图像生成

Structure-Semantic Co-optimized Latent Diffusion Model for Fast Visual Anagram Synthesis

结构-语义协同优化的潜扩散模型用于快速视觉字谜合成

Xiang Gao, Yunpeng Jia

机构 * School of Digital Media and Design Arts, Beijing University of Posts and Telecommunications（北京邮电大学数字媒体与设计艺术学院） 纠错

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

AI总结 提出结构-语义协同优化框架S2CO-Anagram，通过空文本结构对齐、语义增强和注意力引导噪声融合，在极低计算成本下生成高分辨率、高视觉和谐度与语义保真度的视觉字谜图像。

Exact and Calibrated Diffusion Reconstruction for Digital Breast Tomosynthesis

数字乳腺断层合成的精确校准扩散重建

Imade Bouftini

机构 * Imade Bouftini 纠错

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

AI总结 该研究针对有限角度数字乳腺断层合成，提出用精确欧几里得投影替换近端更新来确保数据一致性，通过等渗重新校准解决不确定性问题，修复投影仪伴随不匹配，实现首个数据一致、不确定性校准的学习重建，提高了重建保真度。

The Seriality Gap in Video Diffusion Models

视频扩散模型中的序列性差距

Jorge Diaz Chao, Konpat Preechakul, Yuxi Liu, Yutong Bai

机构 * 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 研究视频扩散模型在多球动力学实验中的表现，发现其存在序列性差距，即任务所需串行计算与模型去噪循环不匹配，增加有效串行计算的方法可提升性能，还证明去噪步骤在串行推理和模拟任务上有结构障碍。

Comments Jorge Diaz Chao and Konpat Preechakul contributed equally. 24 pages, 12 figures, and 5 tables. Project page: https://seriality-gap.jdiazchao.com

Steering Diffusion Models via Class-Contrastive Influence for Few-Shot Medical Classification

通过类对比影响引导扩散模型进行少样本医学分类

Jeeyung Kim, Erfan Esmaeili, Qiang Qiu

机构 * Purdue University（普渡大学） 纠错

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

AI总结 针对少样本医学分类中标记数据稀缺，现有方法忽视样本对分类有用性衡量与优化的问题，提出类对比影响（C2I）准则，通过强化学习用C2I奖励微调扩散模型，引导生成类信息丰富样本，提高了下游准确性和鲁棒性。

GenDiff: A Dose and Anatomy Aware Diffusion Model with Structural Prior Refinement for Low-Dose CT Reconstruction and Generalization

GenDiff：一种具有结构先验细化的剂量和解剖感知扩散模型，用于低剂量CT重建和泛化

Md Imam Ahasan, Guangchao Yang, A F M Abdun Noor, Kah Ong Michael Goh, S. M. Hasan Mahmud, Md Mahfuzur Rahman

机构 * Faculty of Information Science & Technology, Multimedia University, Malaysia（马来西亚多媒体大学信息科学与技术学院） 纠错

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

AI总结 针对低剂量CT重建中现有方法局限性，提出GenDiff框架，联合建模剂量与解剖信息，集成多种模块，经多数据集实验验证，该方法在不同条件下鲁棒性强且重建质量优，是低剂量CT成像的有前途方案。

Comments 20 pages, 8 figures, 4 tables. Under review at PeerJ Computer Science

RFM-Editing 2: Text-Guided Audio Editing with Rectified Flow Matching and Coarse-to-Fine Diffusion Transformers

基于整流流的混合扩散变压器用于指令引导音频编辑

Liting Gao, Yonggang Zhu, Yaru Chen, Dongyu Wang, Shubin Zhang, Zhenbo Li, Jean-Yves Guillemaut, Wenwu Wang

机构 * Centre for Vision, Speech and Signal Processing (CVSSP), University of Surrey（萨里大学视觉、语音与信号处理中心） ； School of Artificial Intelligence, Beijing University of Posts and Telecommunications（北京邮电大学人工智能学院） ； Fisheries College, Ocean University of China（中国海洋大学水产学院） ； College of Information and Electrical Engineering, China Agricultural University（中国农业大学信息与电气工程学院） 纠错

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

AI总结 提出混合两阶段扩散变压器架构，通过粗到细策略平衡全局语义对齐与局部细节编辑，在重叠音频事件和复杂指令任务上提升性能与效率。

Leveraging Prior Knowledge of Diffusion Model for Person Search

利用扩散模型的先验知识进行行人搜索

Giyeol Kim, Sooyoung Yang, Jihyong Oh, Myungjoo Kang, Chanho Eom

机构 * GSAIM, Chung-Ang University（Chung-Ang大学图像信息研究所） ； IPAI, Seoul National University（首尔国立大学图像感知研究所） ； Department of Mathematical Sciences and RIMS, Seoul National University（首尔国立大学数学科学系和RIMS） 纠错

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

AI总结 针对行人搜索中现有方法的不足，提出DiffPS框架，利用预训练扩散模型，消除子任务优化冲突，通过分析扩散先验属性设计三个专门模块，在CUHK-SYSU和PRW数据集上取得新的最优成果。

LVMark: Robust Watermark for Latent Video Diffusion Models

LVMark：用于潜在视频扩散模型的鲁棒水印

Youngdong Jang, MinHyuk Jang, JaeHyeok Lee, Feng Yang, Gyeongrok Oh, Jongheon Jeong, Sangpil Kim

机构 * Department of Artificial Intelligence, Korea University, Seoul 02841, Republic of Korea（人工智能系，韩国大学，首尔02841，大韩民国） ； Google DeepMind, Mountain View, CA 94043, USA（谷歌DeepMind，山景城，加利福尼亚州94043，美国） 纠错

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

AI总结 针对视频扩散模型现有水印方法的局限，提出LVMark方法，通过学习相邻帧一致性设计新颖水印解码器，结合小波域低频分量与视频颜色特征确保解码准确，训练潜在解码器保持视觉保真，平衡视觉质量与比特精度，实现高容量鲁棒水印嵌入。

Beyond Perceptual Distance: Discrepancy Assessment on Deep Representation for Out-of-Distribution Detection with Diffusion Model

超越感知距离：基于扩散模型的分布外检测深度表示差异评估

Kun Fang, Zuopeng Yang, Haibo Hu, Xiaolin Huang, Jie Yang, Qinghua Tao

机构 * Department of Automation, Shanghai Jiao Tong University（上海交通大学自动化系） ； Department of Electrical and Electronic Engineering, The Hong Kong Polytechnic University（香港理工大学电子与电气工程系） ； The Intsig Information Co., Ltd., Shanghai, China（上海Intsig信息有限公司） ； School of Automation, Beijing Institute of Technology（北京理工大学自动化学院） 纠错

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

AI总结 研究基于扩散模型的分布外检测差异评估，提出以分类器相关方式评估，利用其表示空间量化特征级和logit级差异，设计优化策略构成DDR框架，实验表明DDR在ImageNet-1K数据集上检测性能优于其他方法。

Audio-Native Speech Recognition with a Frozen Discrete-Diffusion Language Model

使用冻结离散扩散语言模型的音频原生语音识别

Harsha Vardhan Khurdula, Abhinav Kumar Singh, Yoeven D Khemlani, Vineet Agarwal

机构 * Interfaze AI（Interfaze人工智能公司） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 探讨离散扩散语言模型能否用于语音识别，训练音频原生接口，用冻结Whisper编码器等，约42M参数。自然训练目标遇问题，连接主义时间分类损失打破僵局，模型在LibriSpeech test-clean上字错误率6.6%，能并行转录多种语言。

Comments 10 pages, 2 figures, 6 tables

Accelerating Masked Diffusion Large Language Models: A Survey of Efficient Inference Techniques

加速掩码扩散大语言模型：高效推理技术综述

Daehoon Gwak, Minhyung Lee, Junwoo Park, Jaegul Choo

机构 * KAIST AI（韩国科学技术院人工智能研究所） ； Yonsei University（延世大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 综述介绍用于扩散大语言模型的统一延迟分解框架，以理清算法、架构和系统因素对推理速度的影响，将加速技术分类，提供可重复基准测试指导方针并强调实现并行生成潜力的挑战。

Comments Accepted at IJCAI-ECAI 2026 (Survey Track)

UD-ASD: A Unified Diffusion Model for Anomalous Sound Detection

UD-ASD：一种用于异常声音检测的统一扩散模型

Pengxiang Gao, Yu Qiu, Yanzhi Song

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 研究针对异常声音检测，提出含轻量级模块的统一扩散模型，先将音频转对数梅尔频谱图，通过嵌入机器ID引导模型为特定机器重建数据，经高斯混合模型拟合误差分布，实验验证该模型在DCASE2022任务2中相比基线有显著提升。

Comments 5 pages, 3 figures, Interspeech 2026

Model-Based Diffusion Optimal Control for Multi-Robot Motion Planning

基于模型的扩散最优控制用于多机器人运动规划

Zhilin He, Yorai Shaoul, Jiaoyang Li

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对多机器人运动规划难题，介绍基于模型的扩散最优控制（MDOC），它不依赖数据，通过结合动力学模型与控制障碍函数约束投影，利用基于冲突搜索的安全机制，在模拟实验中展现出优于基线规划器的性能。

Accepted Prefixes Are Not All You Need: A Negative Result on PEFT-Based Block-Diffusion Drafting

接受前缀并非全部所需：基于PEFT的块扩散草稿生成的负面结果

Abdurrahman Javat, Allan Kazakov

机构 * Bahçeşehir University（巴赫切希尔大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究基于PEFT - BD的推测性解码方法，虽有避免分词器不匹配等优点，但在Qwen3 - 0.6B实验中未实现实际加速，因草稿生成器计算不高效。结果表明成功推测性解码需草稿生成器执行成本远低于验证器。

ReDiTT: Retrieval Augmented Conditional Diffusion Transformers for Asynchronous Time Series

ReDiTT：用于异步时间序列的检索增强条件扩散变压器

Saiyue Lyu, Zhitian Zhang, Ruizhi Deng, Thibaut Durand

机构 * University of British Columbia（英属哥伦比亚大学） ； RBC Borealis（加拿大皇家银行北极星） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 该研究针对异步时间序列预测问题，提出ReDiTT模型，通过在潜在空间运行并从记忆库检索相似潜在序列作为参考条件，利用交叉注意力机制，实现稳定的长期预测并提高样本多样性，在多个数据集上取得最优性能。

Comments Accepted at TMLR 2026

Generating Developable 3D Molecules via Pocket-Conditioned Diffusion and Property-Aware Optimization

通过口袋条件扩散和性质感知优化生成可开发的3D分子

Ruoxi Gao, Jiangweizhi Peng, Ziqi Chen, Frazier N. Baker, David C. Kombo, John L. Kane, Andrew A. Scholte, Yi Li, Matthew J. LaMarche, Luigi I. Iconaru, Hans-Peter Biemann, Mingyi Hong, Xia Ning

机构 * The Ohio State University（俄亥俄州立大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 该研究针对药物发现难题，提出基于条件扩散的SBDD框架conDitar-dev，含msPRL、conDitar和paOPT三个模块。在新基准上表现出色，在ADMET属性上性能提升显著，应用于两个靶点验证了其生成可开发分子的能力，还发现了新抑制剂及药物重新定位机会。

TraceSynth: Generating Production-Quality Kernel Traces with Constraint-Guided Diffusion Models

TraceSynth：使用约束引导扩散模型生成生产质量的内核跟踪

Yuvraj Sehgal, Sneh Patel, Mahsa Panahandeh, Naser Ezzati-Jivan, Francois Tetreault

机构 * Department of Computer Science, Brock University（布罗克大学计算机科学系） ； School of Electrical Engineering and Computer Science, University of Ottawa（Ottawa 大学电气工程与计算机科学学院） ； Ciena Corporation（Ciena 公司） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究针对工业系统收集内核执行跟踪成本高的问题，提出TraceSynth框架，利用基于Transformer的去噪扩散过程及约束引导修复生成合成内核跟踪，在六个基准测试中验证效果，显示其能经济高效增强跟踪并助于判断合成数据替代真实跟踪的时机。

Comments 11 pages, 2 figures, 6 tables. Author's accepted version. Published in the Industry Track of the 34th ACM Joint European Software Engineering Conference and Symposium on the Foundations of Software Engineering (FSE Companion '26), Montreal, QC, Canada. Code: https://github.com/17YuvrajSehgal/SyntheticLogGeneration

Journal ref FSE Companion '26: Companion Proceedings of the 34th ACM Joint European Software Engineering Conference and Symposium on the Foundations of Software Engineering, Montreal, QC, Canada, 2026

Learning to Discretize: Diffusion-Based Adaptive Mesh with Spectral Guidance

学习离散化：基于扩散的具有谱引导的自适应网格

Zixuan Shen, Bingchuan Wang, Zhi Wang, Yong Wang

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究提出能否让替代模型在预测场演化前学习分辨率位置的问题，构建两阶段扩散框架解决自适应离散化，通过多种约束使网格生成器正则化，结果显示该方法在五个PDE regime有竞争力，表明离散化应依 regime学习，重构了自适应网格划分问题。

Comments 19 pages, 11 figures, 9 tables

Graph-Based Detection of Disinformation Narrative Diffusion between Russian and Ukrainian Telegram Channels

基于图的俄罗斯和乌克兰Telegram频道间虚假信息叙事传播检测

Yuliia Vistak, Viktoriia Makovska, Vera Schmitt, Veronika Solopova

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究社交媒体虚假信息叙事检测难题，提出基于图的框架，结合弱监督与传播图分析，聚合语义相关断言建模传播，可检测协调叙事放大及虚假信息叙事传播，提供可扩展检测方法。

Comments UNLP 2026 The Fifth Ukrainian Natural Language Processing Conference

Analysis of a multispecies cross-diffusion Keller-Segel system with volume filling

具有体积填充的多物种交叉扩散Keller-Segel系统分析

Noah Geltner, Ansgar Jüngel, Mingyue Zhang

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究趋化性驱动的多相多物种扩散系统，通过耦合相关方程并基于质量和力平衡定律推导得出模型，建立了全局弱解等性质，将熵有界方法扩展到特定解值域，得出多方面成果。

Graph-space well-posedness for diffusion equations with degenerate instantaneous diffusion

具有退化瞬时扩散的扩散方程的图空间适定性

Hiroki Ishizaka

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究具有完全单调记忆的扩散方程，通过引入扩展状态、利用算子伴随性使增强生成器\(m\)-耗散，得到唯一温和解等，证明了相关收敛性，为记忆主导扩散的离散化提供连续稳定性目标。

On a two-species Keller-Segel model with degenerate diffusion and two stimuli

关于具有退化扩散和两种刺激的双物种凯勒 - 塞格尔模型

Shen Bian

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究全空间中具有退化扩散的双物种趋化系统，通过精细能量估计建立弱解全局存在性，在参数额外假设下得出解向常数稳态的指数收敛速率，揭示强退化扩散确保全局有界性和指数稳定性。

Uncertainty-Aware Crack Growth Forecasting via Conditional Denoising Diffusion Models for Phase-Field Fracture

基于相场断裂的条件去噪扩散模型的不确定性感知裂纹扩展预测

Jahnavi Krishna Koda, S. M. Mallikarjunaiah

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究针对传统方法预测脆性裂纹扩展的计算瓶颈，提出基于物理的条件去噪扩散概率模型，可进行全场时空断裂演化预测，能在不修改模型下量化不确定性，有精度提升、跨状态泛化等优势，且推理速度有改进。

Lattice Configuration Generation with a Self-Learning Diffusion Model

用自学习扩散模型生成格点配置

Akio Tomiya

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究无需外部蒙特卡罗计算准备数据来训练格点场配置扩散采样器，构建自引导采样器SLDiffusion，在二维紧凑XY模型中自训练，结果显示能量和涡旋密度与独立计算相符，积分自相关时间短，证明可自训练。

Comments 34 pages, 8 figures

Emergence of drifted diffusion in quantum walks with subspace restart

具有子空间重启的量子行走中漂移扩散的出现

Liwei Qiao, Ruoyu Yin, Wei Zhang

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究通过引入子空间重启协议，以离散时间量子行走为例，利用选择性重置驱动其进入漂移扩散区域，借助惠更斯 - 菲涅耳机制解释现象，确立了子空间重启是控制合成晶格中量子到经典转变的途径。

Comments 7 pages, 4 figures

Follow the Latent Roadmap: Navigating Revocable Decoding for Diffusion LLMs with Anchor Tokens

遵循潜在路径：利用锚定令牌导航扩散LLM的可撤销解码

Yizhen Yao, Qinglin Zhu, Runcong Zhao, Xiangxiang Dai, Yanzheng Xiang, Yulan He, Lin Gui

机构 * King's College London（伦敦国王学院） ； The Chinese University of Hong Kong（香港中文大学） ； The Alan Turing Institute, UK（英国艾伦·图灵研究所） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对扩散大语言模型解码速度与质量的权衡，提出无训练框架ASRD，通过锚定令牌解耦上下文，结合锚定引导生成与锚定扰动验证，在数学和编码基准上提升准确率6.4%，加速推理7.2倍。

Attention-Discounted Adaptive Sampler for Masked Diffusion Language Models

注意力折扣自适应采样器用于掩码扩散语言模型

Yusuf Sahin, Ahmed Rockey Saikia, Volkan Cevher, Paolo Favaro

机构 * University of Bern（伯尔尼大学） ； EPFL（瑞士联邦理工学院洛桑分校） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对掩码扩散语言模型并行解码中候选词交互导致的不安全问题，提出训练无关的重排序规则ADAS，通过注意力折扣软惩罚改进子集构建，在多个基准上提升低NFE性能。

DiffAU: Diffusion-Based Ambisonics Upscaling

DiffAU: 基于扩散的Ambisonics升阶

Amit Milstein, Nir Shlezinger, Boaz Rafaely

机构 * Technion - Israel Institute of Technology（技术学院 - 以色列理工学院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出DiffAU方法，利用扩散模型和空间音频适配，从一阶Ambisonics生成三阶Ambisonics，实现快速可靠的升阶。

On a Universal Strictly Decreasing Nonparametric Estimator Applied to the Drift Function of a Recurrent Diffusion Process Estimation

关于递归扩散过程漂移函数的严格递减非参数估计器

Nicolas Marie

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出一种严格递减的非参数估计器，用于估计递归扩散过程的漂移函数，通过非渐近L1风险界和带宽选择方法提高估计精度。

Comments 17 pages, 2 figures

Bridging Distance and Spectral Positional Encodings via Anchor-Based Diffusion Geometry Approximation

通过基于锚点的扩散几何近似桥接距离与谱位置编码

Zimo Yan, Zheng Xie, Runfan Duan, Chang Liu, Wumei Du

机构 * National University of Defense Technology（国防科技大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文通过基于锚点的扩散几何近似方法，桥接距离与谱位置编码，提升分子图学习的性能。