图像生成

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。

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。

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/)

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。

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

Diffusion Model-Based Data Assimilation for Real-World Energy Consumption Forecasting

集成得分滤波用于真实数据能耗预测修正

Ruoyu Hu, Dahai Yu, Feng Bao, Guang Wang, Guannan Zhang

机构 * University of Science and Technology of China（中国科学技术大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对真实能耗数据的高维数据同化问题，采用集成得分滤波器（EnSF）结合预训练黑箱时空预测模型，通过基于得分的扩散模型和闭式得分表示修正预测轨迹，实验表明EnSF优于开环传播和集成卡尔曼滤波。

A Gaussian Perspective for Distributional Discrepancy in Generative Diffusion Models

生成扩散模型中分布差异的高斯视角

Qiang Sun, H. Vincent Poor, Wenyi Zhang

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出一种解析方法量化优化生成扩散模型的分布差异，针对多元高斯源推导闭合演化轨迹和KL散度，通过变分法最小化主导项得到切线律噪声调度，并证明高斯源的极值性质，最后利用解析KL散度优化预训练模型的时间离散化策略。

Comments v2: New theoretical analysis establishes the Gaussian case as a fundamental baseline necessary for studying the diffusion mechanism

Existence and Smoothing Effects for a Degenerate Diffusion from Plasma Instability Theory

等离子体不稳定性理论中退化扩散的存在性与光滑化效应

William Porteous, Irene M. Gamba, Kun Huang

专题命中 扩散模型 ：diffusion(title)

AI总结 针对半线上由等离子体波准线性理论导出的退化抛物方程，在加权L^p初值和有界强迫项下证明弱解的存在性，并利用Bénilan-Crandall不等式揭示解的正时间光滑化机制，包括空间Hölder连续性和局部Lipschitz性。

MPFlow: Multi-modal Posterior-Guided Flow Matching for Zero-Shot MRI Reconstruction

MPFlow: 多模态后验引导的流匹配用于零样本MRI重建

Seunghoi Kim, Chen Jin, Henry F. J. Tregidgo, Matteo Figini, Daniel C. Alexander

机构 * 1 Hawkes Institute, UCL \, 2 Dept. of Medical Physics ； Biomedical Engineering, UCL 3 Dept. of Computer Science, UCL 4 Centre for AI, DS\&AI, AstraZeneca, UK 纠错

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

AI总结 提出MPFlow框架，利用自监督预训练PAMRI学习跨模态共享表示，在推理时通过数据一致性和特征对齐引导采样，减少幻觉并提升零样本MRI重建效率。

RAE-NWM: Navigation World Model in Dense Visual Representation Space

RAE-NWM：密集视觉表示空间中的导航世界模型

Mingkun Zhang, Wangtian Shen, Fan Zhang, Haijian Qin, Zihao Pei, Ziyang Meng

机构 * Department of Precision Instrument, Tsinghua University（清华大学精密仪器系） ； University of Rochester（罗切斯特大学） ； Beijing Information Science and Technology University（北京信息科技大学） 纠错

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

AI总结 提出RAE-NWM，在密集视觉表示空间中使用条件扩散Transformer建模导航动态，提升结构稳定性和动作精度，从而改善下游规划与导航。

Comments Code is available at: https://github.com/20robo/raenwm

Learning Stochastic Bridges for Video Object Removal via Video-to-Video Translation

通过视频到视频翻译学习随机桥接用于视频对象移除

Zijie Lou, Xiangwei Feng, Jiaxin Wang, Jiangtao Yao, Fei Che, Tianbao Liu, Chengjing Wu, Xiaochao Qu, Luoqi Liu, Ting Liu

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

AI总结 提出基于随机桥接模型的视频到视频翻译框架，利用输入视频的结构先验引导对象移除，并通过自适应掩码调制策略平衡背景保真度与生成灵活性，显著提升视觉质量和时间一致性。

Comments Accepted by ICML2026

Instant Expressive Gaussian Head Avatars at Over 100 FPS

即时表达性高斯头部虚拟化身，帧率超过100 FPS

Kaiwen Jiang, Xueting Li, Seonwook Park, Ravi Ramamoorthi, Shalini De Mello, Koki Nagano

机构 * University of California, San Diego（加州大学圣地亚哥分校） ； NVIDIA（英伟达） 纠错

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

AI总结 提出一种前馈编码器流水线，将单张野外图像转换为3D一致、快速且富有表现力的可动画化表示，通过轻量级局部融合策略实现高动画表现力，运行速度达107.31 FPS。

Comments Project website is https://research.nvidia.com/labs/amri/projects/instant4d

ELF: Embedded Language Flows

ELF：嵌入式语言流

Keya Hu, Linlu Qiu, Yiyang Lu, Hanhong Zhao, Tianhong Li, Yoon Kim, Jacob Andreas, Kaiming He

机构 * MIT（麻省理工学院） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出ELF，一种基于连续时间流匹配的连续嵌入空间扩散模型，通过最小调整即可在离散领域有效工作，实验显示其在生成质量与采样步骤上优于现有模型。

Comments Tech report. arXiv v2: add distillation results in Appendix B. https://linlu-qiu.github.io/assets/html/elf_pd.html

Interaction with the Environment via Random Matrices and the Emergence of Classical Field Theory

通过随机矩阵与环境相互作用及经典场论的出现

Alexey A. Kryukov

专题命中 扩散模型 ：diffusion(abstract)

AI总结 将经典粒子动力学的随机矩阵框架扩展到量子场，证明经典场方程可从薛定谔动力学的切向分量涌现，无需相干态或非幺正坍缩。

Adaptive Probability Flow Residual Minimization for High-Dimensional Fokker-Planck Equations

高维Fokker-Planck方程的自适应概率流残差最小化方法

Xiaolong Wu, Qifeng Liao

机构 * School of Information Science and Technology, ShanghaiTech University（信息科学与技术学院，上海科技大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出自适应概率流残差最小化（A-PFRM）方法，通过将二阶FP方程转化为一阶连续性方程并利用Hutchinson迹估计实现GPU上的维度无关训练，结合自适应采样策略，有效求解高维FP方程。

Distinguishing Kilonovae from Binary Neutron Star and Neutron Star-Black Hole Mergers

区分双中子星与中子星-黑洞并合产生的千新星

Ish Gupta, Yugesh Bhoge, Rahul Kashyap, Mukul Bhattacharya

专题命中 扩散模型 ：diffusion(abstract)

AI总结 通过模拟和半解析光变曲线，发现千新星峰值后光度衰减率可区分双中子星与中子星-黑洞并合，其中蓝波段衰减更快。

Comments 9 pages, 5 figures, 1 table + Appendix

MolFORM: Multi-modal Flow Matching for Structure-Based Drug Design

MolFORM：基于多模态流匹配的结构药物设计

Jie Huang, Daiheng Zhang

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出MolFORM框架，利用多流匹配联合建模离散原子类型和连续3D坐标，并通过基于直接偏好优化的偏好引导微调提升生成质量，在多个评估指标上取得一致改进。

Comments Accepted to ICML 2025 genbio workshop

Learning Peer Influence Probabilities with Linear Contextual Bandits

使用线性上下文赌博机学习同伴影响概率

Ahmed Sayeed Faruk, Mohammad Shahverdikondori, Elena Zheleva

机构 * University of Illinois Chicago（伊利诺伊大学芝加哥分校） ； École Polytechnique Fédérale de Lausanne（洛桑联邦理工学院） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 针对网络环境中同伴影响概率的异质性问题，提出基于线性上下文赌博机的在线学习框架，揭示遗憾最小化与估计误差之间的权衡，并设计可调参数的不确定性引导探索算法实现任意权衡点。

Journal ref In Proceedings of the 32nd ACM SIGKDD Conference on Knowledge Discovery and Data Mining V.2 (KDD '26), August 09-13, 2026, Jeju Island, Republic of Korea. ACM, New York, NY, USA, 12 pages

A Multiscale Perspective on Maximum Marginal Likelihood Estimation

最大边际似然估计的多尺度视角

O. Deniz Akyildiz, Michela Ottobre, Iain Souttar

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文从多尺度动力学角度，利用随机平均方法分析基于扩散的最大边际似然估计，提出慢-快朗之万算法，在强凸设置下证明平均参数动力学可估计最优参数，实验表明性能与最新方法相当。

Comments 34 pages, 3 figures

Scene Generation at Absolute Scale: Utilizing Semantic and Geometric Guidance From Text for Accurate and Interpretable 3D Indoor Scene Generation

绝对尺度下的场景生成：利用文本的语义和几何引导实现精确且可解释的3D室内场景生成

Stefan Ainetter, Thomas Deixelberger, Edoardo A. Dominici, Philipp Drescher, Konstantinos Vardis, Markus Steinberger

专题命中 可控生成 ：diffusion(abstract)；分类 cs.CV

AI总结 提出GuidedSceneGen框架，通过文本预测全局3D布局并利用全景扩散模型和视频扩散模型生成绝对尺度的室内场景，实现高一致性、可导航的3D重建。

Taming Text-to-Sounding Video Generation via Advanced Modality Condition and Interaction

通过高级模态条件与交互驯服文本到发声视频生成

Kaisi Guan, Xihua Wang, Zhengfeng Lai, Xin Cheng, Peng Zhang, XiaoJiang Liu, Ruihua Song, Meng Cao

机构 * Renmin University of China（中国人民大学） ； Apple（苹果公司） 纠错

专题命中 可控生成 ：diffusion(abstract)；分类 cs.CV

AI总结 提出分层视觉基础字幕框架（HVGC）生成解耦的视频和音频字幕，并基于此引入双塔扩散变换器BridgeDiT，通过双交叉注意力机制实现对称双向信息交互，在三个基准数据集上达到最先进结果。

Comments The 19th European Conference on Computer Vision -- ECCV 2026

OGPO: Sample Efficient Full-Finetuning of Generative Control Policies

OGPO：生成控制策略的样本高效全微调

Sarvesh Patil, Mitsuhiko Nakamoto, Manan Agarwal, Shashwat Saxena, Jesse Zhang, Giri Anantharaman, Cleah Winston, Chaoyi Pan, Douglas Chen, Nai-Chieh Huang, Zeynep Temel, Oliver Kroemer, Sergey Levine, Abhishek Gupta, Hongkai Dai, Paarth Shah, Max Simchowitz

机构 * University of California, Berkeley（加州大学伯克利分校） ； UC Berkeley（加州大学伯克利分校） 纠错

专题命中 可控生成 ：diffusion(abstract)

AI总结 提出OGPO算法，通过离策略评论网络和修改的PPO目标，实现生成控制策略的样本高效微调，在多种操作任务上达到最优性能，并能在无专家数据下微调不良初始化的行为克隆策略。

Comments Website: https://simchowitzlabpublic.github.io/ogpo-site/ Code: https://github.com/simchowitzlabpublic/OGPO_public

Unbiased Diffusion Variational Inversion via Principled Posterior Matching

无偏扩散变分反演：基于原则性后验匹配

Weimin Bai, Yuxuan Gu, Yifei Wang, Weijian Luo, He Sun

机构 * Peking University（北京大学） 纠错

专题命中 图像修复 ：diffusion(title)；inpainting(abstract)；分类 cs.CV

AI总结 提出原则性后验匹配（PPM）框架，通过精确优化KL散度（利用Fisher散度积分）解决逆问题中模式坍塌和不确定性量化不可靠的问题，统一变分推理和摊销推理，在图像修复、超分辨荧光显微和射电干涉成像中实现高保真重建和校准的不确定性估计。

Energy-Structured Low-Rank Adaptation for Continual Learning

能量结构低秩自适应持续学习

Longhua Li, Lei Qi, Qi Tian, Xin Geng

机构 * School of Computer Science and Engineering, Southeast University, Nanjing, China（东南大学计算机科学与工程学院，南京，中国） ； Key Laboratory of New Generation Artificial Intelligence Technology and Its Interdisciplinary Applications (Southeast University), Ministry of Education, China（新一代人工智能技术及其交叉应用重点实验室（东南大学），教育部，中国） ； Huawei Technologies, Shenzhen, China（华为技术有限公司，深圳，中国） 纠错

专题命中 个性化与一致性 ：diffusion(abstract)

AI总结 提出E²-LoRA方法，通过能量集中和排序的低秩自适应以及动态秩分配策略，解决持续学习中的任务干扰和知识压缩问题，实现最优性能。

Comments Accepted by ICML 2026

HunyuanImage 3.0 Technical Report

HunyuanImage 3.0 技术报告

Tencent Hunyuan Foundation Model Team

专题命中 图像生成评测 ：image generation(abstract)；分类 cs.CV

AI总结 HunyuanImage 3.0是一种统一多模态理解与生成的自回归模型，通过精心数据整理、先进架构、原生思维链、渐进预训练和激进后训练，训练出超800亿参数MoE模型（推理时激活130亿），在文本-图像对齐和视觉质量上媲美最先进模型，并开源代码和权重。

Pool-Select-Refine for Allocation-Aware Generative Dataset Distillation

Pool-Select-Refine: 基于软标签引导潜在精化的分配感知生成式数据集蒸馏

Wenmin Li, Shunsuke Sakai, Zhongkai Zhao, Tatsuhito Hasegawa

机构 * Graduate School of Engineering, University of Fukui（福井大学工学研究科） ； College of Computer Science and Artificial Intelligence, Southwest Minzu University（西南民族大学计算机科学与人工智能学院） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)；分类 cs.CV

AI总结 提出Pool-Select-Refine两阶段框架，通过过完备候选池选择与软标签引导潜在精化解耦生成、选择和精化，提升扩散模型数据集蒸馏的预算利用效率。

Quantization Mapping on Dirac Dynamics via Voltage-Driven Charge Density in Monolayer Graphene: A Klein Paradox and Entropy-Ruled Wavevector Mechanics Study

单层石墨烯中通过电压驱动电荷密度的狄拉克动力学量子化映射：克莱因悖论与熵控波矢力学研究

Karuppuchamy Navamani

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本研究通过电压驱动电荷密度的经验关系，利用微分熵控波矢力学对狄拉克材料进行能量量子化映射，揭示了克莱因悖论下的电子动力学，并发现量子态跃迁遵循N(k)=N(U)^3关系。

Comments 18 pages, 4 Figures, 3 Tables