图像生成

Tuning-Free Latent Diffusion Models for Ultrahigh-Resolution Image Editing

用于超高分辨率图像编辑的免调优潜在扩散模型

Wanglong Lu, Lingming Su, Kaijie Shi, Minglun Gong, Xiaogang Jin, Hanli Zhao, Xianta Jiang

机构 * College of Computer Science and Artificial Intelligence, Wenzhou University（温州大学计算机科学与人工智能学院） ； Department of Computer Science, Memorial University of Newfoundland（纽芬兰纪念大学计算机科学系） ； AI Analytics Team, Nasdaq（纳斯达克人工智能分析团队） ； State Key Laboratory of CAD&CG, Zhejiang University（浙江大学CAD&CG国家重点实验室） 纠错

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

AI总结 针对现有图像编辑方法在高分辨率处理上的局限，提出免调优的UltraDiffEdit框架，通过多尺度渐进编辑、多补丁编码、全局-局部一致性去噪及补丁混合采样等技术，实现高质量超高分辨率图像编辑，处理能力达8K且灵活性高。

Comments 29 pages, 29 figures. Published in IEEE Transactions on Neural Networks and Learning Systems

Journal ref IEEE Transactions on Neural Networks and Learning Systems, 2026

Nemotron-Labs-Diffusion: A Tri-Mode Language Model Unifying Autoregressive, Diffusion, and Self-Speculation Decoding

Nemotron-Labs-Diffusion：一种统一自回归、扩散和自推测解码的三模式语言模型

Yonggan Fu, Lexington Whalen, Abhinav Garg, Chengyue Wu, Maksim Khadkevich, Nicolai Oswald, Enze Xie, Daniel Egert, Sharath Turuvekere Sreenivas, Shizhe Diao, Chenhan Yu, Ye Yu, Weijia Chen, Sajad Norouzi, Jingyu Liu, Shiyi Lan, Ligeng Zhu, Jin Wang, Jindong Jiang, Morteza Mardani, Mehran Maghoumi, Song Han, Ante Jukić, Nima Tajbakhsh, Jan Kautz, Pavlo Molchanov

机构 * Nemotron-Labs（Nemotron实验室） 纠错

专题命中 扩散模型 ：diffusion(title,title_cn)

AI总结 介绍了统一AR、扩散和自推测解码的三模式语言模型Nemotron-Labs-Diffusion，通过联合目标训练，能切换模式。研究表明其目标互补，自推测模式表现优，有长期潜力，该模型家族在精度和速度上优于现有开源模型。

On the Redundancy of Timestep Embeddings in Diffusion Models

扩散模型中时间步嵌入的冗余性研究

José A. Chávez

机构 * Independent Researcher, Lima, Peru（独立研究者，秘鲁利马） 纠错

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

AI总结 本文通过理论和实验证明，在U-Net和Diffusion Transformer架构中，扩散模型无需显式时间步嵌入也能达到全局最优，甚至在某些指标上超越有条件模型。

Comments 17 pages

Few Channels Draw The Whole Picture: Revealing Massive Activations in Diffusion Transformers

少量通道绘制整体画面：揭示扩散变换器中的大规模激活

Evelyn Turri, Davide Bucciarelli, Sara Sarto, Lorenzo Baraldi, Marcella Cornia

机构 * University of Modena and Reggio Emilia（摩德纳和雷吉奥艾米利亚大学） ； University of Pisa（比萨大学） 纠错

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

AI总结 研究扩散变换器中少量关键通道对图像生成的决定性作用，揭示其在功能、空间组织和可迁移性上的核心贡献。

Comments Project page: https://aimagelab.github.io/MAs-DiT/

LaViDa-R1: Advancing Reasoning for Unified Multimodal Diffusion Language Models

LaViDa-R1：推进统一多模态扩散语言模型的推理

Shufan Li, Yuchen Zhu, Jiuxiang Gu, Kangning Liu, Zhe Lin, Yongxin Chen, Molei Tao, Aditya Grover, Jason Kuen

机构 * Adobe ； UCLA（加州大学洛杉矶分校） ； Georgia Tech（佐治亚理工学院） 纠错

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

AI总结 研究提出多模态通用推理dLLM LaViDa-R1，不同于现有工作，它以统一方式整合多任务，采用新颖统一训练后框架，集成监督微调与多任务强化学习，并运用多种训练技术，在多模态任务上展现强大性能。

Comments 28 pages, 11 figures

Bridging Diffusion Pruning and Step Distillation with Teacher-Aligned Repair

通过教师对齐修复弥合扩散剪枝与步长蒸馏

Jincheng Ying, Li Wenlin, Minghui Xu, Yinhao Xiao

机构 * School of Big Data and Artificial Intelligence（大数据与人工智能学院） ； Guangdong University of Finance and Economics（广东财经大学） ； School of Computer Science（计算机科学学院） ； Shandong University（山东大学） ； GDUFE-UCM Joint Institute（广东财经大学-UCM联合学院） 纠错

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

AI总结 研究扩散模型推理成本高的问题，提出用教师对齐修复阶段连接剪枝与步长蒸馏，解决剪枝后重新训练难题，在ImageNet-512上实验，不同剪枝比例下模型参数减少、评估次数降低，FID有相应变化。

FourTune: Towards Fully 4-Bit Efficient Post-Training for Diffusion Models

FourTune：迈向扩散模型的全4位高效训练后优化

Bowen Xue, Zihan Min, Xingyang Li, Zhekai Zhang, Haocheng Xi, Lvmin Zhang, Maneesh Agrawala, Jun-Yan Zhu, Song Han, Yujun Lin, Muyang Li

机构 * Nunchux AI ； MIT（麻省理工学院） ； CMU（卡内基梅隆大学） ； UC Berkeley（加州大学伯克利分校） 纠错

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

AI总结 针对大型扩散模型训练后优化的挑战，提出FourTune框架，基于端到端W4A4G4范式，引入三分支混合管道、硬件高效量化等，在多任务中质量与全精度微调相当，在特定数据集上降低内存开销、提高训练吞吐量。

Robust Face Super-Resolution and Recognition Through Multi-Feature Aggregation in Diffusion Models

基于扩散模型中的多特征聚合实现鲁棒的面部超分辨率和识别

Marcelo dos Santos, Rayson Laroca, João Carlos Raposo Neves, David Menotti

机构 * Federal University of Paraná（巴拉那联邦大学） 纠错

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

AI总结 针对监控图像质量低影响人脸识别的问题，提出基于扩散模型的FASR++算法，通过整合多图像特征生成超分辨率输出，减少身份失真，经实验验证，该算法在多指标上取得最优结果，提升了人脸识别性能。

Journal ref Journal of the Brazilian Computer Society, vol. 32, no. 1, pp. 1457-1470, 2026

Recovering Cloud Microstructures with Cascaded Diffusion Inversion

通过级联扩散反演恢复云微观结构

Hanan Gani, Guy Pulik, Daniel Rosenfeld, Duncan Watson-Parris, Salman Khan

机构 * Mohamed Bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； Hebrew University of Jerusalem（耶路撒冷希伯来大学） ； University of California, San Diego（加利福尼亚大学圣地亚哥分校） 纠错

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

AI总结 针对卫星云图像分辨率不足及现有方法不适用于此类图像的问题，提出基于扩散的两阶段超分辨率框架，能将云微观结构分辨率提高4倍，在精度和视觉质量上优于现有方法，为云微物理分析及利用AI促进气候和可持续性提供路径。

Comments Published at ML4RS Workshop ICLR 2026

CONFLUX: A Latent Diffusion Model for 3D Chest-CT Synthesis with RL Post-Training

CONFLUX：一种用于3D胸部CT合成的潜在扩散模型及强化学习后训练

Max Van Puyvelde, Halil Ibrahim Gulluk, Wim Van Criekinge, Olivier Gevaert

机构 * Department of Biomedical Data Science, Stanford University School of Medicine（斯坦福大学医学院生物医学数据科学系） ； Department of Mathematical Modelling, Statistics & Bioinformatics, Ghent University（根特大学数学建模、统计与生物信息学系） ； Department of Electrical Engineering, Stanford University（斯坦福大学电气工程系） 纠错

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

AI总结 提出CONFLUX潜在扩散模型用于胸部CT合成，由3D变分自编码器和整流流变压器构成，基于放射学元数据生成，通过强化学习后训练增强对临床属性控制，在三平面弗雷歇距离上领先并发布模型与数据集。

Registers Matter for Pixel-Space Diffusion Transformers

注册信息对像素空间扩散变换器的重要性

Nikita Starodubcev, Ilia Sudakov, Ilya Drobyshevskiy, Artem Babenko, Dmitry Baranchuk

机构 * Yandex Research（Yandex研究院） 纠错

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

AI总结 研究发现扩散变换器与视觉变换器在处理像素空间时存在差异，注册令牌显著提升了生成质量，通过分析中间表示发现其在高噪声水平下产生更清晰的特征图，进而提出了一种高效的双流架构以提升生成效果。

Filtering Memorization from Parameter-Space in Diffusion Models

从参数空间过滤记忆化在扩散模型中

Yu Zhe, Yang Jiayan, Wei Junhao, Yu-Lin Tsai, Wang Chen

机构 * RIKEN AIP（理化学研究所Advanced Institute for Peripheral Research） ； Science of Tokyo（东京科学大学） ； University of California, Berkeley（加州大学伯克利分校） ； Zhejiang University（浙江大学） 纠错

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

AI总结 本文提出BAF框架，通过分解LoRA更新并测量其与预训练骨干的主子空间对齐度，实现训练后记忆抑制，减少生成内容中的版权或敏感内容复现。

NAMD: Virtual Follow-up Computed Tomography Synthesis via Nodule-Aligned Multimodal Diffusion Models for Early Lung Cancer Diagnosis

基于LLM驱动多模态扩散的结节对齐潜在空间学习：用于肺结节进展预测

James Song, Yifan Wang, Chuan Zhou, Liyue Shen

机构 * Department of EECS, University of Michigan（电子工程与计算机科学系，密歇根大学） ； University of Michigan Medical School（密歇根大学医学学院） 纠错

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

AI总结 本文提出NAMD框架，通过生成1年随访CT图像预测肺结节进展，利用结节对齐潜在空间和LLM驱动控制机制，在NLST数据集上实现优于基线和现有方法的性能。

Volumetric Directional Diffusion: Anchoring Uncertainty Quantification in Anatomical Consensus for Ambiguous Medical Image Segmentation

体积方向扩散：在模糊医学图像分割的解剖学共识中锚定不确定性量化

Chao Wu, Mahesh Bhosale, Kangxian Xie, Pouya Karimian, David Doermann, Mingchen Gao

机构 * Department of Computer Science and Engineering University at Buffalo, SUNY Buffalo, NY, USA（计算机科学与工程系，布法罗大学，纽约州，布法罗，美国） 纠错

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

AI总结 针对模糊医学图像分割中不同专家边界描绘有差异的问题，提出体积方向扩散（VDD）框架，以粗略共识预测为锚点，学习方向扩散过程生成边界变化，实验表明该方法能在保持精度和结构一致性时改善不确定性分布对齐。

Replication in Visual Diffusion Models: A Survey and Outlook

视觉扩散模型中的复制：一项综述与展望

Wenhao Wang, Yifan Sun, Zongxin Yang, Zhengdong Hu, Zhentao Tan, Yi Yang

机构 * Australian Artificial Intelligence Institute, University of Technology Sydney（澳大利亚人工智能研究所，悉尼技术大学） ； Baidu Inc.（百度公司） ； College of Computer Science and Technology, Zhejiang University（计算机科学与技术学院，浙江大学） 纠错

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

AI总结 本文综述视觉扩散模型中的复制现象，将现有研究分类为揭示、理解和缓解该现象的方法，还回顾其现实影响，讨论了检测和基准测试复制的挑战及未来方向，助力研究人员和从业者理解AI技术与社会公益交叉点。

Comments Accepted by TPAMI 2026

Sensor-Adaptive Infrared Spectral Reconstruction with Plug-and-Play Diffusion Priors

基于即插即用扩散先验的传感器自适应红外光谱重建

Alireza Siyavashi, Jon Schlipf, Sebastian Reiter, Inga Fischer, Christian Wenger, Christian Herglotz

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对现有光谱仪局限，提出用伪逆引导扩散模型从窄带光电流进行稀疏光谱重建，利用去噪扩散概率模型学习光谱先验，具传感器自适应能力，平均估计误差低，为资源受限平台光谱恢复提供准确紧凑方案。

Entropic Dynamics of Jump-Diffusion Option Pricing

跳跃扩散期权定价的熵动力学

Mohammad Abedi

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究基于熵推理框架从信息约束推导股票价格动态和期权估值过程，核心是利用市场对回报的偏好确定对数价格为变量，通过连续与跳跃通道表示价格变化，推导出相关方程及结果，不同模型因信息不同而有差异。

Joint Energy Management and Coordinated AIGC Workload Scheduling for Distributed Data Centers: A Diffusion-Aided Reward Shaping Approach

分布式数据中心的联合能源管理与协同AIGC工作负载调度：一种扩散辅助奖励塑造方法

Yang Fu, Peng Qin, Liming Chen, Zihao Zhang, Hao Yu, Yifei Wang

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对AIGC在数据中心带来的能源管理与工作负载调度挑战，提出联合调度框架，考虑多种能源资源，制定系统效用最大化问题。因奖励稀疏限制DRL算法，开发扩散模型辅助奖励塑造方法，实验表明该方案能有效适应波动和异质性，实现高效学习收敛和系统效用。

Graph Convolutional Attention: A Spectral Perspective on Graph Denoising and Diffusion

图卷积注意力：图去噪与扩散的谱视角

Shervin Khalafi, Igor Krawczuk, Sergio Rozada, Charilaos Kanatsoulis, Antonio G Marques, Alejandro Ribeiro

机构 * University of Pennsylvania（宾夕法尼亚大学） ； King Juan Carlos University（胡安·卡洛斯国王大学） ； Stanford University（斯坦福大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究图去噪问题，提出图卷积注意力（GCA）方法，通过利用输入图谱实现谱去噪，在随机块模型中与理想机制匹配，实验证明其能提升图去噪和扩散性能，在 DiGress 中表现良好且推理更快。

Global stability and anisotropic large-time behavior of the three-dimensional compressible Navier--Stokes equations with eddy diffusion

具有涡扩散的三维可压缩纳维 - 斯托克斯方程的全局稳定性和各向异性大时间行为

Zefu Feng, Guangyi Hong, Yinghui Wang, Jiahong Wu

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究具有涡扩散的三维可压缩纳维 - 斯托克斯方程柯西问题，通过格林矩阵各向异性谱分解等方法，证明常数非真空平衡对小扰动全局非线性稳定，给出密度和速度各向异性衰减率，为首例全空间相关结果。

Gradient-Based Inverse Design of Free-Energy Landscapes with Diffusion Models

基于梯度的扩散模型自由能景观逆设计

Eli Zick, Dan Mendels

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究针对自由能表面直接优化的挑战，提出基于梯度的自由能表面优化框架GB-FESO，利用条件扩散模型，通过反向传播分布级损失优化条件变量，在高斯系综和玩具肽上验证，为分子系统逆设计提供了有前途的方法。

Mass-Conserving Physics-Informed Neural Networks For The One-Dimensional Advection-Diffusion Equation

用于一维平流扩散方程的质量守恒物理信息神经网络

Eszra Forenita Sigalingging, Liu Kin Men, Setianto Setianto, Ferry Faizal

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究一维平流扩散方程中质量守恒问题，评估质量惩罚PINN，通过软质量守恒约束增强标准PINN损失，在不同佩克莱数和模拟时间尺度下比较其与普通PINN及克兰克 - 尼科尔森格式性能，发现该方法显著提高PINN长期可靠性。

Numerical-aperture transfer in holotomography with a deterministic diffusion prior

基于确定性扩散先验的全层析成像中的数值孔径转移

Dong-min Ryu, Jeong-hyun Roh, Woon-soo Lee, Hansol Yoon, Hyun-seok Min, Yongkeun Park

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究针对高通量全层析成像中低NA限制高空间频率获取的问题，提出ResShift - ODE框架，通过扩散先验逆问题将低NA RI断层图像转移到高NA等效体积，在去噪评估、精度及速度上有优势。

Multiscale modelling of diffusion and retention of hydrogen in multi-occupancy traps in irradiated bcc metals

辐照体心立方金属中多占据陷阱内氢扩散与滞留的多尺度建模

Daniel Mason, Sanjeet Kaur, Samanyu Tirumala, Prashanth Srinivasan, Ville Jantunen, Max Boleininger

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 该研究用分子动力学模拟计算氢气原子在特定结构中的有效扩散率，与解析近似比较验证模型。通过多种方法证明相关现象，从第一性原理预测钨中孔隙内氢的扩散和滞留，其解析形式优于现有单占据陷阱形式体系。

Diffusion Language Model Parallel Decoding via Product-of-Experts Bridge

通过专家乘积桥接的扩散语言模型并行解码

Juntong Shi, Brian L. Trippe, Jure Leskovec, Stefano Ermon, Minkai Xu

机构 * Stanford University（斯坦福大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出PoE-Bridge框架，通过专家乘积构建中间分布，结合扩散语言模型并行解码和自回归模型质量，实现5倍加速并恢复至少95%的AR性能。

Comments ICML 2026

Environment-Conditioned Diffusion Meta-Learning for Data-Efficient WiFi Localization

环境感知扩散元学习用于数据高效的WiFi定位

Jun Gao, Zheng Xing, Wenliang Lin, Weibing Zhao, Xuhui Zhang, Junting Chen, Zhongliang Deng, Shuguang Cui

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出EnvCoLoc框架，通过环境条件化的扩散元学习方法，解决WiFi指纹定位中跨环境泛化能力差的问题，核心贡献是引入几何感知先验和元学习初始化，提升在有限样本下的定位精度。

Comments The dataset used in this paper is publicly available at: https://drive.google.com/file/d/1GWUFExgJl3SYyIm-sUYedy9gjC_Bvq0q/view?usp=sharing

Estimation of instrument and noise parameters for inverse problem based on prior diffusion model

基于先验扩散模型的逆问题中仪器和噪声参数估计

Jean-François Giovannelli

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究逆问题中观测参数估计，基于贝叶斯框架和扩散先验，提出简单有效方案，能定义最优估计器并进行不确定性量化，MCMC算法辅助计算，数值实验验证了计算效率和估计质量。

A Gibbs posterior sampler for inverse problem based on prior diffusion model

基于先验扩散模型的逆问题吉布斯后验采样器

Jean-François Giovannelli

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对观测系统线性变换且带加性误差、问题不适定且正则化依赖贝叶斯策略、先验由扩散过程建模的逆问题，引入吉布斯算法，证明其有效且简单，给出收敛保证要素及论据，数值模拟证实了结果。

AtomBench: A Benchmarking Framework for Generative Crystal Reconstruction Models in Conventional Superconductors

AtomBench：传统超导体中生成晶体重建模型的基准测试框架

Charles Rhys Campbell, Aldo H. Romero, Kamal Choudhary

机构 * Department of Physics and Astronomy, West Virginia University（物理与天文学系，西弗吉尼亚大学） ； Department of Materials Science and Engineering, Whiting School of Engineering, The Johns Hopkins University（材料科学与工程系，韦廷工程学院，约翰霍普金斯大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究针对生成晶体重建模型，提出可扩展、模型无关的AtomBench框架，在传统超导体晶体重建任务中比较四个模型，用多种指标衡量重建保真度，得出各模型表现及相关结论，还开源该框架供社区使用。

REVIVE: A Multi-Modal Framework for Vandalism Detection and Recovery in Autonomous Vehicles

REVIVE：一种用于自动驾驶车辆中破坏行为检测与恢复的多模态框架

Abdullah Tariq Choudhry, Tapadhir Das

机构 * University of the Pacific（太平洋大学） 纠错

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

AI总结 研究自动驾驶车辆中破坏行为导致的遮挡攻击问题，提出REVIVE多模态框架，集成多种检测与恢复方法，如二进制VOA检测、多类VOA模式识别等，实验表明该框架能有效恢复图像，提升目标检测指标，提供结构化恢复方案。