学） ； School of Electrical and Electronic Engineering, Huazhong University of Science and Technology（电子与电气工程学院，华中科技大学） ； Central China Branch of State Grid Corporation of China（国家电网公司中部分部） ； Department of Electronic Engineering, University of Rome Tor Vergata（罗马大学Tor Vergata电子工程系） ； Consorzio Nazionale Interuniversitario per le Telecomunicazioni (CNIT)（国家大学间电信研究会（CNIT）） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)；inpainting(abstract)

AI总结 本文提出EMFusion框架，通过整合时间、季节等上下文因素，提供不确定性估计，以提升无线网络中频率选择性电磁场预测的准确性。

Comments Accepted in IEEE Transactions on Network Science and Engineering

A Fast Solver for Interpolating Stochastic Differential Equation Diffusion Models for Speech Restoration

用于语音恢复的插值随机微分方程扩散模型的快速求解器

Bunlong Lay, Timo Gerkmann

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

AI总结 针对SGMSE+等插值扩散模型，提出一种快速求解器，仅需10次神经网络评估即可完成语音恢复任务。

FLUX3D: High-Fidelity 3D Gaussian Generation with Diffusion-Aligned Sparse Representation

FLUX3D: 基于扩散对齐稀疏表示的高保真3D高斯生成

Haorui Ji, Weizhe Liu, Hongdong Li, Hengkai Guo

机构 * The Australian National University（澳大利亚国立大学） ； ByteDance（字节跳动） 纠错

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

AI总结 提出FLUX3D框架，通过扩散对齐结构化潜变量（DA-SLAT）和稀疏结构感知扩散变压器（SMDiT）解决稀疏体素表示中高频细节丢失和跨模态对齐问题，实现高保真图像到3D高斯生成。

Co-occurring associated retained concepts in Diffusion Unlearning

扩散模型遗忘中的共现关联保留概念

Miso Kim, Georu Lee, Yunji Kim, Hoki Kim, Jinseong Park, Woojin Lee

机构 * Dongguk University-Seoul（东国大学-首尔） ； Chung-Ang University（Chung-Ang 大学） ； Korea Institute for Advanced Study（韩国高级研究院） 纠错

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

AI总结 针对扩散模型遗忘中误删良性共现概念的问题，提出CARE评分量化保留程度，并设计ReCARE框架通过自动构建CARE集实现稳健遗忘，平衡概念擦除、整体效用与共现概念保留。

Comments Accepted as a poster at ICLR 2026. Code available at https://github.com/damilab/CARE

Dual-Branch Cross-Projection Debiasing through Diffusion-based Disentanglement

基于扩散解耦的双分支交叉投影去偏

Xiangqian Zhao, Xinyang Jiang, Zhipeng Xu, Lingfeng He, Zilong Wang, Dongsheng Li, De Cheng, Nannan Wang

机构 * Xidian University（西安电子科技大学） ； Microsoft Research Asia（微软亚洲研究院） 纠错

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

AI总结 针对有偏数据下基础模型的泛化问题，提出置信引导的偏差概念挖掘（CBCM）和双分支交叉投影去偏（DCD）框架，通过扩散解耦和交叉零空间投影分离目标与虚假特征，在无组标签条件下实现最差组准确率最优。

ZeroGVC: Zero-Shot Generative Video Compression with Autoregressive Diffusion Priors

ZeroGVC：基于自回归扩散先验的零样本生成式视频压缩

Yixin Gao, Xiaohan Pan, Lin Liu, Xin Li, Zhibo Chen, Qi Tian

机构 * University of Science and Technology of China（中国科学技术大学） ； Huawei Inc（华为公司） 纠错

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

AI总结 提出ZeroGVC，一种零样本生成式视频压缩框架，利用预训练自回归扩散先验，通过码本引导的自回归潜压缩和双向参考模式，在超低码率下实现高质量感知重建，无需额外训练。

Diffusion Integrated Gradients: Controllable Path Generation for Flexible Feature Attribution

扩散积分梯度：用于灵活特征归因的可控路径生成

Soyeon Kim, Kyowoon Lee, Jaesik Choi

机构 * KAIST（韩国科学技术院） ； Ajou University（亚洲大学） ； INEEJI Corp.（INEEJI公司） 纠错

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

AI总结 提出扩散积分梯度（DiffIG），通过扩散模型生成路径并嵌入用户引导，实现灵活可控的特征归因，在定量和定性上优于现有方法。

Comments 44 pages, 22 figures, 10 tables. Accepted to ECCV 2026; includes appendix

HilDA: Hierarchical Distillation with Diffusion for Advancing Self-Supervised LiDAR Pre-training

HilDA：利用扩散的分层蒸馏推进自监督LiDAR预训练

Maciej Wozniak, Jesper Ericsson, Hariprasath Govindarajan, Truls Nyberg, Thomas Gustafsson, Patric Jensfelt, Olov Andersson

机构 * KTH Royal Institute of Technology（瑞典皇家理工学院） ； Linköping University（林雪平大学） ； TRATON AB（TRATON公司） ； Qualcomm Auto Ltd Sweden Filial（高通汽车有限公司瑞典分公司） 纠错

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

AI总结 提出HilDA框架，通过分层蒸馏（多层蒸馏和全局上下文蒸馏）结合时间占用扩散目标，自监督预训练LiDAR骨干网络，在3D检测、场景流和语义占用预测任务上达到最先进水平。

Comments Accepted to ECCV 2026. Maciej and Jesper contributed equally

D3Seg: Dependency-Aware Diffusion for Brain Tumor Segmentation with Missing Modalities

D3Seg: 依赖感知的扩散模型用于缺失模态的脑肿瘤分割

Danish Ali, Ajmal Mian, Naveed Akhtar, Ghulam Mubashar Hassan

机构 * The University of Western Australia（西澳大学） ； The University of Melbourne（墨尔本大学） 纠错

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

AI总结 本文提出D3Seg模型，通过多跳模态图融合、轻量扩散插补机制和概率空间决策细化，解决缺失MRI模态下的脑肿瘤分割问题，提升分割性能并保持计算效率。

Emotion Diffusion Classifier with Adaptive Margin Discrepancy Training for Facial Expression Recognition

具有自适应间隔差异训练的情感扩散分类器用于面部表情识别

Rongkang Dong, Cuixin Yang, Cong Zhang, Yushen Zuo, Kin-Man Lam

机构 * Department of Electrical and Electronic Engineering, The Hong Kong Polytechnic University（香港理工大学电子与电气工程系） ； School of Control Science and Engineering, Shandong University（山东大学控制科学与工程学院） 纠错

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

AI总结 提出基于条件生成扩散模型的情感扩散分类器（EmoDC），通过自适应间隔差异训练（AMDiT）动态调整间隔，提升噪声预测判别能力，在面部表情识别中优于现有判别模型。

Prediction of spatio-temporal data on meshed surfaces using advection-diffusion SPDEs

基于平流-扩散SPDE的网格表面时空数据预测

Mike Pereira, Lucia Clarotto, Nicolas Desassis

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出基于随机偏微分方程（SPDE）的网格表面时空数据统计模型，通过Galerkin离散化实现可扩展的高斯随机场模拟与预测，并应用于球面模拟数据和全球气溶胶光学厚度实例。

Audio-visual Contrastive Alignment for Diffusion-based Visual-conditioned Speech Enhancement

基于扩散的视觉条件语音增强中的音视频对比对齐

Colombe Mboungou, Mostafa Sadeghi, Jean-Eudes Ayilo, Romain Serizel

机构 * Université de Lorraine, CNRS, Inria, Loria, Nancy, France（洛林大学、法国国家科学研究中心、法国国家信息与自动化研究所、Loria研究所、法国南希） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出在扩散训练目标中加入对比音视频损失，增强视觉信息利用，提升语音增强性能，尤其在低信噪比下改善显著。

Journal ref INTERSPEECH, Sep 2026, Sydney, Australia

Grounding Generative Policies in Physics: Optimization-Guided Diffusion for Robot Control

将生成式策略基于物理：面向机器人控制的优化引导扩散

Sabrina Bodmer, René Zurbrügg, Tifanny Portela, Hao Ma, Alexandre Didier, Marco Hutter, Colin Jones, Melanie Zeilinger

机构 * ETH Zurich（苏黎世联邦理工学院） ； EPFL（洛桑联邦理工学院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出推理时优化框架，通过将扩散引导建模为约束优化问题，在采样中施加物理可行性约束，无需重训练即可提升机器人任务成功率。

The Geometry Behind Diffusion and Flow Matching: Gradient Flows and Geodesics in Wasserstein Space

扩散与流匹配背后的几何：Wasserstein空间中的梯度流与测地线

Yian Yao, Weiwei Zhang

机构 * mortal world（尘世） ； heaven（天堂） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文揭示扩散模型和流匹配模型共享Wasserstein流形几何：扩散对应自由能梯度流的JKO离散化，流匹配对应Benamou-Brenier测地线，两者沿不同路径到达相同端点。

Catastrophic Compositional Generation: Why Vanilla Diffusion Models Fail to Extrapolate

灾难性组合生成：为什么普通扩散模型无法外推

Duncan Soiffer, Chandler Squires, Yuan Guan, Jason Hartford, Pradeep Ravikumar

机构 * Machine Learning Department, Carnegie Mellon University（卡内基梅隆大学机器学习系） ； Valence Labs ； Department of Computer Science, University of Manchester（曼彻斯特大学计算机科学系） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文论证普通条件扩散模型在组合生成任务中常不可行，通过理论泛化论证和实验表明，当目标分布超出源分布范围时，分数估计误差会导致灾难性性能下降。

ARIA: Adaptive Region-Based Importance Allocation for Conditional Diffusion Distillation

ARIA: 基于自适应区域重要性分配的条件扩散蒸馏

Loay Mualem, Vinh Tong, Samir Darouich, Mathias Niepert

机构 * Institute for AI, University of Stuttgart（斯图加特大学人工智能研究所） ； IMPRS-IS（国际马克斯·普朗克智能系统研究学院） ； Institute of Theoretical Chemistry, University of Stuttgart（斯图加特大学理论化学研究所） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出ARIA框架，通过在线估计教师-学生差异，自适应分配训练资源到条件空间的不同区域，提升条件扩散模型蒸馏效率，尤其对未见和欠表示条件效果显著。

Comments 26 pages, 11 figures

Beyond the Autoregressive Horizon: A Comprehensive Survey of Diffusion Models, World Modelling, and State Space Models for Code

超越自回归视野：扩散模型、世界模型和状态空间模型在代码领域的综合综述

Kishan Maharaj, Ashita Saxena, Srikanth Tamilselvam

机构 * IBM 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 综述扩散模型、代码世界模型和状态空间模型在代码生成中的潜力，以克服自回归模型在全局规划、长程依赖和执行语义方面的局限，并展望“系统2”代码生成智能体。

Comments 14 Pages, 1 Table, 1 Figure

Certified Reachable Sets for Nonlinear Reaction--Diffusion Systems

非线性反应-扩散系统的认证可达集

Mohamed Amine Ouchdiri, Mohamed Maghenem, Saad Benjelloun, Adnane Saoud

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对含参数不确定性的非线性反应-扩散PDE，提出结合有限元法、本征正交分解和基于集合的可达性分析框架，量化各阶段近似误差，得到原PDE可达集的过近似。

Delay-Penalty Comparison for Sequential Testing and Quickest Detection in State-Dependent Diffusion Models

状态依赖扩散模型中序贯检验与最快检测的延迟惩罚比较

Ye Liang

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对漂移在两种状态间切换且信噪比依赖当前观测的扩散过程，提出基于滤波框架的序贯检验与最快检测方法，建立延迟惩罚比较原理，证明点态更大的运行延迟惩罚会缩小停止区域并导致更早停止。

Teaching Diffusion to Speculate Left-to-Right

教导扩散模型从左到右推测

Lexington Whalen, Yuki Ito, Ryo Sakamoto

机构 * Lexington Whalen ； Yuki Ito ； Ryo Sakamoto 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对自回归解码的推理瓶颈，提出三种训练时干预方法（位置加权、首次错误焦点损失、链损失）来弥合块扩散草稿模型的双向生成与自回归目标模型从左到右验证之间的不对称性，显著提升接受草稿长度。

Comments 13 pages, technical report

Ion-Specific Anomalous Water Diffusion in Aqueous Electrolytes: A Machine-Learned Many-Body Force Field Study with MACE

具有离子特异性的水异常扩散在水合电解质中的研究：基于MACE的机器学习多体力场研究

Massimo Ciacchi, Ilnur Saitov, Nico Di Fonte, Isabella Daidone, Carlo Pierleoni

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究通过机器学习多体力场模拟揭示了水在电解质溶液中的离子特异性异常扩散现象，改进了NaCl溶液的模拟结果，揭示了离子水合壳层对水扩散的影响机制。

Comments 26 pages, 24 figures