视觉与机器人
图像生成、文生图、图像编辑、扩散模型和可控生成。
NWaaS：一种具有自适应资源调度的非侵入性和隐私保护水印即服务系统
专题命中 文生图 ：text-to-image(abstract)；分类 cs.CV
AI总结 研究针对机器学习即服务中保护知识产权的挑战，提出NWaaS框架。核心方法包括$\mathtt{ShadowMark}$算法、协作分区机制和比例差异联合调度算法。贡献是能在多样模态中提供强大所有权验证，保障隐私并提升系统性能。
GeoDiff-SAR：一种基于几何先验的扩散模型用于SAR图像生成
机构 * College of Information Science and Technology, Beijing University of Chemical Technology（信息科学与技术学院，北京化工大学） ； Aerospace Information Research Institute, Chinese Academy of Sciences（航天信息研究所，中国科学院）
专题命中 扩散模型 ：diffusion(title,abstract)；image generation(title,abstract)；分类 cs.CV
AI总结 GeoDiff-SAR通过引入几何先验引导扩散模型，提升SAR图像生成的保真度和分类准确性，尤其在不同方位角识别性能上有显著提升。
Comments 3 pages, 1 figures
正确为我上色：弥合感知颜色空间与文本嵌入以改进扩散生成
机构 * National Yang Ming Chiao Tung University
专题命中 扩散模型 ：diffusion(title,abstract)；text-to-image(abstract)；分类 cs.CV
AI总结 研究文本到图像生成中颜色对齐问题，提出利用大语言模型消除颜色提示歧义、在文本嵌入空间指导颜色混合操作的无需训练框架，提高了颜色准确性且不影响图像质量，弥合文本语义与视觉生成差距。
Comments Accepted to ACM Multimedia 2025 (MM '25)
使用扩散模型进行心脏容积重建的潜在插值学习
机构 * School of Computation, Information and Technology, Technical University Munich（技术大学慕尼黑计算信息学院） ； Munich Center for Machine Learning（慕尼黑机器学习中心） ； Department of Quantitative Biomedicine, University of Zurich（苏黎世大学定量生物医学系） ； Institute of Biomedical Engineering, Department of Engineering Science, University of Oxford（牛津大学生物医学工程研究所） ； Imperial College London（伦敦帝国学院） ； University of Sheffield（谢菲尔德大学） ； NVIDIA（英伟达） ； Department of Computing, Imperial College London（伦敦帝国学院计算机系） ； Department AIBE of Friedrich-Alexander-Universität Erlangen-Nürnberg（埃尔兰根-纽伦堡大学AIBE系） ； School of Medicine, Klinikum Rechts der Isar, Technical University of Munich（慕尼黑技术大学医学院，莱纳特医院）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 针对心脏磁共振成像二维切片采集稀疏致容积信息不完整、现有重建方法有局限的问题，提出CaLID框架，创新采用基于扩散模型的插值方案、潜在空间高效计算法，仅用稀疏二维图像输入达SOTA，扩展到二维加时间数据，提升了重建质量和效率。
TDiR：基于Transformer的扩散用于图像恢复任务
机构 * Department of Computer Vision（计算机视觉系） ； FutureDataMinds ； Electrical Engineering Dept（电气工程系） ； King Fahd University of Petroleum and Minerals（国王法赫德石油和矿产大学） ； Department of Computer Science and Software Engineering（计算机科学与软件工程系） ； University of Western Australia（西澳大学） ； School of Computing（计算学院）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 针对图像在复杂环境下的退化问题，开发基于Transformer的扩散模型用于图像恢复。该模型在水下增强、去噪、去雨三项任务中经五个基准测试，并与18种先进技术对比，结果显示其性能优越，有效提升了退化图像质量，拓宽了相关下游任务应用。
用于少步生成的多掩码扩散语言模型
机构 * ByteDance Seed（字节跳动种子） ； Princeton University（普林斯顿大学） ； Stanford University（斯坦福大学） ； UCLA（加州大学洛杉矶分校） ； UC Berkeley（加州大学伯克利分校）
专题命中 扩散模型 ：diffusion(title,abstract)
AI总结 研究针对掩码扩散模型少步生成难的问题，提出多掩码扩散模型MultiMDM，通过特定前向过程使反向过程有起草能力，推导训练目标并制定蒸馏方案，经实验验证其为少步生成提供了有效基础。
Comments Needs corporate approval
具有随机系数的跳扩散系统约束零和线性二次微分博弈
专题命中 扩散模型 ：diffusion(title,abstract)
AI总结 本文研究了具有随机系数和 regime switching 的跳扩散系统中带锥约束的零和线性二次微分博弈，通过FBSDEs建立了开环解的存在性并推导了闭式解表达式。
SurvDiff：用于生存分析中生成合成数据的扩散模型
机构 * LMU Munich（慕尼黑大学） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心）
专题命中 扩散模型 ：diffusion(title,abstract)
AI总结 SurvDiff是一种专为生存分析设计的端到端扩散模型，通过联合生成协变量、事件时间和删失机制，提升合成数据的分布忠实度和生存模型评估性能。
6G赋能车联网元宇宙中的跨现实位置隐私保护：一种基于LLM增强混合生成扩散模型的方法
机构 * School of Automation, Guangdong University of Technology（自动化学院，广东技术大学） ； School of Computer Science and Engineering, Nanyang Technological University（计算机科学与工程学院，南洋理工大学） ； Department of Electrical and Computer Engineering, University of Manitoba（电气与计算机工程系，曼尼托巴大学） ； Department of Electrical and Computer Engineering, Sungkyunkwan University（电气与计算机工程系，成均馆大学）
专题命中 扩散模型 ：diffusion(title,abstract)
AI总结 本文提出了一种基于LLM增强混合生成扩散模型的方法，用于6G赋能车联网元宇宙中的跨现实位置隐私保护，通过混合动作优化平衡隐私保护、延迟降低和服务质量维护。
Comments 16 pages, 8 figures
在无有限粒子截断情况下生成弱相互作用扩散模型平稳分布的样本：一种弱生成方法
专题命中 扩散模型 ：diffusion(title,abstract)
AI总结 针对计算弱相互作用扩散粒子平均场模型平稳分布及样本的难题，提出基于弱偏微分方程公式的生成框架，能同时计算平稳分布并生成样本，揭示真实分布，数值实验验证了该方法的有效性。
Comments 29 pages, 12 figures
自梯度强制：原生长视频外推
机构 * Joy Future Academy（京东探索研究院）
专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV
AI总结 研究针对自回归视频扩散方法的历史上下文梯度差距问题，提出自梯度强制（SGF）两阶段训练策略，利用未来视频潜变量损失监督模型将上下文编码为有效因果记忆，在长视频外推实验中效果优于自强制。
Comments Project page: https://zhuang2002.github.io/SelfGradientForcing/
BiWM：利用双向自回归推进开源交互式视频世界模型
机构 * LynnReal AI ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Jiao Tong University（上海交通大学） ； Fudan University（复旦大学）
专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV
AI总结 提出BiWM框架，通过双向自回归范式将预训练视频骨干转化为交互式世界模型，仅需两阶段训练（微调+分布匹配蒸馏），支持多尺度模型和长程生成，优于现有因果流水线。
PersonaGesture: 单参考共语手势个性化用于未见说话人
机构 * The University of Tokyo（东京大学） ； Shanda AI Research Tokyo（Shanda AI东京研究所） ； Nanyang Technological University（南洋理工大学） ； Renmin University（中国人民大学）
专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV
AI总结 本文提出PersonaGesture，一种基于扩散的管道，用于未见说话人的单参考共语手势个性化。通过编码参考视频并分离身份证据与残差统计修正，提升未见说话人的个性化效果。
Comments Needs to be improved
深入探究视频VAE的潜在频谱偏置以实现更优的可扩散性
机构 * Zhipu AI, Beijing, China（智谱AI，北京，中国） ； Tsinghua University, Beijing, China（清华大学，北京，中国） ； University of Chinese Academy of Sciences, Beijing, China（中国科学院大学，北京，中国）
专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV
AI总结 本文通过统计分析发现视频VAE潜在空间的频谱特性对扩散训练至关重要，提出局部相关正则化和潜在掩码重建两种轻量级正则化器，实现3倍收敛加速和10%视频奖励提升。
混元视频-HOMA：多模态驱动人体动画中的通用人机交互
机构 * University of Chinese Academy of Sciences（中国科学院大学） ； Tencent Hunyuan（腾讯混元）
专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV
AI总结 针对人体-物体交互视频生成的局限，提出混元视频-HOMA弱条件多模态驱动框架，通过稀疏解耦运动引导等方法，将外观和运动信号编码融合，经优化训练，在弱监督下性能达先进水平，还具文本生成和物体操纵通用性。
引导注意力：通过模仿学习实现面向OOD鲁棒机器人操纵的可解释和可校正视觉注意力
机构 * Artificial Intelligence Research Center, National Institute of Advanced Industrial Science and Technology (AIST)（日本产业技术综合研究所人工智能研究中心）
专题命中 扩散模型 ：diffusion(abstract)
AI总结 研究针对端到端视觉运动策略中人类难以理解和校正视觉注意力的问题，提出引导注意力框架，通过预测任务相关注意力关键点并结合扩散动作策略，经用户校正后由跟踪模块传播，提升了机器人在OOD条件下的操纵性能。
Comments Project page added
几何Dyson布朗运动与非方随机矩阵乘积的自由对数正态极限
专题命中 扩散模型 ：diffusion(abstract)
AI总结 研究非方随机矩阵乘积的平方奇异值谱，通过比例深度-宽度极限和平均场极限，得到自由对数正态律，并应用于随机特征回归风险预测。
随机游走群体的涌现动力学：具有合作繁殖与空间选择
专题命中 扩散模型 ：diffusion(abstract)
AI总结 研究随机游走群体在高阶无性繁殖下的动力学行为，发现繁殖阶数增加导致入侵前沿消失及扩散无关速度，揭示自然中二分裂繁殖的主导地位受入侵动态基本约束。
Comments 5 pages, 4 figures, Supplementary Material
Journal ref Phys. Rev. E 114, L022101 (2026)
DriftXpress：通过投影RKHS场加速漂移模型
机构 * Cheriton School of Computer Science, University of Waterloo and Vector Institute（计算机科学学院，滑铁卢大学及向量研究所） ； Department of Electrical and Computer Engineering, University of Waterloo and Vector Institute（电气与计算机工程系，滑铁卢大学及向量研究所） ； A*STAR Centre for Frontier AI Research, Singapore（新加坡前沿人工智能研究中心）
专题命中 扩散模型 ：diffusion(abstract)
AI总结 DriftXpress通过投影RKHS场降低漂移模型的训练成本，保持其吸引-排斥结构，实现与标准漂移模型相近的FID表现，同时减少训练时间。
传感器数据注入非线性随机飞行动力学中的暂态不稳定性边界
专题命中 扩散模型 ：diffusion(abstract)
AI总结 本文提出基于对数范数的框架，用于分析非线性Ito随机微分方程的有限时间暂态稳定性，揭示均值与路径行为的区别，并展示数据约束动态中的稳定性与鲁棒性权衡。
测量无限：插值理论、洛伦兹空间与散射PDEs的解说之旅
专题命中 扩散模型 ：diffusion(abstract)
AI总结 本文通过插值理论和洛伦兹空间研究偏微分方程的分析方法，推导热方程的平滑衰减和薛定谔方程的分散估计。
HYCO：用于数据驱动偏微分方程建模的混合协作学习
专题命中 扩散模型 ：diffusion(abstract)
AI总结 研究针对数据驱动偏微分方程建模问题，提出混合协作学习框架 HYCO，通过交替更新物理参数和合成模型并耦合二者，适用于多种数据集，避免复杂求导，还建立势博弈及均衡存在性，在相关反问题上表现优于其他方法。
伊斯兰投资合同的公平利润分配比率
专题命中 扩散模型 ：diffusion(abstract)
AI总结 研究基于利润和损失分担计算伊斯兰投资合同中各伙伴到期时的公平利润分配比率和预期收益，引入 c - 公平利润分配比率概念，考虑资本与劳动力贡献，得出分配份额并扩展到混合合同。
使用无粘计算流体动力学方法对弗莱特纳转子装置进行快速气动评估
专题命中 扩散模型 ：diffusion(abstract)
AI总结 研究船舶弗莱特纳转子系统气动评估，采用基于欧拉方程结合动态动量源项的无粘CFD方法，减少计算量，通过验证表明能可靠捕捉力和趋势，适合早期设计阶段快速筛选，降低计算成本。
SRC-Flow：紧凑语义表示实现归一化流用于图像生成
机构 * University of Science and Technology of China（中国科学技术大学） ； Kling Team, Kuaishou Technology（快手科技 Kling 团队）
专题命中 可控生成 ：image generation(title,abstract)；diffusion(abstract)；分类 cs.CV
AI总结 提出SRC-Flow，通过语义表示压缩器将高维RAE特征压缩到低维语义空间，降低归一化流建模负担，在ImageNet上实现最优生成质量，同时保持精确似然计算和确定性可逆采样。
次黎曼流形上的反射薛定谔桥问题
专题命中 可控生成 ：diffusion(abstract)
AI总结 研究次黎曼流形上反射薛定谔桥问题，针对几何和退化性困难，引入内在斜反射机制，证明相关过程有光滑正转移密度，通过正反向偏微分方程系统及基于偏微分方程的Sinkhorn迭代求解最优控制并举例说明。
工业灵巧性基准测试：一个用于工业灵巧操作的硬件-软件基准测试平台
机构 * Analog Devices, Inc.（亚德诺半导体技术有限公司）
专题命中 图像生成评测 ：diffusion(abstract)
AI总结 针对工业灵巧操作瓶颈，提出从经典流程到端到端多模态模仿学习框架的转变，介绍了IDB板、DAG-ROS框架和AG-iDP3策略框架，通过数据中心电缆操作实验表明新策略在多方面优于传统方法，推动向可扩展机器人自动化发展。
NanoBTE：用于纳米尺度热输运的声子玻尔兹曼输运方程的快速迭代解
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 针对纳米尺度热输运中声子输运偏离经典傅里叶描述的问题，提出NanoBTE求解器，采用有限体积法，支持多种条件，有迭代方案及任务分解策略，可加速收敛并实现并行化与GPU加速。
Comments 29 pages, 9 figures
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈