图像生成

Multi-Axis Max@K Reinforcement Learning for Representative Diversity in Text-to-Image Generation

用于文本到图像生成中代表性多样性的多轴最大@K强化学习

Ku Onoda, Paavo Parmas, Hiroki Furuta, Soichiro Nishimori, Yuta Oshima, Shohei Taniguchi, Yutaka Matsuo

机构 * The University of Tokyo（东京大学） 纠错

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

AI总结 研究文本到图像生成中样本模式覆盖不足问题，提出多轴最大@K强化学习目标，通过特定信用分配机制改善覆盖，在感知外观公平性评估中提高公平分数，且保持图像质量和文本对齐。

TAMF-VTON: Texture-Aware Mask-Free Virtual Try-On via High-Fidelity Image Synthesis

TAMF-VTON：通过高保真图像合成实现纹理感知无掩码虚拟试穿

Jie Wang, Qian He, Gaofeng He, Xiaogang Jin, Huamin Wang

机构 * State Key Lab of CAD & CG, Zhejiang University（浙江大学计算机辅助设计与图形学国家重点实验室） ； Style3D Research China（中国凌迪科技风格实验室） 纠错

专题命中 文生图 ：image synthesis(title,abstract)；diffusion(abstract)；inpainting(abstract)；分类 cs.CV

AI总结 TAMF-VTON旨在解决虚拟试穿方法局限，通过统一生成管道，含轻量级专家混合适应方案、频域监督机制和强大数据管理管道，实现无掩码、多服装组合、纹理保留及高效推理，优于现有方法，为数字时尚提供可行方案。

When Pretty Isn't Useful: Investigating Why Modern Text-to-Image Models Fail as Reliable Training Data Generators

当漂亮并不有用：调查现代文本到图像模型为何无法作为可靠的训练数据生成器

Krzysztof Adamkiewicz, Brian Bernhard Moser, Stanislav Frolov, Tobias Christian Nauen, Federico Raue, Andreas Dengel

机构 * RPTU University Kaiserslautern-Landau（凯撒斯劳滕-兰道大学） ； German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心） 纠错

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

AI总结 研究发现现代文本到图像模型在生成合成数据时性能下降，揭示其生成的数据分布狭窄且缺乏多样性，挑战了生成现实感进步即意味着数据现实感进步的假设。

Comments Accepted to CVPR26, Project Page: https://bill2462.github.io/When-Pretty-Isn-t-Useful-page/, Code: https://github.com/Bill2462/When-Pretty-Isn-t-Useful-codebase

RePlan: Reasoning-guided Region Planning for Complex Instruction-based Image Editing

RePlan：基于推理的复杂基于指令的图像编辑区域规划

Tianyuan Qu, Lei Ke, Xiaohang Zhan, Longxiang Tang, Yuqi Liu, Bohao Peng, Bei Yu, Dong Yu, Jiaya Jia

机构 * Tencent AI Lab（腾讯人工智能实验室） ； CUHK（香港中文大学） ； HKUST（香港科技大学） 纠错

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

AI总结 研究针对复杂指令图像编辑中现有模型在IV-复杂性下的不足，提出RePlan框架，结合视觉语言规划器与扩散编辑器，经强化学习提升性能，还推出IV-Edit基准，该框架在相关设置中优于强大基线，提高了区域精度和整体一致性。

Comments [ECCV2026] Precise multi-region control and planning for instruction-based image editing. Our project page: https://replan-iv-edit.github.io

ReBind: Multi-Reference Video Editing via Structured Instructions with Explicit Reference Relationships

ReBind：通过具有显式参考关系的结构化指令进行多参考视频编辑

Xinyu Liu, Shihao Li, Weihong Lin, Xinlong Chen, Yang Shi, Yujin Han, Yiyang Cai, Yanghao Wang, Ruibin Yuan, Yuanxing Zhang, Pengfei Wan, Wenhan Luo, Yike Guo

机构 * HKUST（香港科技大学） ； Kling Team（克林团队） ； NJU（南京大学） ； UCAS（中国科学院大学） ； PKU（北京大学） ； HKU（香港大学） 纠错

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

AI总结 研究针对多参考图像条件视频编辑中现有方法难以协调多视觉源信息的问题，提出ReBind框架，通过带嵌入参考令牌的语义指令及两阶段渐进方案学习建立显式绑定，实现轻量级适配，在指令质量和性能上表现出色。

Comments Project Page: https://rebind-mrv2v.github.io/

Nemotron-Labs-Diffusion-Image: Advancing Masked Discrete Diffusion for High-Resolution Image Synthesis

Nemotron-Labs-Diffusion-Image：推进掩码离散扩散用于高分辨率图像合成

Shufan Li, Greg Heinrich, Hanrong Ye, Yonggan Fu, Aditya Grover, Jan Kautz, Pavlo Molchanov

机构 * NVIDIA 纠错

专题命中 扩散模型 ：diffusion(title,title_cn)；image synthesis(title,abstract)；image generation(abstract)；text-to-image(abstract)

AI总结 提出Nemotron-Labs-Diffusion-Image模型，通过令牌编辑机制和分组交叉熵目标解决掩码离散扩散模型的自校正缺失和训练信号稀疏问题，实现高分辨率文本到图像合成。

Comments 23 pages, 12 figures

Lavida-O: Elastic Large Masked Diffusion Models for Unified Multimodal Understanding and Generation

Lavida-O：用于统一多模态理解与生成的弹性大掩码扩散模型

Shufan Li, Jiuxiang Gu, Kangning Liu, Zhe Lin, Zijun Wei, Aditya Grover, Jason Kuen

机构 * Adobe（Adobe公司） ； UCLA（加州大学洛杉矶分校） 纠错

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

AI总结 研究提出Lavida-O统一多模态MDM，采用Elastic-MoT架构，结合轻量级生成与理解分支，通过多种技术支持高效生成。该模型在多模态任务基准测试中性能领先，优于现有模型，还能加速推理，成为可扩展多模态推理和生成新范式。

Comments 31 pages, 15 figures

Advanced Image Generation: Negative Prompt Optimization and Latent Classifier Guidance

先进图像生成：负提示优化与潜在分类器引导

Vaddi Charan Sai Nandan Reddy, Harini B, Chandana M S

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

AI总结 该研究提出新系统，通过微调序列到序列语言模型集成负提示优化与潜在空间分类器引导，自动生成优化负提示，用混合分类器评估引导扩散步骤，减少伪影并提高语义保真度，提升Stable Diffusion图像生成质量。

Sparse-LaViDa: Sparse Multimodal Discrete Diffusion Language Models

稀疏-LaViDa：稀疏多模态离散扩散语言模型

Shufan Li, Jiuxiang Gu, Kangning Liu, Zhe Lin, Zijun Wei, Aditya Grover, Jason Kuen

机构 * Adobe（Adobe公司） ； UCLA（加州大学洛杉矶分校） 纠错

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

AI总结 针对掩码离散扩散模型推理速度慢的问题，提出Sparse-LaViDa框架，通过动态截断冗余掩码令牌加速采样，引入专用寄存器令牌和注意力掩码保证质量与一致性，基于LaViDa - O构建，在多任务中实现加速且保持质量。

Comments 18 pages (12 pages for the main paper and 6 pages for the appendix), 9 figures

Rare Concept Generation via Counterfactual Inference in Diffusion Models

通过扩散模型中的反事实推理生成罕见概念

Zhengyuan Jiang, Haipeng Liu, Meng Wang, Yang Wang

机构 * School of Computer Science and Information Engineering, Hefei University of Technology（合肥工业大学计算机与信息工程学院） 纠错

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

AI总结 针对扩散模型训练的常识偏差致罕见概念图像生成不佳的问题，提出基于反事实推理的CI-Diff方法，阻断干扰，利用自然直接效应解耦属性，重新设计引导机制，经实验验证该方法优于现有模型。

Comments Comments: 17 pages, 15 figures, to appear at ACM Multimedia 2026

VOiLA: Vectorized Online Planning with Learned Diffusion Models for POMDP Agents

VOiLA: 基于学习扩散模型的向量化在线规划用于POMDP智能体

Marcus Hoerger, Rishikesh Joshi, Rahul Shome, Ian Manchester, Hanna Kurniawati

机构 * Australian National University（澳大利亚国立大学） ； The University of Sydney（悉尼大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出VOiLA框架，利用条件扩散模型学习POMDP模型，通过蒸馏加速采样并与向量化在线规划器集成，在三个基准任务和实物机器人上实现高效在线规划。

Comments Submitted to the 2026 International Symposium of Robotics Research (ISRR)

DAPGNet: Dynamic Adaptive Physics-Guided Graph Diffusion Network for Hyperspectral Image Classification

DAPGNet：用于高光谱图像分类的动态自适应物理引导图扩散网络

Pengkun Wang, Weijia Cao, Ning Wang, Xiaofei Yang

机构 * Aerospace Information Research Institute, Chinese Academy of Sciences（中国科学院空天信息创新研究院） ； University of Chinese Academy of Sciences（中国科学院大学） ； Guangzhou University（广州大学） 纠错

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

AI总结 研究针对高光谱图像分类中像素关系建模问题，提出DAPGNet。该网络将物理先验融入图学习，经多步骤构建拓扑、进行图扩散等操作，通过跨尺度融合优化。实验表明其在多个数据集上性能最优，提升了分类准确率，验证了各模块的互补作用。

Comments 9 figures and 9 tables. Pengkun Wang and Weijia Cao contributed equally to this work

Weakly-Supervised RGB-D Salient Object Detection via SAM-driven Pseudo Annotation and State Space Interaction-based Diffusion

通过基于 SAM 的伪标注和基于状态空间交互的扩散进行弱监督 RGB-D 显著目标检测

Wenqi Si, Gongyang Li, Shixiang Shi, Weisi Lin

机构 * School of Communication and Information Engineering, Shanghai University（上海大学通信与信息工程学院） ； School of Computer Science and Engineering, Nanyang Technological University（南洋理工大学计算机科学与工程学院） 纠错

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

AI总结 研究弱监督 RGB-D 显著目标检测，提出由 SAM-PAG 和 $S^2$Diff 组成的方法，前者扩展稀疏涂鸦为伪标注，后者在条件信息引导下细化显著图，二者合作使方法性能优异。

Comments 13 pages, 9 figures, accepted by IEEE TMM

Physics-Informed Diffusion for Biomechanically Plausible 3D Sign Language Generation

用于生物力学合理的3D手语生成的物理信息扩散

Emanuele Colonna, Moises Diaz, Gennaro Vessio, Miguel Angel Ferrer, Giovanna Castellano

机构 * Department of Computer Science, University of Bari Aldo Moro（巴里阿尔多·莫罗大学计算机科学系） ； Institute for Technological Development and Innovation in Communications, University of Las Palmas de Gran Canaria（拉斯帕尔马斯大加那利大学通信技术发展与创新研究所） 纠错

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

AI总结 研究手语生成问题，提出物理信息扩散模型PIDiffSign，将解剖学约束融入架构与训练目标，用Transformer编码器 - 解码器及可微几何模块训练，实验证明该模型能提升手语生成的运动真实感和语义保真度。

Knowledge-Embedded and Hypernetwork-Guided Few-Shot Substation Meter Defect Image Generation Method

知识嵌入与超网络引导的少样本变电站电表缺陷图像生成方法

Jackie Alex, Justin Petter

机构 * St. Petersburg College（斯波尔丁学院） 纠错

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

AI总结 针对变电站电表缺陷图像标注样本稀缺问题，提出将知识嵌入、超网络引导条件控制集成到稳定扩散管道的方法，能逼真可控合成缺陷图像，优于现有基线，提升下游检测器mAP等，为工业检测提供数据合成方案。

Comments arXiv admin note: This paper has been withdrawn by arXiv due to unverifiable authorship and affiliation

CoDi -- an exemplar-conditioned diffusion model for low-shot counting

CoDi——一种用于少样本计数的示例条件扩散模型

Grega Šuštar, Jer Pelhan, Alan Lukežič, Matej Kristan

机构 * Faculty of Computer and Information Science, University of Ljubljana（计算机与信息科学学院，卢布尔雅那大学） 纠错

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

AI总结 研究少样本目标计数问题，提出基于潜在扩散的CoDi模型，其核心是基于示例的条件模块，能生成高质量密度图。在FSC和MCAC基准测试中表现出色，分别在少样本等场景及整体上大幅超越现有技术。

Conditioning Residuals for Diffusion Models via Representation Feedback

通过表示反馈对扩散模型的残差进行条件设定

Weilai Xiang, Hongyu Yang, Di Huang, Yunhong Wang

机构 * State Key Laboratory of Virtual Reality Technology and Systems, Beihang University（虚拟现实技术与系统国家重点实验室，北京航空航天大学） ； Institute of Artificial Intelligence, Beihang University（北京航空航天大学人工智能研究院） 纠错

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

AI总结 研究扩散模型中能否利用固有路径路由内部推断语义，提出条件残差这一轻量级反馈机制，通过反馈紧凑特征摘要提供自适应指导，实验显示其提升了生成性能及下游任务表现，还揭示了训练动态和特征结构的改进。

Comments Substantially revised and retitled. Code available at https://github.com/FutureXiang/ddae_plus_plus

LaViDa: A Large Diffusion Language Model for Multimodal Understanding

LaViDa：用于多模态理解的大型扩散语言模型

Shufan Li, Konstantinos Kallidromitis, Hritik Bansal, Akash Gokul, Yusuke Kato, Kazuki Kozuka, Jason Kuen, Zhe Lin, Kai-Wei Chang, Aditya Grover

机构 * UCLA（加州大学洛杉矶分校） ； Panasonic AI Research（松下人工智能研究） ； Adobe Research（Adobe研究） ； Salesforce Research（Salesforce研究） 纠错

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

AI总结 研究针对现有视觉语言模型在快速推理和可控生成方面的不足，提出基于离散扩散模型构建 LaViDa 系列视觉语言模型，采用多种新技术，在多模态基准测试中性能出色，成为自回归视觉语言模型的有力替代。

Comments 26 pages, 8 figures

Mask-Aware Policy Gradients for Diffusion Language Models

用于扩散语言模型的掩码感知策略梯度

Haran Raajesh, Kulin Shah, Adam Klivans, Philipp Krähenbühl

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究针对强化学习扩展到MDLMs的难题，将MDLM生成形式化为两阶段动作MDP，使策略梯度分解为令牌项和掩码项，结合优化这两项在数学推理和编码基准测试中取得了最优成绩。

Comments Accepted at COLM 2026

CODA: Algorithm-Hardware Co-design for Edge Video Diffusion via NMP-Enabled Compute-Cache Operator Disaggregation

CODA：通过启用NMP的计算-缓存算子分解实现边缘视频扩散的算法-硬件协同设计

Yuanpeng Zhang, YuXuan Wu, Yitong Xiao, Chenhao Xue, Yi Ren, Cong Li, Yihan Yin, Dimin Niu, Guangyu Sun

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究在边缘设备部署视频扩散模型时速度慢的问题，提出CODA架构，通过计算-缓存算子分解，分离计算与缓存路径、重组缓存活动并利用分支独立性，实现端到端加速和能源效率提升，且保持生成质量。

Comments 15 pages, 14 figures, accepted to the 59th IEEE/ACM International Symposium on Microarchitecture (MICRO 2026)

Seeing the End at Step Zero: Accelerating Diffusion MLLMs via MLP Sparsity-Aware Truncation

从零步洞察终点：通过MLP稀疏感知截断加速扩散多模态大语言模型

Qicheng Zhao, Qi Sun, Zheyu Yan

机构 * Zhejiang University（浙江大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究针对扩散多模态大语言模型推理效率受固定长度生成约束影响的问题，提出Seer框架，利用MLP激活稀疏性变化检测有效语义边界，进行冗余截断及采用混合执行策略，实验表明其可加速吞吐量并维持性能甚至提升复杂视觉任务准确性。

Comments Accepted to ACM Multimedia (ACM MM) 2026

A Continuous-Time Reinforcement Learning Framework for Fine-Tuning Discrete Diffusion Models

用于微调离散扩散模型的连续时间强化学习框架

Zikun Zhang, Jiayuan Sheng, David D. Yao, Wenpin Tang

机构 * Columbia University（哥伦比亚大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 该研究提出连续时间强化学习框架，推导策略梯度方法得到PPO和GRPO的连续时间变体。以此开发框架微调离散扩散模型，无需奖励信号可微，能纳入中间奖励或优势信号，还为MDM提供统一视角，用轨迹子采样技术降低计算成本，在相关任务中验证了方法有效性。

Comments 36 pages, 5 figures

Motion Planning with Model-Based Diffusion via Constraint Optimization and Adaptive Scheduling

基于约束优化和自适应调度的基于模型扩散的运动规划

Zhilin He, Bowei Li, Jianlin Dou, Yuner Zhang, Changliu Liu

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对高度非凸约束环境下单机器人运动规划难题，提出MD-COAS方法，统一软扩散先验与硬投影算子，自适应调度并共同优化安全约束及扩散调度，实验证明其在多方面优于基线规划器。

Integration Matters: Rollout-Based Training for Constrained Diffusion Models

集成很重要：基于展开的受限扩散模型训练

Xiaoxuan Liang, Saeid Naderiparizi, Berend Zwartsenberg, Frank Wood

机构 * University of British Columbia（英属哥伦比亚大学） ； Inverted AI（Inverted AI公司） ； Alberta Machine Intelligence Institute（阿尔伯塔机器智能研究所） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究受限生成模型，提出将在线展开获得约束指导纳入训练过程的微调框架，通过微分固定噪声时间表使训练与采样对齐，实验表明该方法能提高约束满足度且保持采样质量。

MIDiff: Tackling Sparsity and Imbalance in Mobile Usage Generation via Multivariate-Imaging Diffusion

MIDiff：通过多变量成像扩散解决移动使用生成中的稀疏性和不平衡问题

Yilai Liu, Shiyuan Zhang, Hongyang Du

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对移动使用数据存在的稀疏性、变量异构及使用不平衡问题，提出多变量成像扩散框架MIDiff，通过C-GASF转换数据，在U-Net中用三重注意力保持一致性和依赖性，实验表明该方法在生成移动使用轨迹上性能优异。

Polestar: Drift-Aware Cache Calibration and Token Commitment for Efficient Inference of Diffusion LLMs

北极星：用于扩散语言模型高效推理的漂移感知缓存校准和令牌承诺

Mingyu Lee, Akshat Ramachandran, Souvik Kundu, Tushar Krishna

机构 * Georgia Institute of Technology（佐治亚理工学院） ； Intel AI Group（英特尔人工智能集团） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究针对扩散语言模型推理效率受双向注意力和静态阈值影响的问题，提出北极星框架，利用令牌表示漂移信号，由北极星缓存和北极星提交两组件构成，大幅提升了模型在准确性-吞吐量方面的表现及解码并行性。

Token Time Continuous Diffusion for Language Modeling

用于语言建模的令牌时间连续扩散

Parikshit Bansal, Sujay Sanghavi

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究提出令牌时间连续扩散（TTCD）语言模型，其在连续空间运行，引入令牌时间概念。该模型避免多令牌并行采样，能更好建模条件生成。实验表明，在高速加速时TTCD优于离散模型，在无条件和条件生成上有优势，数独求解也有类似成果。

Measuring Spatial Clustering via Metropolis-Hastings Diffusion Distance

通过Metropolis-Hastings扩散距离测量空间聚类

Thomas Weighill, Chidinma Williams

机构 * Department of Mathematics and Statistics, University of North Carolina at Greensboro（数学与统计学系，北卡罗来纳州格林斯堡大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究提出用Metropolis-Hastings扩散距离衡量图上概率分布差异，当第二个分布均匀时可测空间聚类，扩展了Moran's \(I\)。建立相关理论并给出统计检验方法，实验表明其在合成数据和实际数据上比Moran's \(I\)更具优势。

Tensor Network Methods for Advection-Diffusion-Reaction Systems Using Quantum-Inspired Representations

使用量子启发表示的对流-扩散-反应系统的张量网络方法

Nahid Binandeh Dehaghani, Rafal Wisniewski, A. Pedro Aguiar

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 该研究针对对流-扩散-反应偏微分方程，提出量子启发张量网络框架，将离散解场编码为MPS，微分算子表示为MPOs，用显式欧拉更新进行时间积分。通过与高精度解比较，验证其在多维度问题上保持紧凑、稳定、准确，展现了张量网络用于PDE模拟的潜力。

Comments 6 pages, 7 figures

Vortex-Beam Transient Absorption Microspectroscopy Resolves Ultrafast Free-Exciton and Polaron Diffusion in 2D Perovskites

涡旋光束瞬态吸收显微术解析二维钙钛矿中超快自由激子和声子扩散

Ju-Young Kim, Anirban Mondal, Gi Rim Han, Kwang Jin Lee, Jong Min Lim, Myeongsam Jen, Minhaeng Cho

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究利用涡旋光束瞬态吸收显微术平台VTAM，通过编码空间扩散信息到泵浦探测信号，以亚皮秒时间分辨率解析二维钙钛矿超快载流子输运动力学，推导扩散模型并提取相关参数，为研究钙钛矿等半导体系统载流子输运提供强大无成像平台。