图像生成

When T2I Synthetic Data Backfires: Amplified Privacy Risks in Real-Synthetic Mix Training

当文本到图像合成数据适得其反时：真实-合成混合训练中的隐私风险放大

Na Li, Boyu Kuang, Hongsheng Hu, Liquan Chen, Hyoungshick Kim, Yansong Gao, Anmin Fu

专题命中 文生图 ：text-to-image(abstract)

AI总结 研究真实-合成混合训练中合成数据会放大真实训练样本隐私泄露问题，建立理论框架，提出RSMixLeak通过成员推理攻击评估风险，有两个变体，还给出轻量级泄露倾向指标以识别高风险数据集。

TCAM-Diff: Triplane-Aware Cross-Attention Medical Diffusion Model

TCAM-Diff：三平面感知交叉注意力医学扩散模型

Zhenkai Zhang, Krista A. Ehinger, Tom Drummond

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

AI总结 研究提出TCAM-Diff这一3D医学图像生成模型，采用仅解码器自动编码器方法学习三平面表示，利用三平面感知交叉注意力扩散模型整合特征，经预训练解码器模块转换为3D体素，在多规模医学数据集实验中结果出色，优于其他类似方法。

Comments Accepted at AAAI 2025. Code is available at https://github.com/Fredy-Zhang/TCAM-Diff

Journal ref Proceedings of the AAAI Conference on Artificial Intelligence, 39(21): 22732-22740, 2025

Cyclone: Diffusion Model for Cycle-Consistent Weather Editing from Unpaired Driving Data

Cyclone：基于未配对驱动数据的循环一致天气编辑扩散模型

Thang-Anh-Quan Nguyen, Moussab Bennehar, Luis Guillermo Roldao Jimenez, Nathan Piasco, Dzmitry Tsishkou, Laurent Caraffa, Jean-Philippe Tarel, Roland Brémond

机构 * Huawei Paris Research Center（华为巴黎研究中心） ； Gustave Eiffel University（古斯塔夫·埃菲尔大学） ； IGN-ENSG（法国国家地理信息与森林和环境信息研究所） 纠错

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

AI总结 针对自动驾驶系统在不同天气条件下可靠感知的挑战，提出Cyclone框架，基于潜在扩散，利用循环一致约束和图像-文本模型知识，无需配对数据生成多种天气条件，实验表明其输出更优，还可提炼为视频扩散模型。

Comments Project page: https://ntaquan0125.github.io/weather-cyclone/

Nexus: Native Mesh Generation with Diffusion

Nexus：基于扩散的原生网格生成

Hanxiao Wang, Ying-Tian Liu, Yuan-Chen Guo, Qi-Yuan Feng, Zi-Xin Zou, Ding Liang, Biao Zhang, Yan-Pei Cao

机构 * MAIS, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所复杂系统管理与控制国家重点实验室） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； VAST（无（暂未找到合适中文名，VAST可音译为“瓦斯特”，但这并非一个正式的中文机构名，所以保留英文）） ； Tsinghua University（清华大学） ； Xi’an Jiaotong University（西安交通大学） 纠错

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

AI总结 研究针对高质量三角形网格生成问题，提出Nexus扩散方法，通过解耦顶点与拓扑生成实现整体网格生成，经实验验证其性能优于现有基线，有效克服顺序网格建模局限且获从业者青睐。

RoughNet: Mapping Arctic Sea Ice Roughness Using Diffusion-Based Super-Resolution of Satellite Imagery

RoughNet：利用基于扩散的卫星图像超分辨率绘制北极海冰粗糙度

Tessa Cannon, Michel Tsamados, Petru Manescu, Thomas Newman, Christian Haas, Veit Helm, Weibin Chen, Randall Scharien

机构 * University College London（伦敦大学学院） ； Alfred Wegener Institute Helmholtz Centre for Polar and Marine Research（阿尔弗雷德·韦格纳极地与海洋研究所亥姆霍兹中心） ； University of Victoria（维多利亚大学） 纠错

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

AI总结 研究旨在准确估计北极海冰粗糙度，采用RoughNet方法，通过条件扩散框架从光学卫星图像重建海冰地形，经训练和评估，能在不同冰况下泛化，为高分辨率海冰测绘和粗糙度估计提供可扩展途径。

Comments Code available at https://github.com/tessacannon48/RoughNet

Text2Sign: A Single-GPU Diffusion Baseline for Text-to-Sign Language Video Generation

文本到手语：用于文本到手语视频生成的单 GPU 扩散基线

Ruize Xia

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

AI总结 研究文本到手语视频生成，提出Text2Sign模型，结合冻结视觉语言文本编码器等技术，降低全视频注意力成本。在特定分割上有一定验证损失等结果，虽提示敏感性弱，但为单GPU研究提供了基线。

Journal ref IEEE Access, vol. 14, pp. 64003-64017, 2026

Kaleido: Algorithm-Hardware Co-Design for Video Diffusion Transformers by Exploiting Latent Space Correlations

Kaleido：通过利用潜在空间相关性对视频扩散变压器进行算法-硬件协同设计

Wenxuan Miao, Haosong Liu, Weiming Hu, Zihan Liu, Aiyue Chen, Jianlin Yu, Yiwu Yao, Yiming Gan, Jieru Zhao, Jingwen Leng, Minyi Guo, Yu Feng

机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Jiao Tong University, Shanghai Qi Zhi Institute（上海交通大学、上海颀智研究所） ； Huawei Technologies（华为技术有限公司） ； ICT, Chinese Academy of Sciences（信息科技研究所、中国科学院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对视频扩散变压器计算成本高的问题，提出Kaleido算法-硬件协同设计，利用潜在空间通道级时空相关性加速操作，有轻量级重用算法，设计了加速器，实验表明其相比现有加速器有显著加速和节能效果。

Discrete Diffusion Models: A Unified Framework from Tokenization to Generation

离散扩散模型：从词元化到生成的统一框架

Ye Yuan, Weien Li, Rui Song, Zeyu Li, Haochen Liu, Xiangyu Kong, Zixuan Dong, Linfeng Du, Zipeng Sun, Weixu Zhang, Jiaxin Huang, Changjiang Han, Yonghan Yang, Zichen Zhao, Xiuyuan Hu, Haolun Wu, Yankai Chen, Fengran Mo, Jikun Kang, Bowei He, Philip S. Yu, Xue Liu

机构 * McGill University（麦吉尔大学） ； Mila - Quebec AI Institute（米拉-魁北克人工智能研究所） ； University of Cambridge（剑桥大学） ； University of Toronto（多伦多大学） ； MBZUAI - Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； Tsinghua University（清华大学） ； Rochester Institute of Technology（罗彻斯特理工学院） ； Salesforce（Salesforce公司） ； University of Illinois Chicago（伊利诺伊大学芝加哥分校） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究离散扩散模型，引入统一框架从离散状态空间构建审视该模型，让现有公式成为共同设计空间实例，揭示训练、推理等方面权衡，为未来研究提供方向。

Propagation dynamics of an acid-mediated invasion model with degenerate tumor diffusion

具有退化肿瘤扩散的酸介导侵袭模型的传播动力学

Xinyue Cao, Quentin Griette, Xiong Li, Yang Wang

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究具有密度依赖退化扩散的酸介导肿瘤侵袭模型的行波前沿，通过引入非线性变量变换等方法，证明了特定波速下行波前沿存在，连接肿瘤主导与健康状态，并建立了相关估计。

Comments 27 pages

Non-local evolution equations with Lévy diffusion: Well-posedness and limiting behavior

具有 Lévy 扩散的非局部演化方程：适定性与极限行为

Xi Huang, Li Peng, Yong Zhou

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究具有 Lévy 扩散的时间非局部演化方程，通过从属原理和松弛函数理论，在相关条件下探讨非局部线性演化问题经典解存在性、向广义 Rayleigh - Stokes 方程的极限情况及非线性问题温和解的性质。

Estimation of Elastic Parameters with Guidance-based Diffusion model

基于引导扩散模型的弹性参数估计

Anjali Dixit, Francesco Brandolin, Tariq Alkhalifah

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对弹性参数从角度叠加地震数据中可靠估计的难题，提出基于引导扩散模型的反演工作流程，经无监督训练学习参数耦合，用扩散后验采样近似似然函数，在两个数据集上评估，相比基线能恢复更好剖面并实现不确定性量化。

Generating synthetic evolution of turbulent flames with an experimental data-based spatiotemporal diffusion model

用基于实验数据的时空扩散模型生成湍流火焰的合成演化

Amrit Tarur, Shivam Barwey

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 该研究开发条件扩散模型，结合 x 预测流匹配框架及时空变压器，生成湍流火焰合成轨迹，能保留关键特征与统计一致性，还进行过渡合成外推任务，为数据稀疏环境下的数据探索提供新途径。

Towards compressed baryonic matter densities: D meson diffusion

迈向压缩重子物质密度：D介子扩散

Dani Rose J Marattukalam, Manpreet Kaur, Arvind Kumar, Sabyasachi Ghosh

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究通过动力学理论弛豫时间近似，在手征SU(3)强子模型中计算D介子在致密核介质中的空间扩散和动量传输系数，用不同近似估算弛豫时间，其结果对评估未来重离子碰撞实验中的压缩重子物质密度有重要意义。

Condition for $1/f$ noise to occur along with an example for a diffusion equation

1/f噪声出现的条件及扩散方程示例

H. Mouri

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究1/f噪声出现条件，通过分析扩散方程找到例子，得出其出现的充要条件，即由两个常数频率表征且特定频率范围无其他常数参数，该条件适用于任何系统，解释了1/f噪声普遍性及部分其他噪声系统。

Comments 7 pages, to appear in Physical Review E

Journal ref PRE, 114, 024106 [2026]

An exactly solvable macroscopic fluctuation theory of single-file diffusion

单文件扩散的一个可精确求解的宏观涨落理论

Sandeep Jangid, Soumyabrata Saha, Kapil Sharma, Jitendra Kethepalli, Benjamin Guiselin, Jacopo De Nardis, Tridib Sadhu

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究单文件扩散，通过正则变换求解扩展BHR气体及有限体积排斥晶格气体的宏观涨落理论，计算示踪剂位置和积分电流的大偏差统计量，并用罕见事件模拟验证结果。

Comments 8 pages, 3 figures + 8 pages of supplement

On the Vanishing Viscosity and Magnetic Diffusion Limit for Incompressible Magnetohydrodynamics

关于不可压缩磁流体动力学的粘性消失和磁扩散极限

Sarka Necasova, Tong Tang, Yuanjing Tang

专题命中 扩散模型 ：diffusion(title)

AI总结 研究不可压缩磁流体动力学方程的无粘和无电阻极限，通过推导充分条件、建立准则及分析衰减率，得到MHD系统解的极限及磁普朗特数极限，是该问题数学上的首个严格结果。

Recovery of coefficients for a convection-diffusion equation from partial data

从部分数据中恢复对流扩散方程的系数

Liam Buisson

专题命中 扩散模型 ：diffusion(title)

AI总结 研究从部分边界测量中恢复抛物型方程中依赖时空变量的零阶和一阶系数的反问题，通过开发特殊解、引入非线性权重卡尔曼估计并结合X射线变换部分数据结果来实现，还建立了新的卡尔曼估计。

DNA: Dual-stage Native Attribution for Generated Image Source Tracing

DNA：用于生成图像源追踪的双阶段原生归因

Chao Wang, Kejiang Chen, Zijin Yang, Yaofei Wang, Yuang Qi, Weiming Zhang, Nenghai Yu

机构 * University of Science and Technology of China（中国科学技术大学） ； Hefei University of Technology（合肥工业大学） 纠错

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

AI总结 针对图像生成中家族内变体源追踪难题，提出双阶段原生归因（DNA）框架。粗粒度用 AEDR 筛选，细粒度用 NPC 归因。构建 DNA-30K 基准，实验表明 DNA 准确率高，优于基线，为图像源追踪提供有效方法。

Comments 18 pages

Improving Medical Image Generative Models with Fréchet Distance Loss

用弗雷歇距离损失改进医学图像生成模型

Andrew Marshall, Xuanang Xu, Xiaoran Zhang, Rui Wang, Lawrence Staib, James Duncan

机构 * Yale University（耶鲁大学） 纠错

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

AI总结 研究针对扩散生成模型难以捕捉异质性肿瘤复杂形态特征的问题，提出用弗雷歇距离损失微调模型，通过在多数据集上集成该损失，提升了下游分割网络性能，证明其是改进医学图像生成模型临床工作流程的有效正则化方法。

Delving into the Temporal Challenges of Unified Video Protection Against Image-to-Video and Fine-Tuning-based Customization

深入探讨统一视频保护在图像到视频和基于微调的定制方面的时间挑战

Yuxin Huang, Ziming Hong, Mingming Gong, Wanyu Wang, Jing Zhang, Tongliang Liu

机构 * The University of Sydney（悉尼大学） ； University of Melbourne（墨尔本大学） ； City University of Hong Kong（香港城市大学） ； Wuhan University（武汉大学） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） 纠错

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

AI总结 研究针对基于扩散模型的视频定制引发的隐私等保护问题，提出TC-UAP方法，通过优化身份级多帧UAP并引入相关时间建模和损失，使其在时间上一致且鲁棒，在多种视频定制及攻击下实现强身份保护。

Comments This work provides a basis for the ECCV 2026 LifeGenIP Challenge on Unlearnable Videos against Diffusion-based Customization. Challenge page: https://lifegenip.cc/competition. Evaluation code: ECCV26_LifeGenIP_starting_kit" target="_blank" rel="noopener">https://github.com/tmllab/ECCV26_LifeGenIP_starting_kit. Project page: https://saythe17.github.io/TC-UAP/

VideoRAE: Taming Video Foundation Models for Generative Modeling via Representation Autoencoders

VideoRAE：通过表示自动编码器驯服用于生成建模的视频基础模型

Zhihao Xie, Junfeng Wu, Xinting Hu, Junchao Huang, Li Jiang

机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Huazhong University of Science and Technology（华中科技大学） ； Shenzhen Loop Area Institute（深圳河套学院） ； 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(abstract)；分类 cs.CV

AI总结 研究视频生成模型潜在空间问题，提出VideoRAE，利用冻结视频基础编码器特征经1D自注意力投影仪压缩，支持多种潜在空间，通过多码本高维量化等实现强大重建，收敛快，验证了冻结VFM表示的有效性。

Comments Home page: https://zhxie0117.github.io/VideoRAE

Kepler-Encoder-v0.1: Towards a Multimodal Embedding Model for Robots

开普勒编码器v0.1：迈向机器人的多模态嵌入模型

Ishneet Sukhvinder Singh, Dhanoosh Pooranakumaran, Alex Nguyen, Jia Qi Yip

机构 * Menlo Research（门洛研究公司） 纠错

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

AI总结 研究针对机器人理解自身状态问题，提出开普勒编码器v0.1，通过学习查询交叉注意力层融合多模态信息，经自监督训练。实验表明其仅视觉潜空间能恢复末端执行器状态，优于其他方法，单个编码器涵盖多个机器人，冻结潜空间有多种用途。

Comments 33 pages

DiffGI: Differentiable Geometry Images for High-Fidelity Thin-Shell 3D Generation

DiffGI：用于高保真薄壳3D生成的可微几何图像

Eungjune Shim, Hansol Lee, Eunjung Ju

机构 * CLO Virtual Fashion Inc.（CLO虚拟时尚公司） 纠错

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

AI总结 DiffGI针对现有3D生成模型问题，提出端到端3D到2D映射框架，用连续函数取代二进制图，引入可微算法，训练相关模型，在薄壳3D生成中实现高保真、高精度，减少计算资源需求。

Comments Accepted to ECCV 2026

Efficient Text-to-Audio Generation via Pruning

通过剪枝实现高效的文本到音频生成

Arshdeep Singh, Yi Yuan, Yun Chen, Wenwu Wang, Mark D. Plumbley

机构 * King's College London (KCL)（伦敦国王学院） ； University of Surrey（萨里大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究针对基于扩散的文本到音频生成模型AudioLDM计算成本高的问题，应用模型剪枝提高其计算效率，通过分析参数冗余和评估剪枝策略，经实验验证可大幅减少参数和运算量，且能在一定程度上恢复对特定声音事件的生成能力。

Comments Submitted to DCASE 2026 Workshop

AI-Augmented Adaptive Digital Twin Modeling for Brain Tumor Evolution Prediction and Treatment Scheduling

用于脑肿瘤进化预测和治疗计划安排的人工智能增强自适应数字孪生建模

Wenxi Liu, Michael Trimboli, Xianqi Li

机构 * Florida Institute of Technology（佛罗里达理工学院） ； Department of Mathematics and Systems Engineering（数学与系统工程系） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 针对脑肿瘤进化预测和治疗计划难题，提出人工智能增强自适应数字孪生框架，集成多种模型与方法。实验表明该框架能有效提升预测准确性，降低肿瘤负荷，为患者特异性治疗优化提供统一框架，奠定向现实治疗计划转化基础。

Heavy-Tailed Flow Matching via Random Clocks

通过随机时钟进行重尾流匹配

Zhouhao Yang, Yezhen Wang, Kenji Kawaguchi, Vladimir Braverman, Haoyang Cao

机构 * Johns Hopkins University（约翰斯·霍普金斯大学） ； National University of Singapore（新加坡国立大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究重尾数据匹配问题，提出HTFM框架，将重尾源视为时钟条件高斯源混合，用截断对数签名特征编码时钟。实验显示其在多领域优于高斯流匹配等基线，保留低NFE采样优势，还提供尾部控制接口。

Exploring the Alignment of Generation and Understanding in Protein Structure Modeling

探索蛋白质结构建模中生成与理解的对齐

Junde Xu, Yuansheng Huang, Zijun Gao, Lihang Liu, Xiaoming Fang, Yu Kang, Jiezhong Qiu, Pheng Ann Heng

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究蛋白质结构建模中生成与理解的对齐问题，通过基准测试发现现有生成模型表现不佳，受REPA框架启发提出训练时使生成模型与理解模型对齐，实验表明该方法显著提升功能蛋白质生成。

Concurrent Image Understanding and Generation: Self-Correcting Coupled Markov Jump Processes

并发图像理解与生成：自校正耦合马尔可夫跳跃过程

Minh-Quan Le, Armand Comas, Alexandros Lattas, Stylianos Moschoglou, Pedro Vélez, Amit Raj, Aaron Germuth, Thabo Beeler, Dimitris Samaras, Di Qiu

机构 * Stony Brook University（纽约州立大学石溪分校） ； Google DeepMind（谷歌DeepMind） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究针对人类认知中理解与生成的耦合循环，引入自校正耦合马尔可夫跳跃过程框架及$\texttt{CO}_\texttt{2}\texttt{Jump}$采样器，解决掩码扩散模型跨模态矛盾问题，创建多模态语料库，该方法在图像相关任务中性能优异，且性能随去噪步骤数提升。

Comments Project page: https://coupled-jump.github.io

Rearranged Stochastic Heat Equations with an Entropy Gradient Structure

具有熵梯度结构的重排随机热方程

Francois Delarue, Rhoss Likibi Pellat

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究扩展概率测度空间上的一维扩散模型，通过重排随机热方程并加入熵驱动梯度下降项惩罚动力学，经分裂论证证明方程定义良好，还研究了相关动力学性质及解的密度等，保留了随机热方程的平滑性质。

Comments 53 pages, 0 figure

Load Balancing with Individually Heterogeneous Servers

具有个体异构服务器的负载均衡

Burak Büke, Arpan Mukhopadhyay, Özge Tekin

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究具有个体异构服务器的系统中JSQ负载均衡策略的扩散极限，基于测度值过程开发框架统一分析，确定区分不同平局决胜规则性能的关键对象，找到渐近最优的平局决胜规则并通过耦合比较证明结果。

Comments 70 pages, 3 figures