图像生成

SPQR: A Multi-Dimensional Benchmark for Safety Alignment under Benign Model Adaptation

SPQR：良性模型适应下安全对齐的多维基准测试

Mohammed Talha Alam, Nada Saadi, Fahad Shamshad, Nils Lukas, Karthik Nandakumar, Fahkri Karray, Samuele Poppi

机构 * Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； University of Waterloo（滑铁卢大学） ； Michigan State University（密歇根州立大学） 纠错

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

AI总结 研究文本到图像扩散模型安全对齐在良性微调下的稳定性，引入SPQR基准测试，通过单评分指标提供统一框架，经多方面分析确定安全对齐失败情况，为T2I安全对齐技术提供简洁全面的基准。

Comments 34 pages, 9 figures, 13 tables

TIIF-Bench: How Does Your T2I Model Follow Your Instructions?

TIIF-Bench：你的文本到图像模型如何遵循指令？

Xinyu Wei, Jinrui Zhang, Zeqing Wang, Hongyang Wei, Zhen Guo, Bairui Li, Lei Zhang

机构 * The Hong Kong Polytechnic University（香港理工大学） ； Tsinghua University（清华大学） ； OPPO Research Institute（OPPO研究院） 纠错

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

AI总结 研究旨在评估T2I模型遵循指令能力，提出TIIF-Bench基准，含多维度、多难度提示及新评估指标，利用大语言模型知识开发可重现评估器，通过对主流模型测试分析其优缺点及现有基准局限性。

Comments 35 pages, 14 figures, 9 tables

Bridging the Manifold Gap: Riemannian Residual Line Search for One-Step Image Editing

弥合流形差距：黎曼残差线搜索用于一步图像编辑

Hongzhu Yi, Zhongtian Luo, Tong Li, Yiyan Fan, Jungang Xu

机构 * UCAS（中国科学院大学） ； WashU（华盛顿大学） ； SHU（上海大学） 纠错

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

AI总结 针对一步扩散编辑中固定更新强度无法兼顾目标提示和源图像保真度的问题，提出黎曼残差线搜索方法，通过局部时间曲率估计和残差路径选择，在PIE-Bench++上达到SOTA。

Training-Free, Identity-Preserving Image Editing for Fashion Pose Alignment and Normalization

用于时尚姿势对齐和归一化的无训练、身份保留图像编辑

Potito Aghilar, Vito Walter Anelli, Michelantonio Trizio, Eugenio Di Sciascio, Tommaso Di Noia

机构 * Polytechnic University of Bari（巴里理工大学） 纠错

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

AI总结 针对时尚行业非刚性姿势调整难题，提出无训练的FashionRepose管道，结合预训练模型，通过零样本方法在保留服装身份特征的同时实现近实时编辑，已成功为OVS处理大量长袖服装。

Journal ref Expert Systems With Applications, 293, 128579 (2025)

Diffusion-GR2: Diffusion Generative Reasoning Re-ranker

Diffusion-GR2: 扩散生成推理重排序器

Zhuoxuan Zhang, Kangqi Ni, Yuhang Chen, Mingfu Liang, Xiaohan Wei, Yunchen Pu, Fei Tian, Chonglin Sun, Frank Shyu, Adam, Song, Sandeep Pandey, Luke Simon, Tianlong Chen, Xi Liu

机构 * Meta AI ； UNC 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,title_cn)

AI总结 提出Diffusion-GR2，通过转换微调、在线策略蒸馏和强化学习将自回归推理重排序器转换为块扩散模型，在保持精度的同时将推理吞吐量提升2.4-3.5倍。

Comments Work in progress

HyperNet-Adaptation for Diffusion-Based Test Case Generation

基于扩散的测试用例生成的超网络自适应

Oliver Weißl, Vincenzo Riccio, Severin Kacianka, Andrea Stocco

机构 * Technical University of Munich（慕尼黑技术大学） ； University of Udine（乌迪内大学） ； fortiss 纠错

专题命中 扩散模型 ：diffusion(title,abstract)；image synthesis(abstract)

AI总结 针对深度学习系统可靠性评估问题，提出HyNeA生成式测试方法，通过超网络实现无数据集可控性，采用独特训练策略，能以较低计算成本有针对性地生成现实故障用例，提高可控性和测试多样性，还可推广到无故障标签数据领域。

CANDI: Hybrid Discrete-Continuous Diffusion Models

CANDI：混合离散-连续扩散模型

Patrick Pynadath, Jiaxin Shi, Ruqi Zhang

机构 * Purdue University, West Lafayette, U.S.A（普渡大学） ； Google Deepmind（谷歌DeepMind） 纠错

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

AI总结 研究连续扩散应用于离散数据表现不佳的问题，提出CANDI混合框架解耦离散和连续破坏，实现同时学习，在受控生成和文本生成中分别展现优势，解锁连续扩散对离散空间的好处。

Hyper-modal Imputation Diffusion Embedding with Dual-Distillation for Federated Multimodal Knowledge Graph Completion

基于双蒸馏的超模态插补扩散嵌入用于联邦多模态知识图谱补全

Ying Zhang, Yu Zhao, Xuhui Sui, Baohang Zhou, Xiangrui Cai, Li Shen, Xiaojie Yuan, Dacheng Tao

机构 * College of Computer Science, VCIP, DISSec, Nankai University（计算机学院、VCIP、DISSec、南开大学） ； School of Software, Tiangong University（软件学院、天津工业大学） ； Shenzhen Campus of Sun Yat-sen University（中山大学深圳校区） ； College of Computing and Data Science, Nanyang Technological University（计算与数据科学学院、南洋理工大学） 纠错

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

AI总结 针对多模态知识图谱分散问题，提出FedMKGC任务及MMFeD3-HidE框架，客户端内用超模态插补扩散嵌入模型，客户端间用多模态联邦双蒸馏传输知识，通过FedMKGC基准验证了该框架的有效性、语义一致性和收敛鲁棒性。

Comments Published in IEEE Transactions on Multimedia, 2026

Zero-Shot Paragraph-level Handwriting Imitation with Latent Diffusion Models

基于潜在扩散模型的零样本段落级手写模仿

Martin Mayr, Marcel Dreier, Florian Kordon, Mathias Seuret, Jochen Zöllner, Fei Wu, Andreas Maier, Vincent Christlein

机构 * Planet AI GmbH 纠错

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

AI总结 提出基于潜在扩散模型的零样本段落级手写模仿方法，通过改进模型、增强注意力机制等，能处理未见风格，提高手写生成真实感，在综合评估中表现优异，还公开代码支持相关研究。

Prompt Compression in Diffusion Large Language Models: Evaluating LLMLingua-2 on LLaDA

在扩散大型语言模型中进行提示压缩：在LLDA上评估LLMLingua-2

Sterling Huang, Abigayle Brown, Jiyoo Noh, Jiakang Xu, Wantong Huo, Kaung Myat Kyaw, Jonathan Chan

机构 * University of Toronto（多伦多大学） ； King Mongkut’s University of Technology Thonburi（泰国科技理工学院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文研究了提示压缩在扩散大型语言模型中的有效性，通过在LLDA上评估LLMLingua-2，发现提示压缩在数学推理任务中效果不佳，而摘要任务相对稳健，表明为扩散模型设计的提示压缩方法并不适用于所有场景。

Comments Accepted to appear in The 14th International Conference on Advances in Information Technology (IAIT2026)

Safer Trajectory Planning with CBF-guided Diffusion Model for Unmanned Aerial Vehicles

基于CBF引导扩散模型的无人机安全轨迹规划

Peiwen Yang, Shiyu Bai, Weisong Wen, Yixin Gao, Jiahao Hu

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出AeroTrajGen框架，通过CBF引导采样提升扩散模型在无人机轨迹生成中的安全性与敏捷性，减少碰撞率94.7%。

Comments Some equations need to be checked

MetaState: Persistent Working Memory Enhances Reasoning in Discrete Diffusion Language Models

MetaState: 持久工作记忆增强离散扩散语言模型的推理能力

Kejing Xia, Mingzhe Li, Lixuan Wei, Zhenbang Du, Xiangchi Yuan, Dachuan Shi, Qirui Jin, Wenke Lee

机构 * Georgia Institute of Technology（佐治亚理工学院） ； University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； Harvard University（哈佛大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 MetaState通过引入轻量级循环增强模块，为冻结的离散扩散语言模型提供持久固定大小的工作记忆，提升推理性能，平均提升4.5%。

Enhancing Reasoning for Diffusion LLMs via Distribution Matching Policy Optimization

通过分布匹配策略优化增强扩散大语言模型的推理能力

Yuchen Zhu, Wei Guo, Jaemoo Choi, Petr Molodyk, Bo Yuan, Molei Tao, Yongxin Chen

机构 * Georgia Institute of Technology（佐治亚理工学院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出DMPO方法，通过分布匹配优化提升扩散大语言模型的推理能力，实现显著的准确率提升。

Riemannian Denoising Diffusion Probabilistic Models

黎曼去噪扩散概率模型

Zichen Liu, Wei Zhang, Christof Schütte, Tiejun Li

机构 * Center for Data Science, Peking University（数据科学中心，北京大学） ； Zuse Institute Berlin（柏林Zuse研究所） ； Institute of Mathematics, Freie Universität Berlin（柏林自由大学数学研究所） ； LMAM and School of Mathematical Sciences, Center for Machine Learning Research and Center for Data Science, Peking University（LMAM和数学系，机器学习研究中心和数据科学中心，北京大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出了一种基于投影方案的黎曼去噪扩散概率模型，适用于更一般的流形，无需复杂的几何信息，通过理论分析和实验验证展示了其在高维流形数据建模中的有效性。

Journal ref Communications in Mathematical Sciences, 2026

Likelihood Matching for Diffusion Models

扩散模型的似然匹配

Lei Qian, Wu Su, Yanqi Huang, Song Xi Chen

机构 * Center for Data Science（数据科学中心） ； Peking University（北京大学） ； Guanghua School of Management（光华管理学院） ； Department of Statistics and Data Science（统计与数据科学系） ； Tsinghua University（清华大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究提出似然匹配方法训练扩散模型，通过建立目标数据分布似然与反向扩散样本路径似然的等价关系，利用拟似然近似反向转移密度，估计得分和海森矩阵函数，引入随机采样器，建立一致性并提供收敛保证，经评估验证了该方法的有效性。

Airborne Particle Communication Through Time-varying Diffusion-Advection Channels

通过时变扩散-平流通道的机载粒子通信

Fatih Merdan, Ozgur B. Akan

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究时变扩散-平流通道下的机载粒子通信，用移动框架法推导通道脉冲响应，通过功率延迟分布表征通道，定义通道色散时间。系统级仿真表明波形设计关键，引入OLR量化失真，为复杂环境中粒子通信建模设计提供基础。

Comments 14 Pages, 9 figures

Nanoscale Protein Diffusion in Supercooled Cryoprotectant Solutions

过冷冷冻保护剂溶液中的纳米级蛋白质扩散

Maddalena Bin, Anita Girelli, Mariia Filianina, Mario Reiser, Sharon Berkowicz, Milla Åhlfeldt, Michelle Dargasz, Sonja Timmermann, Jaqueline Savelkouls, Takeshi Kawasaki, Shinji Saito, Federico Zontone, Yuriy Chushkin, Fajun Zhang, Frank Schreiber, Michael Paulus, Christian Gutt, Fivos Perakis

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究过冷冷冻保护剂溶液中蛋白质扩散，结合XPCS和SAXS，测量铁蛋白扩散系数，发现冷却时其迁移率高于预期，最小波动摩擦模型可再现，为相关理论和模拟研究提供实验基准。

Low-dimensional adaptation of diffusion models: Convergence in total variation

扩散模型的低维适应性：全变差中的收敛性

Jiadong Liang, Zhihan Huang, Yuxin Chen

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究扩散模型利用低维结构加速采样，聚焦DDIM和DDPM采样器，证明其在精确得分函数下的迭代复杂度，扩展到学习得分函数情况，通过基于核的估计器实现假设，为采样器适应性提供证据并改进DDPM理论。

Denoising Data with Measurement Error Using a Reproducing Kernel-based Diffusion Model

使用基于再生核的扩散模型对含测量误差的数据进行去噪

Mingyang Yi, Marcos Matabuena, Zhiming Ma, Ruoyu Wang

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对测量系统获取的含误差数据，提出基于再生核希尔伯特空间方法训练扩散模型的去噪框架，能生成接近无误差数据的去噪数据，推导散度上界验证有效性，模拟及实际应用表明该方法性能良好。

Tracing boron diffusion into a textured silicon solar cell using electron beam induced current in a scanning transmission electron microscope

利用扫描透射电子显微镜中的电子束诱导电流追踪硼向织构化硅太阳能电池中的扩散

Tobias Meyer, David A. Ehrlich, Peter Pichler, K. L. Skrollan Detzler, Christoph Flathmann, Valeriya Titova, Tim Böckendorf, Hartmut Bracht, Jan Schmidt, Michael Seibt

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究利用扫描透射电子显微镜中的电子束诱导电流及硼扩散模拟，追踪织构化硅太阳能电池中硼的掺杂剂分布，通过有效模型考虑表面复合，模拟与实验数据相符，还探讨了其在量化弱电场方面的应用。

MixFlow Training: Alleviating Exposure Bias with Slowed Interpolation Mixture

MixFlow训练：用慢插值混合减轻曝光偏差

Hui Li, Fu-Yun Wang, Haoyuan Xia, Jiayue Lyu, Kaihui Cheng, Siyu Zhu, Jingdong Wang

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

AI总结 研究扩散模型训练-测试差异问题，提出MixFlow方法，利用慢流现象的慢插值混合对预测网络后处理，在类条件图像生成和文本到图像生成实验中验证有效，在RAE模型的ImageNet生成任务上取得好结果。

Comments CVPR 2026

LiveEdit: Towards Real-Time Diffusion-Based Streaming Video Editing

LiveEdit：迈向基于扩散的实时流式视频编辑

Xinyu Wang, Chongbo Zhao, Fangneng Zhan, Yue Ma

机构 * THU（清华大学） ； HKUST（香港科技大学） 纠错

专题命中 扩散模型 ：diffusion(title)；分类 cs.CV

AI总结 提出一种因果逐帧编辑的流式视频框架，通过三阶段蒸馏将双向模型能力迁移至单向流式编辑器，结合AR掩码缓存实现12.66 FPS的实时编辑，并保持背景稳定。

Comments Accepted by ECCV 2026, Project page: https://live-edit.github.io

A Data-Driven Interpolation Method on Smooth Manifolds via Diffusion Processes and Voronoi Tessellations

基于扩散过程与沃罗诺伊细分的光滑流形上数据驱动的插值方法

Alvaro Almeida Gomez

机构 * Universidad de Chile（智利大学） 纠错

专题命中 扩散模型 ：diffusion(title)

AI总结 本文提出一种基于拉普拉斯-贝尔特拉米算子和沃罗诺伊细分的数据驱动插值方法，通过扩散过程和数据内在几何构造连续扩展，实现高效插值并提升可扩展性。

Comments Comments are welcome

NaviCache: Test-Time Self-Calibration Caching for Video Generation

NaviCache: 视频生成的测试时自校准缓存

Zheqi Lv, Zhibo Zhu, Jinke Wang, Qi Tian, Shengyu Zhang, Zhengyu Chen, Chengxi Zang, Zhou Zhao, Fei Wu

机构 * Zhejiang University（浙江大学） ； Cornell University（康奈尔大学） ； Tencent Hunyuan（腾讯文生视频） 纠错

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

AI总结 针对视频扩散模型计算成本高的问题，提出NaviCache方法，将特征演化重构思为惯性导航系统问题，通过双状态估计架构自适应跟踪特征变化比和潜在漂移，实现有界误差的计算跳过，在多个模型上取得优异性能。

Comments Published at ICML 2026: Proceedings of the 43rd International Conference on Machine Learning, Seoul, South Korea. PMLR 306, 2026

VGGRPO: Towards World-Consistent Video Generation with 4D Latent Reward

VGGRPO：迈向世界一致的视频生成的4D潜在奖励

Zhaochong An, Orest Kupyn, Théo Uscidda, Andrea Colaco, Karan Ahuja, Serge Belongie, Mar Gonzalez-Franco, Marta Tintore Gazulla

机构 * Google（谷歌） ； University of Oxford（牛津大学） ； CREST-ENSAE, Institut Polytechnique de Paris（巴黎综合理工学院CREST-ENSAE） ； University of Copenhagen（哥本哈根大学） 纠错

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

AI总结 VGGRPO通过引入4D潜在几何模型和组相对策略优化，提升视频生成的几何一致性与稳定性，避免VAE解码的高计算开销。

Comments Accepted at ECCV 2026. Project Page: https://zhaochongan.github.io/projects/VGGRPO

MoLingo: Motion-Language Alignment for Text-to-Human Motion Generation

MoLingo：用于文本到运动生成的运动-语言对齐

Yannan He, Garvita Tiwari, Xiaohan Zhang, Pankaj Bora, Tolga Birdal, Jan Eric Lenssen, Gerard Pons-Moll

机构 * University of Tübingen（图宾根大学） ； Tübingen AI Center（图宾根人工智能中心） ； Max Planck Institute for Informatics（马克斯·普朗克信息学研究所） ； Imperial College London（伦敦帝国理工学院） ； Zuse School ELIZA（Zuse ELIZA 学院） 纠错

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

AI总结 本文提出MoLingo模型，通过在连续潜在空间中去噪生成逼真的人体运动。研究如何构建语义对齐的潜在空间和最佳注入文本条件以提高运动真实性与描述一致性。

Comments Accepted by CVPR 2026. Project page: https://hynann.github.io/molingo/MoLingo.html. Title type fixed, content unchanged

Journal ref Proc. IEEE/CVF Conf. Comput. Vis. Pattern Recogn. (CVPR), 2026, pp. 38387-38398

Invariant-domain-preserving limiting with Adaptive Mesh Refinement for Legendre-Gauss-Lobatto Discontinuous Galerkin Spectral Element Methods

用于勒让德 - 高斯 - 洛巴托间断伽辽金谱元法的具有自适应网格细化的不变域保持限制

Benjamin Bolm, Andrés M. Rueda-Ramírez, Dmitri Kuzmin, Gregor J. Gassner

专题命中 扩散模型 ：diffusion(abstract)

AI总结 针对LGL - DGSEM在笛卡尔网格上的非协调界面，提出不变域保持处理方法，扩展凸限制等框架到含悬挂节点网格，推导低阶界面通量，引入稀疏化策略，结合高阶离散化、限制和自适应网格细化，通过数值验证和模拟展示方案特性。

LRX-PINN: A Layer-Resolving XNet Physics-Informed Neural Network with Integrated Cauchy Activations for Convection-Dominated Problems

LRX-PINN：一种用于对流主导问题的具有集成柯西激活的层解析XNet物理信息神经网络

Zihao Guo, Xin Li, Zhihong Xia

机构 * Institute for Advanced Research, Great Bay University（先进研究院，大湾大学） ； College of Computer Science and Technology, Dongguan University of Technology（计算机科学与技术学院，东莞理工大学） ； Department of Mathematics, Northwestern University（数学系，西北大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 针对对流主导的对流扩散问题中标准物理信息神经网络的结构不匹配，提出基于集成柯西激活的LRX-PINN，其结构匹配对流主导层缩放，实验表明该方法参数少精度高。

Comments 30 pages; 16 figures

Reflection and Refraction at Nonlinear Temporal Boundaries in Synthetic Lattices

合成晶格中非线性时间边界的反射与折射

Chong-Xiao Chen, Zheng-Wei Zhou, Xi-Wang Luo

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究合成晶格中相互作用淬灭产生的非线性时间边界，通过解析非线性薛定谔方程揭示波包依赖的能带结构和时间折射响应，并发现振幅依赖的时间反射/折射及非线性时间双折射现象。

Comments 10 pages, 6 figures. Compared with the previous version, some detailed derivations have been removed from the appendix; the interested reader is referred to arXiv:2601.02199 for these details

Study of jet-induced hydro response in high-energy heavy-ion collisions with a flow-matching generative model

一种用于高能重离子碰撞中事件级喷注诱导流体响应的流匹配生成模型

Kai-Yi Wu, Zhong Yang, Long-Gang Pang, Xin-Nian Wang

专题命中 扩散模型 ：diffusion(abstract)

AI总结 该研究提出了一种基于流匹配生成模型的方法，利用喷注事件数据加速模拟喷注诱导的流体响应，从而更高效地研究重离子碰撞中的喷注效应。

Comments 16 pages in RevTeX4, 9 figures, revised version for journal submission