图像生成

Qwen-Image-Agent: Bridging the Context Gap in Real-World Image Generation

Qwen-Image-Agent：弥合真实世界图像生成中的上下文差距

Zekai Zhang, Jiahao Li, Jie Zhang, Kaiyuan Gao, Kun Yan, Lihan Jiang, Ningyuan Tang, Shengming Yin, Tianhe Wu, Xiaoyue Chen, Xiao Xu, Yan Shu, Yanran Zhang, Yixian Xu, Yuxiang Chen, Zhendong Wang, Zihao Liu, Zikai Zhou, Huishuai Zhang, Dongyan Zhao, Chenfei Wu

机构 * Qwen-Image-Agent: Bridging the Context Gap in Real-World Image Generation（Qwen-Image-Agent：弥合现实世界图像生成中的上下文缺口） 纠错

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

AI总结 提出Qwen-Image-Agent框架，通过上下文感知规划和上下文接地，整合规划、推理、搜索、记忆和反馈，弥合用户上下文与生成上下文之间的差距，在IA-Bench等基准上达到最优性能。

MeDUET: Disentangled Unified Pretraining for 3D Medical Image Synthesis and Analysis

MeDUET：面向3D医学图像合成与分析的解耦统一预训练

Junkai Liu, Ling Shao, Le Zhang

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

AI总结 提出MeDUET框架，在变分自编码器潜在空间中通过解耦学习域不变内容因子和域特定风格因子，统一3D医学图像合成与分析任务，提升合成质量、收敛速度和域泛化能力。

Faraday Tomography with the SKA: A New Era of Cosmic Magnetism Studies

SKA的法拉第层析成像：宇宙磁学研究的新时代

Miguel Carcamo, Anna M. M. Scaife, Jeroen Stil, Russ Taylor, Jennifer L. West, Tessa Vernstrom

专题命中 文生图 ：image synthesis(abstract)

AI总结 本文综述了SKA通过法拉第旋转和法拉第测量合成技术研究宇宙磁场的能力，重点介绍了AA4阶段的配置及其在星系、星系团和宇宙网中高分辨率法拉第层析成像的应用。

Comments Published in Advancing Astrophysics with the SKA II (AASKAII), 2026 (arXiv:2606.20366). Report-no:AASKAII/Carcamo01. Advancing Astrophysics with the SKA II (AASKAII) outlines the transformative scientific advances that will be enabled by the SKA telescopes

Edit-R2: Context-Aware Reinforcement Learning for Multi-Turn Image Editing

Edit-R2：面向多轮图像编辑的上下文感知强化学习

Yuxiao Ye, Haoran He, Fangyuan Kong, Xintao Wang, Pengfei Wan, Kun Gai, Ling Pan

机构 * Hong Kong University of Science and Technology（香港理工大学） ； Kuaishou Technology（快手科技） 纠错

专题命中 图像编辑 ：image editing(title,abstract)；image generation(abstract)；diffusion(abstract)

AI总结 提出Edit-R2框架，通过重构会话意图和联合优化推理与生成的强化学习，解决多轮图像编辑中的长上下文稀释和状态污染问题，并在MICE-Bench基准上取得领先性能。

UniGeo: Unifying Geometric Guidance for Camera-Controllable Image Editing via Video Models

UniGeo：通过视频模型统一几何指导以实现相机可控的图像编辑

Hong Jiang, Wensong Song, Zongxin Yang, Ruijie Quan, Yi Yang

机构 * ReLER, CCAI, Zhejiang University（ReLER、CCAI、浙江大学） ； DBMI, HMS, Harvard University（DBMI、HMS、哈佛大学） 纠错

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

AI总结 UniGeo通过统一的几何指导在三个层面提升相机可控图像编辑的几何一致性与视觉质量，克服传统方法在连续相机运动下的几何漂移和结构退化问题。

SpatialFlow-GRPO: Where Spatial Credit Drives Image Editing

SpatialFlow-GRPO：空间信用驱动图像编辑

Yankai Yang, Yancheng Long, Wei Chen, Xingyu Lu, Hongyang Wei, Bin Wen, Fan Yang, Tingting Gao, Han Li, Shuo Yang

机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Kuaishou Technology（快手科技） 纠错

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

AI总结 提出SpatialFlow-GRPO框架，通过引入空间细粒度奖励反馈，将区域感知奖励转化为语义区域级优化信号，解决图像编辑中空间均匀性假设问题，显著提升编辑质量。

PhyEditBench: A Real-World Multi-Stage Benchmark for Physics-Aware Image Editing

PhyEditBench: 一个用于物理感知图像编辑的真实世界多阶段基准

Shengbin Guo, Shaokang He, Chaoyue Meng, Shengpeng Xiao, Xunzhi Xiang, Shaofeng Zhang, Qi Fan

机构 * Nanjing University（南京大学） ； SDU（山东大学） ； HRBEU（哈尔滨工程大学） ； SDUTCM（山东中医药大学） ； USTC（中国科学技术大学） 纠错

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

AI总结 提出PhyEditBench基准，通过分层分类和真实/反物理实例评估编辑模型的物理理解能力，并引入训练无关基线PhyWorld利用视频生成推理。

Comments 19 pages, 6 figures, 2 tables. Accepted to ECCV 2026

When the Prompt Becomes Visual: Vision-Centric Jailbreak Attacks for Large Image Editing Models

当提示变为视觉：面向大型图像编辑模型的以视觉为中心的越狱攻击

Jiacheng Hou, Yining Sun, Ruochong Jin, Haochen Han, Fangming Liu, Wai Kin Victor Chan, Alex Jinpeng Wang

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

AI总结 提出首个视觉到视觉的越狱攻击VJA，通过纯视觉输入传递恶意指令，并构建安全基准IESBench，在商业模型上攻击成功率高达80.9%，同时提出无需训练的内省多模态推理防御方法。

Comments Accepted for spotlight and oral presentation at ICML 2026 (Project: https://csu-jpg.github.io/vja.github.io/)

MIRAGE: Protecting against Malicious Image Editing via False Moderation

MIRAGE: 通过虚假审核保护图像免受恶意编辑

Anshul Nasery, Ramnath Kumar, Cho-Jui Hsieh, Sewoong Oh

专题命中 图像编辑 ：image editing(title,abstract)

AI总结 提出MIRAGE方法，通过对抗性扰动使审核分类器将图像标记为违规，从而阻止AI图像编辑，无需模型权重或提示，在商业API上成功率超88%。

OSOR: One-Step Diffusion Inpainting for Effect-Aware Object Removal

OSOR: 一步扩散修复用于效果感知的对象移除

Qinming Zhou, Chenxi Sun, Deyang Kong, Junhao He, Xiangheng Tang, Peike Yu, Haotian Wu, Leilei Cao, Linfeng Zhang

机构 * Shanghai Jiao Tong University（上海交通大学） ； Tsinghua University（清华大学） ； Xidian University（西安电子科技大学） ； Tongji University（同济大学） ； University of Electronic Science and Technology of China（电子科技大学） ； Transsion（传音控股） 纠错

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

AI总结 提出一步扩散模型OSOR，通过占用引导判别器、alpha头和语义锚定验证管道，实现高效、效果感知且对不完美掩码鲁棒的对象移除，速度提升4-30倍。

Comments Code and resources are available at https://github.com/Zhouqm-Git/osor

Monocular Avatar Reconstruction via Cascaded Diffusion Priors and UV-Space Differentiable Shading

基于级联扩散先验和UV空间可微分着色的单目虚拟人重建

Hong Li, Minqi Meng, Yanjun Liang, Chongjie Ye, Houyuan Chen, Weiqing Xiao, Xianda Guo, Guojun Lei, Xuhui Liu, Chaojie Yang, Yanlun Peng, Hao Zhao, Baochang Zhang

机构 * Beihang University（北航） ； Great Wall Motors（长城汽车） ； CUHK-Shenzhen（香港科技大学深圳研究院） ； HKUST（香港科技大学） ； Nanjing University（南京大学） ； Wuhan University（武汉大学） ； Zhejiang University（浙江大学） ； KAUST（王国 Abdullah 基础科学研究院） ； Tsinghua University（清华大学） 纠错

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

AI总结 提出数据高效框架，利用统一预训练扩散模型的鲁棒先验，通过级联LoRA依次处理纹理补全、去光照和材质分解，结合UV空间可微分BRDF着色损失，从单张野外图像重建高保真可重光照3D虚拟人。

Comments Accepted by ECCV 2026. Project page: https://luh1124.github.io/MARCUS-Avatar-Projectpage/

Class-frequency Guided Noise Schedule for Diffusion Models

面向扩散模型的类别频率引导噪声调度

Jiequan Cui, Beier Zhu, Qingshan Xu, Xiaojuan Qi, Bei Yu, Hanwang Zhang

机构 * Hefei University of Technology（合肥工业大学） ； University of Science and Technology of China（中国科学技术大学） ； The University of Hong Kong（香港大学） ； The Chinese University of Hong Kong（香港中文大学） ； Nanyang Technological University（南洋理工大学） 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 针对低频类别在扩散模型中因低密度区域导致评分估计不准和生成质量差的问题，提出类别频率引导的噪声调度（CFRG），为低频类别分配更大尺度噪声，在CIFAR-100-LT和ImageNet-LT上显著提升生成质量。

Comments technical report

Parallel Rollout Approximation for Pixel-Space Autoregressive Image Generation

像素空间自回归图像生成的并行展开近似

Jiayi Xu, Di He, Guolin Ke

机构 * Peking University（北京大学） ； DP Technology 纠错

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

AI总结 提出并行展开近似(PRA)框架，通过生成低维中间状态并映射回像素令牌，解决像素空间连续令牌自回归生成中高维补丁误差大和训练-推理差距问题，在ImageNet-1K上以135M参数实现FID 2.58，511M参数达到1.94，创像素空间AR模型新纪录。

StableMotion: One-Step Motion Estimation with Diffusion Prior

StableMotion: 基于扩散先验的单步运动估计

Ziyi Wang, Haipeng Li, Lin Sui, Tianhao Zhou, Hai Jiang, Lang Nie, Bing Zeng, Shuaicheng Liu

机构 * Yingcai Honors College, University of Electronic Science and Technology of China（电子科技大学英才实验学院） ； School of Information and Communication Engineering, University of Electronic Science and Technology of China（电子科技大学信息与通信工程学院） ； Paradigm Inc.（第四范式） ； School of Aeronautics and Astronautics, Sichuan University（四川大学航空航天学院） ； School of Artificial Intelligence, Chongqing University of Posts and Telecommunications（重庆邮电大学人工智能学院） 纠错

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

AI总结 提出StableMotion框架，利用预训练图像扩散模型的几何和内容先验，通过自适应集成策略和单步推理设计，在图像矫正任务中实现高效、高保真的运动估计。

An Expectation-Maximization Algorithm for Training Clean Diffusion Models from Corrupted Observations

一种从损坏观测中训练清洁扩散模型的期望最大化算法

Weimin Bai, Yifei Wang, Wenzheng Chen, He Sun

机构 * Academy for Advanced Interdisciplinary Studies, Peking University（北京大学前沿交叉学科研究院） ； College of Future Technology, Peking University（北京大学未来技术学院） ； National Biomedical Imaging Center, Peking University（北京大学国家生物医学成像中心） ； Yuanpei College, Peking University（北京大学元培学院） ； State Key Laboratory of Multimedia Information Processing, Peking University（北京大学多媒体信息处理国家重点实验室） 纠错

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

AI总结 提出EMDiffusion，一种期望最大化方法，通过交替重建和模型更新从损坏观测中训练扩散模型，在多种成像逆任务上达到新最优。

Qwen-Image-2.0-RL Technical Report

Qwen-Image-2.0-RL 技术报告

Yixian Xu, Kaiyuan Gao, Yuxiang Chen, Yilei Chen, Zecheng Tang, Zihao Liu, Zikai Zhou, Deqing Li, Hao Meng, Kuan Cao, Jiahao Li, Jie Zhang, Liang Peng, Lihan Jiang, Ningyuan Tang, Shengming Yin, Tianhe Wu, Xiaoyue Chen, Yan Shu, Yanran Zhang, Yi Wang, Yu Wu, Yujia Wu, Zekai Zhang, Zhendong Wang, Xiao Xu, Kun Yan, Chenfei Wu

专题命中 扩散模型 ：image generation(abstract)；text-to-image(abstract)；diffusion(abstract)；image editing(abstract)

AI总结 提出基于强化学习与在线蒸馏的后训练流程，通过复合奖励模型和GRPO框架提升扩散模型的视觉质量与指令遵循能力，在多个基准上取得显著提升。

Comments 16 pages, 6 figures, 1 table

Diffusion Model Attribution via Spectral Coupling of Denoiser Responses

通过去噪器响应的谱耦合进行扩散模型归因

Pragati Shuddhodhan Meshram, Varun Chandrasekaran

机构 * Department of Electrical and Computer Engineering（电气与计算机工程系） 纠错

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

AI总结 提出谱去噪签名（SDS）方法，通过分析去噪过程中的谱几何特性，实现高精度非侵入式扩散模型归因，准确率达99.9%。

Mind the Gap: Quantifying the Domain Gap in Cross-Sensor Diffusion Super-Resolution

注意差距：量化跨传感器扩散超分辨率中的域差距

Dawid Kopeć, Katarzyna Jabłońska, Wojciech Kozłowski, Maciej Zięba

机构 * WUST（弗罗茨瓦夫科技大学） ； Tooploox 纠错

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

AI总结 针对跨传感器超分辨率中合成数据与真实数据之间的域差距，首次系统研究其对扩散模型的影响，提出域自适应感知指标LPIPS-Sat，并揭示合成训练与真实训练的双重挑战。

Comments 26th International Conference on Computational Science

Latent Visual Diffusion Reasoning with Monte Carlo Tree Search

潜在视觉扩散推理与蒙特卡洛树搜索

Xirui Teng, Nan Xi, Junsong Yuan

机构 * Beijing Jiaotong University（北京交通大学） ； Virginia Commonwealth University（弗吉尼亚联邦大学） ； University at Buffalo（布法罗大学） 纠错

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

AI总结 提出LVDR框架，结合关键点引导的蒙特卡洛树搜索，实现细粒度技能活动的可解释视觉推理，在多个体育和手术数据集上取得竞争性表现。

Comments Accepted to ECCV 2026. Project page: https://github.com/XiruiTeng/LVDR_Official.git

PixelU: A U-Shaped Transformer for Efficient End-to-End Pixel Diffusion

PixelU: 一种用于高效端到端像素扩散的U形Transformer

Zipeng Guo, Lichen Ma, Yu He, Xiaolong Fu, Jingling Fu, Junshi Huang, Yan Li

机构 * Xi’an Jiaotong University（西安交通大学） 纠错

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

AI总结 提出PixelU，一种极简单阶段U形扩散Transformer，通过零成本跳跃连接和恒通道空间下采样解耦高低频建模，在ImageNet上以约1/3计算成本超越强基线JiT-G。

GeoFace: Consistent Multi-View Face Generation with Geometry-Constrained Diffusion

GeoFace: 基于几何约束的一致多视角人脸生成扩散模型

Yeji Choi, Jinhyeok Choi, Jaewon Min, Minkyung Kwon, Jin Hyeon Kim, Seungryong Kim

机构 * KAIST AI（韩国科学技术院人工智能研究所） 纠错

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

AI总结 提出GeoFace，一种几何约束的多视角扩散框架，通过外观与几何流的共享注意力层和几何引导注意力对齐损失，实现从单张输入生成一致的多视角人脸图像和3D几何，显著提升跨视角几何一致性。

DIVER: Reinforced Diffusion Breaks Imitation Bottlenecks in End-to-End Autonomous Driving

DIVER：强化扩散突破端到端自动驾驶的模仿瓶颈

Ziying Song, Lin Liu, Hongyu Pan, Bencheng Liao, Mingzhe Guo, Lei Yang, Yongchang Zhang, Shaoqing Xu, Caiyan Jia, Yadan Luo

机构 * School of Artificial Intelligence (School of Software), Yanshan University（燕山大学人工智能学院（软件学院）） ； Beijing Key Laboratory of Traffic Data Mining and Embodied Intelligence, School of Computer Science and Technology, Beijing Jiaotong University（北京交通大数据挖掘与具身智能关键实验室，北京交通大学计算机科学与技术学院） ； Horizon Robotics（地平线机器人） ； School of Mechanical and Aerospace Engineering, Nanyang Technological University（南洋理工大学机械与航空航天工程学院） ； University of Macau（澳门大学） ； School of Electrical Engineering and Computer Science, The University of Queensland（昆士兰大学电子工程与计算机科学学院） 纠错

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

AI总结 DIVER通过融合强化学习与扩散生成，生成多样化可行轨迹，提升自动驾驶的泛化能力，解决模仿学习中的模式崩溃问题。

Comments 17 pages, 10 figures

SHIFT: Motion Alignment in Video Diffusion Models with Adversarial Hybrid Fine-Tuning

SHIFT: 视频扩散模型中的运动对齐与对抗混合微调

Xi Ye, Wenjia Yang, Yangyang Xu, Xiaoyang Liu, Duo Su, Mengfei Xia, Jun Zhu

机构 * Tsinghua University（清华大学） ； Ant Group（蚂蚁集团） ； University of Chinese Academy of Science（中国科学院大学） 纠错

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

AI总结 针对视频扩散模型微调后运动保真度下降的问题，提出基于像素通量动力学的像素运动奖励和SHIFT框架（平滑混合微调），通过对抗优势改进收敛并缓解奖励黑客，有效解决动态度坍塌。

Comments Accepted by ECCV2026

Transition from Diffusion to Drift-Dominated Cosmic Ray Transport and the Origin of the Knee

从扩散到漂移主导的宇宙线传输转变及膝的起源

Luis Enrique Espinosa Castro, Carmelo Evoli, Pasquale Blasi

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 通过测试粒子模拟，研究银河磁场中扩散与漂移的竞争如何导致宇宙线能谱的膝结构，发现平行扩散系数在高能下能量无关时，漂移主导可在PeV能区产生膝。

Comments Comments are welcome, 15 pages, 8 figures

Disentangling Continuous-Time Latent Dynamics: Identifiability of Latent SDEs via Diffusion Shifts

解缠连续时间潜在动力学：通过扩散偏移实现潜在SDE的可辨识性

Yuanyuan Wang, Wenjie Wang, Haoxuan Li, Mingming Gong, Kun Zhang

机构 * Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； The University of Melbourne（墨尔本大学） ； Peking University（北京大学） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对连续时间潜在随机微分方程模型的可辨识性问题，利用环境引起的扩散协方差偏移，证明在漂移无稀疏性假设下，对角扩散机制可识别潜在坐标至置换和缩放，并估计潜在解缠与因果图。

Beyond Sparse Supervision: Diffusion-Guided Learning for Few-Shot Graph Fraud Detection

超越稀疏监督：扩散引导学习用于少样本图欺诈检测

Liming Liu, Chao Hu, Mingfei Lu, Yiwei Ge, Xingle Li, Heyuan Shi

机构 * Central South University（中南大学） ； University of Technology Sydney, Australian Artificial Intelligence Institute（悉尼科技大学，澳大利亚人工智能研究所） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对图欺诈检测中标签稀疏不平衡和表示稀释问题，提出ADC-GNN框架，结合扩散引导特征增强、对比学习和多跳谱注意力，在1%训练数据下显著提升检测性能。

RS-Diffuser: Risk-Sensitive Diffusion Planning with Distributional Value Guidance

RS-Diffuser: 基于分布价值引导的风险敏感扩散规划

Shiqiang Gong

机构 * Northwestern Polytechnical University（西北工业大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出RS-Diffuser，一种结合扩散轨迹生成与分布价值评论家的风险敏感离线规划框架，通过尾部感知目标引导去噪过程，实现灵活的风险偏好行为，在风险敏感D4RL和机器人导航基准上达到最优性能。

Comments ICIC 2026 Oral

Bifocal Diffusion Language Models: Asymmetric Bidirectional Context for Parallel Generation

双焦扩散语言模型：用于并行生成的非对称双向上下文

Yuhang Chen, Xianfeng Wu, Jinhao Duan, Mingfu Liang, Xiaohan Wei, Yunchen Pu, Fei Tian, Chonglin Sun, Parish Aggarwal, Frank Shyu, Luke Simon, Sandeep Pandey, Xi Liu, Tianlong Chen

机构 * Meta AI ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出双焦扩散语言模型R2LM，通过非对称双向上下文（因果注意力+反向Mamba）解决双向注意力与KV缓存不兼容问题，实现并行生成中2.4-12.9倍吞吐提升。

Speculative Refinement: A Hybrid Autoregressive Diffusion Decoding Strategy and Its Behavior Across Benchmarks

推测性精炼：一种混合自回归扩散解码策略及其跨基准测试的行为

Aditi Gupta, Neel Mishra, Kushagra Trivedi, Pawan Kumar

机构 * IIIT Hyderabad 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出推测性精炼（SpecRef），一种无需训练的混合解码方法，通过熵引导选择性掩码从自回归草稿启动掩码扩散模型，并在六个基准上揭示代码基准的结构性混淆、精炼张力现象、似然与生成评估排名差异及后处理问题。

Comments 7 pages + 2 pages References

VGB for Masked Diffusion Model: Efficient Test-time Scaling for Reward Satisfaction and Sample Editing

VGB用于掩码扩散模型：面向奖励满足和样本编辑的高效测试时扩展

Kijung Jeon, Thuy-Duong Vuong, Molei Tao

机构 * Georgia Tech（佐治亚理工学院） ； UCSD（加州大学圣地亚哥分校） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出MDM-VGB，一种结合奖励引导重掩码的离散扩散采样器，通过扩展回溯随机游走到掩码状态图，实现高效高奖励生成和低奖励样本修复，理论上具有二次复杂度且对过程验证器噪声鲁棒。

Comments 72 pages