图像生成

Probing Diffusion Denoising Dynamics for Contrastive Representation Learning

探索用于对比表示学习的扩散去噪动力学

Yasong Dai, Zeeshan Hayder, David Ahmedt-Aristizabal, Hongdong Li

机构 * Australian National University（澳大利亚国立大学） ； CSIRO Data61（联邦科学与工业研究组织数据61实验室） ； Amazon（亚马逊） 纠错

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

AI总结 研究如何让预训练扩散模型的去噪动力学适应判别表示学习，提出D³CL方法，通过结合对比目标与去噪重建损失，利用LoRA更新保持轻量级，实验证明该方法能使重建与对比目标互补，是高效参数适应框架。

Multi-Conditioned Diffusion Synthesis of Sand Boils for Low-Resource Earthen-Levee Inspection

用于低资源土堤检查的砂沸多条件扩散合成

Padam Jung Thapa, Abdullah Bin Naeem, Ayon Dey, Anav Katwal, Md Tamjidul Hoque

机构 * University of Louisiana at Lafayette（路易斯安那州立大学拉斐特分校） ； Department of Computer Science, Louisiana State University New Orleans（路易斯安那州立大学新奥尔良分校计算机科学系） 纠错

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

AI总结 针对土堤砂沸像素级检测因注释稀缺受限的问题，提出基于扩散的合成管道，用多分支ControlNet堆栈等技术生成合成图像，经评估各预设利弊后发布标签可靠预设，为低资源土堤检查提供合成图像，限于图像质量等方面，代码等可复现。

StereoSplat+: Feed-Forward Stereo Gaussian Splatting with Diffusion-Assisted Progressive Inference

StereoSplat+：具有扩散辅助渐进推理的前馈立体高斯点云渲染

Zihua Liu, Masatoshi Okutomi

机构 * Institute of Science Tokyo（东京科学研究所） 纠错

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

AI总结 研究从单目立体观察恢复高质量3DGS场景的问题，提出StereoSplat+框架，包含StereoSplat估计器及扩散增强单步渐进推理方案，实验表明该方法提升了新视图渲染质量和几何精度，优于现有前馈3DGS基线。

Comments 8 pages, accepted as a conference paper for IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS2026)

CoDiMAD: Diffusion-Based Privileged Distillation for Communication-Free Multi-Robot Coordination

CoDiMAD：基于扩散的特权蒸馏用于无通信多机器人协调

Jiyue Tao, Shunheng Xin, Tongsheng Shen, Dexin Zhao, Feitian Zhang

机构 * Peking University（北京大学） ； National Innovation Institute of Defense Technology（国防科技创新研究院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究无通信多机器人协调问题，提出CoDiMAD三阶段框架，先训练特权预言机，再构建数据集，最后将预言机蒸馏到学生智能体中，通过扩散反向过程采样动作，实验证明其性能优于基线。

Autoregressive latent diffusion for 3D molecule generation

用于3D分子生成的自回归潜扩散

Federico Ottomano, Gaopeng Ren, Yingzhen Li, Kim E. Jelfs, Alex M. Ganose

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究3D分子生成问题，提出KRONOS潜自回归扩散框架，联合建模分子图拓扑和几何，引入混合训练策略。实验表明其在自回归方法中无条件生成性能领先，与扩散模型竞争，单一架构可支持两种生成范式。

ReGen: Hierarchical Multi-Prompt Representation Generation for Efficient Waveform Diffusion Models

ReGen：用于高效波形扩散模型的分层多提示表示生成

Sang-Hoon Lee, Ha-Yeong Choi

机构 * Department of Artificial Intelligence, Ajou University, Suwon, Korea（人工智能系，全州大学） ； KT Corp., Seoul, Korea（KT公司） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究针对扩散训练中中间表示正则化问题，提出ReGen框架联合估计向量场，引入GFM提高泛化能力。在波形扩散模型及文本到语音模型上验证，提升了波形生成质量、语音清晰度等，实现高效训练与采样。

Comments Accepted to ICML 2026

Quantum Circuits in Diffusion Models: A Fair-Comparison Study and a Mechanistic Analysis of Angle-Embedding Failures

扩散模型中的量子电路：角度嵌入失败的公平比较研究与机理分析

Jaeuk Kim, Sanghoon Yoo

机构 * NextITS Co., Ltd.（NextITS有限公司） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究变分量子电路与扩散模型集成，通过多实验发现量子核心在FID上与经典控制相当但未证明参数效率优势，还识别出基于分数的NCSN的结构故障及角度嵌入失败问题，提供了公平比较协议和机理说明。

Comments 13 pages, 4 figures, 8 tables

BlockServe: Block-Grained Continuous Batching for High-Throughput Diffusion LLM Serving

BlockServe：用于高吞吐量扩散语言模型服务的块粒度连续批处理

Yuanjie Zhu, Liangwei Yang, Ke Xu, Weizhi Zhang, Shanghao Li, Zihe Song, Philip S. Yu

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究针对扩散大语言模型服务的收敛异质性问题，提出BlockServe框架，集成块粒度调度、混合状态执行及计算感知准入控制器，在五个基准测试中实现高吞吐量，确立块粒度调度为高吞吐量离线dLLM推理基础。

Two observables of one wall: how surface relaxivity can bias the diffusion intra-axonal fraction and the myelin water fraction

一壁的两个可观测值：表面弛豫率如何影响轴突内扩散分数和髓磷脂水分数

Rutger H. J. Fick

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究表面弛豫率对轴突内扩散分数和髓磷脂水分数的影响，推导有髓圆柱体表面速率封闭形式并验证，量化偏差，发现生理白质中表面弛豫率使轴突内信号加权过高，还揭示了相关物理原理及不同偏差特点。

Chemical Frequency Combs in Reaction-Diffusion Oscillators

反应扩散振荡器中的化学频率梳

Krishnesh Krishnakumar Nair, Madhurendra Mishra, Zhen Qi, Adarsh Ganesan

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究振荡化学反应中频率梳的产生，利用布鲁塞尔振子模型推导霍普夫分岔条件，模拟发现目标波模式有频率梳结构，改变参数仍成立，通过实验验证，证明反应扩散化学是产生频率梳的新平台。

Comments 18 pages, 5 figures

Diffusion Monte Carlo study of deuteron-like fully light hexaquarks

氘核状全轻六夸克的扩散蒙特卡罗研究

M. C. Gordillo, J. Segovia

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究在组分夸克模型中对全轻六夸克进行扩散蒙特卡罗研究，考虑紧凑和重子 - 重子状排列，发现紧凑六夸克态不受青睐，部分重子 - 重子状构型接近阈值且有类似分子态结构，一种构型类似氘核，能量略超阈值。

Comments 5 pages, 2 figures

YeTI: You Only Need Two Noisy Images for Real-World sRGB Noise Generation

YeTI：仅需两张噪声图像即可生成真实世界的sRGB噪声

Jaekyun Ko, Byung Wan Lim, Soomin Lee, Dongjin Kim, Tae Hyun Kim

机构 * Department of Computer Science, Hanyang University（汉阳大学计算机科学系） ； Mobile Experience (MX) Division, Samsung Electronics（三星电子移动体验部门） 纠错

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

AI总结 针对真实世界sRGB图像去噪难题，提出YeTI框架，仅从同一场景两张噪声图像学习，利用重构自编码器和条件扩散Transformer分离场景与噪声特征，生成逼真噪声，经实验验证其有效性及在下游去噪任务中的实用价值。

Comments Accepted to ECCV 2026. Includes supplementary material

4D Human-Scene Reconstruction from Low-Overlap Captures

从低重叠度捕获中进行4D人体场景重建

Minhyuk Hwang, Sangmin Kim, Seunguk Do, Daneul Kim, Jaesik Park

机构 * Seoul National University（首尔国立大学） 纠错

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

AI总结 针对现实场景中低重叠度相机的4D人体场景重建问题，提出StudioRecon方法，通过解耦背景和人体，利用视频扩散模型强化背景监督，结合跨视图关联等初始化人体，经递归增强模块避免伪影，实现了高水准新视图合成及相关应用。

Comments Accepted to SIGGRAPH Conference Papers '26. First two authors contributed equally. Project page: https://sisyphm.github.io/studiorecon-page/

Adaptive Latent Trajectory Anchoring for Action Segmentation Dataset Condensation

用于动作分割数据集压缩的自适应潜在轨迹锚定

Artheme Gauthier-Villar, Guodong Ding, Angela Yao

机构 * National University of Singapore（新加坡国立大学） ； ETH Zurich（苏黎世联邦理工学院） 纠错

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

AI总结 该研究针对动作分割数据集压缩问题，提出利用去噪扩散隐式模型，将动作段表示为噪声流形中由稀疏潜在点锚定连续轨迹的方法，并引入自适应分配机制。实验表明，该框架显著优于现有方法，在保持低压缩率时实现与真实数据训练相当的性能。

Comments 16 pages, 5 figures, accepted to ECCV 2026

Topology-Preserving Mesh Adaptation for Sharp-Interface Multiphase PFEM

用于尖锐界面多相粒子有限元法的拓扑保持网格自适应

Félix Ruyffelaere, Michel Henry, Jonathan Lambrechts, Jean-François Remacle

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究基于粒子有限元法模拟多相流时界面跟踪的问题，提出动态网格自适应策略，为离散界面段分配空节点圆盘解耦界面物理与网格大小，经基准测试验证其能力、准确性、可扩展性及几何通用性。

Variable-Length Generative Protein Design via Generalized Poisson Flow

通过广义泊松流进行可变长度生成蛋白质设计

Chaoran Cheng, Zhanghan Ni, Yanru Qu, Yuxin Chen, Ruihan Guo, Jiajun Fan, Ge Liu

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究针对蛋白质设计中可变长度生成的关键问题，引入广义泊松流（GPFlow）框架，通过最小化负对数似然学习速率函数，经多模态评估验证其可变长度生成质量，在多种设计任务中表现出色，提升了蛋白质设计的灵活性与适应性。

FlowDAgger: Human-in-the-Loop Adaptation of Generative Robot Policies in Latent Space

FlowDAgger：在潜在空间中对生成式机器人策略进行人工参与的自适应调整

Michael Murray, Daphne Chen, Simran Bagaria, Dean Fortier, Tess Hellebrekers, Galen Mullins, Harshavardhan Gajarla, Oier Mees, Maya Cakmak, Andrey Kolobov

机构 * Microsoft Research（微软研究院） ； University of Washington（华盛顿大学） ； ETH Zurich（苏黎世联邦理工学院） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究针对预训练生成式机器人策略在实际部署中出现的问题，提出FlowDAgger方法，通过动作反转从人工干预获取监督，在模拟及现实操纵中评估，该方法优于基线且能保留预训练技能，为机器人基础模型自适应调整提供实用路径。

Reward Transport: Property Control in Flow Matching via Noise-Space Alignment

奖励传输：通过噪声空间对齐在流匹配中进行属性控制

Kehan Guo, Yili Shen, Yujun Zhou, Yue Huang, Chujie Gao, Shiyi Du, Xiangliang Zhang

机构 * University of Notre Dame（圣母大学） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究通过奖励传输在流匹配中实现属性控制，训练时用最优传输耦合将噪声空间坐标与分子奖励对齐，推理时改变坐标引导生成分布，实验表明可对logP和QED进行有效控制，且该接口与其他方法互补，明确了耦合级对齐不存在的情况。

Adaptive MPPI with Online Disturbance Covariance Estimation: Provable Stability Tightening via Spatial Smoothing

具有在线干扰协方差估计的自适应MPPI：通过空间平滑实现可证明的稳定收紧

Hyung-Jin Yoon, Hunmin Kim

机构 * Department of Mechanical and Nuclear Engineering, Tennessee Technological University（机械与核工程系，田纳西技术大学） ； School of Engineering, Department of Electrical and Computer Engineering, Mercer University（工程学院，电气与计算机工程系，梅尔基大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究具有未知、空间变化且时变干扰协方差的非线性系统的MPPI控制，提出带空间扩散的协方差估计器，证明有限时域误差界，代入MPPI采样分布得自适应稳定证书，结果表明自适应控制器能实现更紧稳定界，数值实验验证效果。

Comments 19 pages. Companion papers: arXiv:2607.04006 and arXiv:2607.06945. Simulation code: https://github.com/LCAS-Lab/mppi-noise-covariance-estimation

Constraints on Sub-MeV Dark Matter from Solar Reflection with DAMIC-M

来自 DAMIC - M 太阳反射的亚 MeV 暗物质的约束

K. Aggarwal, I. Arnquist, N. Avalos, X. Bertou, N. Castello-Mor, C. Centeno-Lorca, A. E. Chavarria, A. R. Chriss, J. Cuevas-Zepeda, A. Dastgheibi-Fard, C. De Dominicis, O. Deligny, J. Duarte-Campderros, E. Estrada, R. Gaıor, E. -L. Gkougkousis, T. Hossbach, L. Iddir, B. J. Kavanagh, B. Kilminster, I. Lawson, A. Letessier-Selvon, H. Lin, P. Loaiza, A. Lopez-Virto, R. Lou, H. Lumengo-Kidimbu, S. Munagavalasa, J. Noonan, D. Norcini, S. Paul, P. Perez-Cobo, P. Privitera, P. Robmann, B. Roach, D. Rosenmerkel, M. Settimo, R. Smida, M. Traina, R. Vilar, R. Yajur, D. Venegas-Vargas, C. Zhu, Y. Zhu

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究利用 DAMIC - M 探测器约 1.3 kg - 天数据，通过分析低能电子反冲空间扩散特征，给出太阳反射暗物质在重介质和超轻介质基准下暗物质 - 电子散射截面 90%置信水平上限，探测了相关参数空间。

Effective theories for many-body systems with nonuniform symmetries

具有非均匀对称性的多体系统的有效理论

Aleksander Głódkowski

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究具有非均匀对称性的多体系统，开发统一框架，通过附加场理解其效应，导致运动学约束重塑红外动力学，在对称破缺系统和有限温度下有新表现，产生新物理现象。

Comments PhD thesis

Turbulent Transport of Galactic Magnetic Fields into Cosmic Voids: Insights from IllustrisTNG

银河系磁场向宇宙空洞的湍流输运：来自IllustrisTNG的见解

Yuri Yamashita, Hiroyuki Tashiro, Kiyotomo Ichiki

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究银河系磁场在膨胀宇宙中的扩散，通过分析IllustrisTNG模拟数据集估算湍流磁扩散率，得出当今磁屏蔽长度约7 Mpc，发现其在空洞磁化中作用比之前估计更重要。

Comments 12 pages, 6 figures, 1 table

DominoTree: Conditional Tree-Structured Drafting with Domino for Speculative Decoding

DominoTree：使用Domino进行条件树结构草稿的推测性解码

Saw S. Lin, Jyh-Shing Roger Jang

机构 * Department of Computer Science and Information Engineering, National Taiwan University（国立台湾大学计算机科学与资讯工程学系） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究提出DominoTree，一种无需训练的最佳优先草稿树，利用Domino的条件非因式分解校正评分。在Qwen3-4B等基准测试中，相比自回归解码加速显著，接受长度高，用GPU原生构建器保持低成本，在吞吐量上优于多种方法。

Comments 23 pages, 2 figures, 11 tables. Code: https://github.com/slin-zhq/Domino-Tree

Decoupled Illumination Priors for Spatially Controllable Multi-View Indoor Scene Relighting

用于空间可控多视图室内场景重光照的解耦光照先验

Chenjian Gao, Linning Xu, Tianfan Xue

机构 * Multimedia Laboratory, The Chinese University of Hong Kong（香港中文大学多媒体实验室） ； Shanghai AI Laboratory（上海人工智能实验室） ； CPII under InnoHK（创新香港研发平台下的CPII） 纠错

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

AI总结 研究室内场景重光照问题，提出Lume-Palette框架，通过将重光照解耦为光照蒸馏和投射两阶段，并引入不对称多视图条件策略，实现了逼真、空间可控且多视图一致的重光照效果。

CtrlVTON: Controllable Virtual Try-On via Visual-Instance-Prompt Segmentation

CtrlVTON：通过视觉实例提示分割实现可控虚拟试穿

Seungyong Lee, Hyun Jun Jang, Sangoh Kim, Sungjoon Park

机构 * NXN Labs（NXN实验室） ； KAIST（韩国科学技术院） 纠错

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

AI总结 研究旨在解决虚拟试穿中用户对服装穿着方式控制不足的问题。提出通过VIP - SAM解决视觉实例提示分割，引入CtrlVTON可控框架，将试穿转为图像编辑问题并添加分割掩码控制布局。二者在各自任务达先进水平，CtrlVTON能更忠实地遵循用户布局且保证服装逼真度。

Comments 13 + 17 pages, 20 figures

Video Generation Models are General-Purpose Vision Learners

视频生成模型是通用视觉学习者

Letian Wang, Chuhan Zhang, Rishabh Kabra, Jasper Uijlings, Steven Waslander, Andrew Zisserman, Joao Carreira, Kaiming He, Misha Andriluka, Eduard Gabriel Bazavan, Andrei Zanfir, Cristian Sminchisescu

机构 * Google DeepMind（谷歌DeepMind） 纠错

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

AI总结 研究探讨计算机视觉中实现通用模型的催化剂，提出大规模文本到视频生成是预训练范式。介绍GenCeption模型，利用视频生成扩散主干定义感知模型。实验表明该模型在多任务中性能领先，有数据效率优势且具涌现行为，为通用视觉智能提供基础路径。

Comments ECCV 2026

Shortcut Trajectory Planning for Efficient Offline Reinforcement Learning

用于高效离线强化学习的捷径轨迹规划

Guanquan Wang, Yoshimasa Tsuruoka

机构 * The University of Tokyo（东京大学） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 研究针对离线强化学习中轨迹规划器的问题，提出捷径轨迹规划（STP）框架，将捷径模型作为轨迹生成器，单阶段训练条件捷径轨迹模型，支持可调推理，用增强可行性感知校正的评论家选候选计划，在多任务基准测试中性能强且简化训练管道。

Comments 16 pages, 3 figures