图像生成

Constrained Tabular Diffusion for Finance

面向金融的约束表格扩散

Michael Cardei, Jose M Munoz, Oscar Barrera, Shreyas K Chandrahas, Partha Saha

机构 * University of Virginia（弗吉尼亚大学） ； Massachusetts Institute of Technology（麻省理工学院） ； Harvard University（哈佛大学） ； Visa Inc（Visa公司） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出CTDF方法，通过将训练时无约束的表格扩散与采样时的可行性操作结合，在金融数据生成中实现硬约束满足，零违规且提升稀缺数据效用。

Comments Published at ACM International Conference on AI in Finance (ICAIF) 2025

Entropy-Regularized Reinforcement Learning for Linear-Quadratic Stackelberg Differential Games in Regime-Switching Diffusion Models

体制切换扩散模型中线二次Stackelberg微分博弈的熵正则化强化学习

Congde Hu, Danping Li, Lin Xu, Wenying Xu

机构 * School of Mathematics and Statistics, Anhui Normal University（安徽师范大学数学与统计学学院） ； School of Statistics, Key Laboratory of Advanced Theory and Application in Statistics and Data Science-MOE, Faculty of Economics and Management, East China Normal University（东华大学统计学院） ； School of Mathematics, Southeast University（东南大学数学学院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出熵正则化强化学习方法求解连续时间体制切换扩散模型下的线性二次Stackelberg微分博弈，通过探索性耦合HJBI方程和神经网络逼近，有效避免次优均衡并处理高维PDE。

Entropy Regularized Reinforcement Learning for Zero-Sum Stochastic Differential Games in a Regime-Switching Jump-Diffusion Process

体制切换跳扩散过程中零和随机微分博弈的熵正则化强化学习

Congde Hu, Zhuo Jin, Danping Li, Lin Xu

机构 * School of Mathematics and Statistics（数学与统计学学院） ； Department of Actuarial Studies and Business Analytics（精算学与商业分析系） ； School of Statistics, KLATASDS-MOE, China Inclusive Ageing Finance Research Center（统计学学院，KLATASDS-MOE，中国包容性老龄化金融研究中心） ； East China Normal University（华东师范大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对随机微分博弈中参数误设和环境突变问题，提出分布控制方法，将最优策略建模为条件概率分布，并推导熵正则化零和随机微分博弈的耦合HJBI方程，通过Actor-Critic算法求解均衡策略。

HDDPM: Heteroscedastic Denoising Diffusion Probabilistic Model for Quantitative Low-Count Brain PET Recovery

HDDPM: 用于定量低计数脑PET恢复的异方差去噪扩散概率模型

Raymond Confidence, Udunna C. Anazodo

机构 * McGill University（麦吉尔大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对低计数PET噪声的非高斯、非平稳特性，提出异方差残差扩散模型HDDPM，通过泊松方差模块生成体素级噪声图，在显式剂量分数条件下预测低到标准计数残差，在最低剂量外部扫描中显著降低测量误差。

Comments 10 pages, 4 figures

Diffusion Models Observe Only Gradients: A Geometric Perspective on Score Matching Errors

扩散模型仅观察梯度：分数匹配误差的几何视角

Naïl B. Khelifa, Richard E. Turner, Ramji Venkataramanan

机构 * University of Cambridge（剑桥大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文从几何角度揭示L2分数误差不是衡量边缘分布质量的正确指标，通过Helmholtz-Hodge分解将分数误差分解为梯度分量和螺线管分量，证明只有梯度分量影响Fokker-Planck动力学，并给出仅依赖于梯度分量的KL散度上界及可计算的梯度分量估计器。

DAPS++: Rethinking Diffusion Inverse Problems with Decoupled Posterior Annealing

DAPS++: 重新思考扩散逆问题与解耦后验退火

Hao Chen, Renzheng Zhang, Scott S. Howard

机构 * Department of Electrical Engineering, University of Notre Dame（诺克斯大学电气工程系） ； Department of Aerospace and Mechanical Engineering, University of Notre Dame（诺克斯大学航空航天与机械工程系） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出DAPS++，通过解耦扩散初始化与似然驱动细化，提升逆问题求解效率与鲁棒性。

Neural Galerkin Normalizing Flow for Transition Probability Density Functions of Diffusion Models

神经伽辽金正则化流用于扩散模型的转移概率密度函数

Riccardo Saporiti, Fabio Nobile

机构 * CSQI, École Polytechnique Fédérale de Lausanne（CSQI，洛桑联邦理工学院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出基于神经伽辽金正则化流的方法，通过求解对应的福克-普朗克方程近似扩散过程的转移概率密度函数，利用正则化流保证结构保持性和正性约束，数值结果表明该方法能有效捕捉真实解的关键特征。

Comments 13 pages, 5 figures

A $p$-adic Reaction--Diffusion Model of Branching Coral Growth and Calcification Dynamics

一个p进制反应-扩散模型用于分支珊瑚生长和钙化动力学

Angela Fuquen-Tibatá, Yuriria Cortés-Poza, J. Rogelio Pérez-Buendía

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出一个p进制反应-扩散模型，用于模拟珊瑚分支结构的生长和钙化过程，通过非局部扩散和生物化学反应揭示环境参数对形态生成的影响。

Comments 27 pages, 15 figures

Journal ref J. Math. Biol. 92 (2026), pp. 1--27

High-Resolution Climate Projections Using Diffusion-Based Downscaling of a Lightweight Climate Emulator

基于轻量气候模拟器的扩散降尺度方法实现高分辨率气候预测

Haiwen Guan, Dibyajyoti Chakraborty, Moein Darman, Troy Arcomano, Ashesh Chattopadhyay, Romit Maulik

机构 * Information Sciences and Technology, The Pennsylvania State University（宾夕法尼亚州立大学信息科学与技术系） ； Department of Applied Mathematics, University of California, Santa Cruz（加州大学圣克鲁兹分校应用数学系） ； Allen Institute for Artificial Intelligence (AI2)（人工智能研究所） ； School of Mechanical Engineering, Purdue University（普渡大学机械工程学院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出基于扩散模型的降尺度方法，将轻量气候模拟器LUCIE的输出从300公里分辨率提升至25公里，通过训练和评估验证了该方法在保留粗粒度动态的同时生成精细气候统计的能力。

General and Efficient Steering of Diffusion Models

通用且高效的扩散模型操控

Qingsong Wang, Mikhail Belkin, Yusu Wang

机构 * Halıcıoğlu Data Science Institute, University of California San Diego（哈利奇奥格数据科学研究所，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 本文提出NA-RFM方法，通过噪声对齐和递归特征机激活操控实现无需梯度指导的高效扩散模型操控，提升生成速度和准确性。

Comments ICML 2026

Diff-MN: Diffusion Parameterized MoE-NCDE for Continuous Time Series Generation with Irregular Observations

Diff-MN: 基于扩散参数化的MoE-NCDE连续时间序列生成方法用于不规则观测

Xu Zhang, Junwei Deng, Chang Xu, Hao Li, Jiang Bian

机构 * Microsoft Research（微软研究院） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 Diff-MN通过引入MoE动态函数和解耦架构设计，提升NCDE在不规则时间序列生成中的性能，实验表明其在不规则到规则及不规则到连续生成任务中优于基线模型。

Comments This paper is accepted by ICML 2026

HyperNetWalk: A Unified Framework for Personalized and Cohort-Level Cancer Driver Gene Identification via Reverse Inference on Layered Signaling-Regulatory Network

HyperNetWalk：一种通过分层信号-调控网络反推实现个性化和群体级癌症驱动基因识别的统一框架

Xueqing Xu, Yonghang Gao, Duanchen Sun, Ling-Yun Wu

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 HyperNetWalk通过反向推断在分层信号-调控网络中统一识别个性化和群体级癌症驱动基因，优于现有方法，具备癌症类型特异性信号捕捉和药物基因互作支持的能力。

Comments 78 pages, 6 main figures, 25 supplementary figures. Code is available at https://github.com/xqxu921/HyperNetWalk

Chaotic many-body quantum dynamics, spectral correlations, and energy diffusion

混沌多体量子动力学、谱相关性和能量扩散

J. T. Chalker, Dominik Hahn

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文研究了一个具有空间结构和局部相互作用的最小模型中的混沌多体量子动力学，展示了在大局部希尔伯特空间维度和弱键合耦合下，能量动力学由经典主方程描述并呈现扩散特性，同时谱形式因子可通过该主方程精确表达。

Comments 26 pages. V2: revised introduction, added references, and minor changes elsewhere. V3: 31 pages. Additional results for translation-invariant systems and for finite temperatures. Numerical results revised and extended. Presentation revised

Diffusion asymmetry of repulsive skyrmions in structured environment

反磁通在结构环境中扩散的不对称性

Xichao Zhang, Charles Reichhardt, Cynthia J. O. Reichhardt, Qiming Shao, Rui Zhang, Yan Zhou, Yongbing Xu, Masahito Mochizuki

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究揭示了磁通在结构环境中因相互作用产生的不对称扩散行为，通过不对称门控实现动态调控，为磁学、活物质和统计物理提供新见解。

Comments 15 pages, 8 figures

FAIL: Flow Matching Adversarial Imitation Learning for Image Generation

FAIL: 流匹配对抗模仿学习用于图像生成

Yeyao Ma, Chen Li, Xiaosong Zhang, Han Hu, Weidi Xie

机构 * Shanghai Jiao Tong University（上海交通大学） ； Xi’an Jiaotong University（西安交通大学） ； Tencent（腾讯） 纠错

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

AI总结 本文提出FAIL方法，通过对抗训练最小化策略-专家差异，无需显式奖励或配对比较，在图像生成中实现高效训练与泛化。

Vivid-VR: Distilling Concepts from Text-to-Video Diffusion Transformer for Photorealistic Video Restoration

Vivid-VR：基于文本到视频扩散变换器的文本概念蒸馏用于逼真视频修复

Haoran Bai, Xiaoxu Chen, Canqian Yang, Zongyao He, Sibin Deng, Ying Chen

机构 * Alibaba Group - Taobao & Tmall Group（阿里巴巴集团 - 淘宝天猫集团） 纠错

专题命中 扩散模型 ：diffusion(title)；分类 cs.CV

AI总结 本文提出Vivid-VR，通过文本到视频基础模型生成视频修复方法，利用ControlNet控制生成过程以保持内容一致性。为解决传统微调中的分布偏移问题，提出概念蒸馏策略，通过预训练T2V模型合成带文本概念的训练样本，提升纹理和时间一致性。

Comments Accepted by ICLR 2026; ICLR version of the paper: https://openreview.net/pdf?id=YV5Zgv8pdg

A positive ground state for a planar Choquard equation with mixed diffusion and critical exponential growth

具有混合扩散和临界指数增长的平面Choquard方程的正基态

Shaoxiong Chen, Sekhar Ghosh, Vishvesh Kumar, Zhipeng Yang

专题命中 扩散模型 ：diffusion(title)

AI总结 研究由混合局部与非局部算子驱动的二维Choquard方程，在非线性项具有Trudinger-Moser型临界指数增长时，通过Nehari流形极小化等方法证明了最小能量正解的存在性。

Comments 21 pages, comments are welcome

Notes on generative modeling: flow matching, diffusion, optimal transport and Schr{ö}dinger bridge

生成建模笔记：流匹配、扩散、最优传输和薛定谔桥

Titouan Vayer

机构 * Inria（法国国家信息与自动化研究所） 纠错

专题命中 扩散模型 ：diffusion(title)

AI总结 本文梳理生成建模中不同技术的高层数学原理，揭示最优传输与薛定谔桥、流匹配等标准方法之间的联系。

Asymptotic stability of Stationary solutions to 3D incompressible flow in porous media with diffusion

具有扩散的三维不可压缩多孔介质流动稳态解的渐近稳定性

Juan Sebastián Ángel Echeverry

专题命中 扩散模型 ：diffusion(title)

AI总结 研究不可压缩流体在多孔介质中扩散的稳态解存在性、唯一性及渐近稳定性，并给出扰动衰减速率估计。

Momentum Guidance: Plug-and-Play Guidance for Flow Models

动量引导：用于流模型的即插即用引导

Runlong Liao, Jian Yu, Baiyu Su, Chi Zhang, Lizhang Chen, Qiang Liu

机构 * The 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 ：image generation(abstract)；diffusion(abstract)；分类 cs.CV

AI总结 本文提出动量引导方法，通过扩展当前速度远离过去速度的指数移动平均，提升样本质量并保持成本，优于现有引导技术，实验显示在ImageNet-256上FID显著降低。

Behavior Uncloning: Distilling Mode Redirection into Policy Weights without Inference-Time Steering

行为去克隆：将模式重定向蒸馏到策略权重中，无需推理时引导

Hao Wang, Jiuzhou Lei, Dayou Li, Bangya Liu, Minghui Zheng, Manling Li, Ruohan Zhang, Zhiwen Fan

专题命中 扩散模型 ：diffusion(abstract,abstract_cn)

AI总结 提出MoRE方法，通过短时“去克隆”步骤将模式分类器的重定向信号蒸馏到策略权重中，抑制不安全行为模式，零推理开销提升部署成功率。

SICAGE: Speaker-Independent Culture-Aware Gesture Generation using TED4C-L Dataset

SICAGE: 使用TED4C-L数据集的说话人无关文化感知手势生成

Ariel Gjaci, Antonio Sgorbissa, Vittorio Murino

机构 * Italian Institute of Technology（意大利理工学院） ； University of Genoa（热那亚大学） 纠错

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

AI总结 提出SICAGE框架，通过域泛化学习说话人无关的文化表征，结合ALaDiT扩散模型生成文化适切手势，在TED4C-L数据集上验证了运动真实性、多样性和文化一致性提升。

Comments Accepted at ECCV 2026

SkelMo: Universal Skeletal Motion Generation for 3D Rigged Shapes

MotionDreamer: 面向3D绑定形状的通用骨骼运动生成

Ye Tao, Yuxin Yao, Kendong Liu, Dapeng Wu, Junhui Hou

机构 * City University of Hong Kong（香港城市大学） 纠错

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

AI总结 提出基于扩散的框架MotionDreamer，通过结构-语义注入机制从2D视频生成类别无关的骨骼动画，并构建大规模动态数据集，实现跨形态的高保真运动合成。

Comments 18 pages, 7 figures

R-DMesh: Video-Guided 3D Animation via Rectified Dynamic Mesh Flow

R-DMesh：通过校正动态网格流实现视频引导的3D动画

Zijie Wu, Lixin Xu, Puhua Jiang, Sicong Liu, Chunchao Guo, Xiang Bai

机构 * Huazhong University of Science and Technology（华中科技大学） ； Tencent Hunyuan（腾讯混元） 纠错

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

AI总结 本文提出R-DMesh框架，通过校正动态网格流解决视频引导3D动画中的姿态对齐问题，并实现高保真的4D网格生成。

Comments Accepted by SIGGRAPH 2026, Project Page: https://r-dmesh.github.io/ Code URL: https://github.com/Tencent-Hunyuan/R-DMesh

OWMDrive: Causality-Aware End-to-End Autonomous Driving via 4D Occupancy World Model

OWMDrive: 基于4D占用世界模型的因果感知端到端自动驾驶

Junjie Cheng, Ruiqi Song, Ye Wu, Nanxing Zeng, Ximiao Li, Yunfeng Ai

机构 * The School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； Waytous Inc.（Waytous公司） ； The State Key Laboratory of Multimodal Artificial Intelligence Systems, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所多模态人工智能系统国家重点实验室） ； The College of Surveying and Geo-Informatics, Tongji University（同济大学测绘与地理信息学院） 纠错

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

AI总结 提出OWMDrive框架，利用4D占用世界模型预测多步3D占用，作为条件先验引导扩散规划器生成强化轨迹，显式建模时空因果依赖，提升复杂场景下的规划鲁棒性和安全性。

Comments International Conference on Intelligent Robots and Systems (IROS), 2026

MUSE: Unlocking Timestep as Native Task Steering for One-Step Dense Prediction

MUSE: 解锁时间步作为原生任务引导用于一步密集预测

Shuo Zhou, Zhaoxin Li, Xiujuan Chai

机构 * Agricultural Information Institute, Chinese Academy of Agricultural Sciences, Beijing, China（中国农业科学研究院农业信息研究所，北京，中国） ； Key Laboratory of Agricultural Big Data, Ministry of Agriculture and Rural Affairs, Beijing, China（农业大数据重点实验室，农业农村部，北京，中国） 纠错

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

AI总结 提出MUSE方法，利用一步扩散模型中固有的正弦时间步嵌入作为内生任务引导信号，实现无参数、单模型多任务密集预测，在深度和法线估计上取得竞争性能。

Comments Accepted by ECCV26

Walking in the Implicit: Interactive World Exploration via Neural Scene Representation

行走于隐空间：通过神经场景表示进行交互式世界探索

Zhiqi Li, Chengrui Dong, Zhenhua Du, Hangning Zhou, Cong Qiu, Hailong Qin, Mu Yang, Dongxu Wei, Peidong Liu

机构 * Zhejiang University（浙江大学） ； Westlake University（西湖大学） ； Afari Intelligent Drive（Afari智能驾驶） 纠错

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

AI总结 提出以场景为中心的交互式视频生成范式，将生成变量从帧隐变量改为可渲染的固定长度隐状态（神经隐式场景），通过紧凑场景状态随机转移和确定性姿态条件渲染实现长程一致性。

Comments ECCV 2026

GeoEdit: Geometry-Aware Object Editing via Dual-Branch Denoising

GeoEdit: 基于几何感知的双分支去噪对象编辑

Yi He, Jiangming Wang, Xinyu Wang, Mark Fong, Songchun Zhang, Yuxuan Xue, Hai-Tao Zheng, Yue Ma

机构 * Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Pengcheng Laboratory（鹏城实验室） ； Sun Yat-sen University（中山大学） ； Peking University（北京大学） ； HKUST（香港科技大学） ； University of Tübingen（图宾根大学） 纠错

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

AI总结 提出GeoEdit，一种无需训练的三阶段管道，通过3D解耦、点对应对齐和双分支去噪，实现单张照片中对象的刚性几何变换（平移、旋转、缩放），同时保持背景自然和身份一致性。

Comments Accepted to ECCV 2026

A multi-architecture study of specificity refinement and false-positive mechanism analysis in prostate MRI

前列腺MRI中特异性细化和假阳性机制分析的多架构研究

Yongbo Shu, Kewen Chen, Yifeng Yuan, Zirui Xin, Luo Lei, Yang Yang, Xi Chen, Aijing Luo

机构 * The Second Xiangya Hospital of Central South University（中南大学湘雅医学院第二医院） ； School of Life Sciences, Central South University（中南大学生命科学学院） ； Hunan Provincial Key Laboratory of Medical Information Research (Central South University)（湖南省医学信息研究重点实验室（中南大学）） ； Hunan Provincial Clinical Medical Research Center for Cardiovascular Intelligent Medicine（湖南省心血管智能医学临床医学研究中心） 纠错

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

AI总结 本研究通过多架构分析前列腺MRI检测中的假阳性，发现假阳性在影像对比度上与癌症匹配，并评估了一种轻量级后处理细化头，可提升病例级特异性。

Comments 29 pages, 6 figures, 5 tables

Variance Reduction on the Camera Axis: Multi-View Score Distillation for 3D

相机轴上的方差缩减：用于3D的多视角分数蒸馏

Marian Lupascu, Mihai Sorin Stupariu, Ionut Mironica

机构 * Department of Computer Science, University of Bucharest（布加勒斯特大学计算机科学系） ； Adobe Research（Adobe研究院） 纠错

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

AI总结 提出多视角聚合分数蒸馏（MV-SDI），通过在每个优化步骤聚合K个视角的梯度来降低方差，无需重新训练或使用多视角数据，在固定UNet预算下显著提升3D生成的一致性和对齐指标。

Comments 30 pages, 19 figures. Submitted to WACV 2027 (Algorithms Track)