图像生成

OmniPhys: Knowledge-Graph-Driven Benchmarking and Collective Optimization for Physical Commonsense in Text-to-Image Generation

OmniPhys：文本到图像生成中物理常识的知识图谱驱动基准测试与集体优化

Yajing Xu, Yarong Lan, Jiaoyan Chen, Yichi Zhang, Jeff Z. Pan, Mingchen Tu, Zhizhen Liu, Wen Zhang, Huajun Chen

机构 * Zhejiang University（浙江大学） ； The University of Manchester（曼彻斯特大学） ； The University of Edinburgh（爱丁堡大学） ； Ant Group（蚂蚁集团） 纠错

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

AI总结 针对文本到图像模型常违反物理常识及现有基准测试不足等问题，引入基于物理知识图谱的OmniPhys基准测试，提出OmniPrompt迭代框架，经对12个模型评估，显著提升了物理一致性。

Comments accepted by KDD 2026 DB track

Harm is not Universal: Community-Specific Toxicity Detection is Urgently Needed

危害并非普遍存在：迫切需要针对特定社区的毒性检测

Xinnuo Xu, Anja Thieme, Daniela Massiceti, Ioana Tanase, Rita Marques, Melanie Fernandez Pradier, Martin Grayson, Camilla Longden, Cecily Morrison

机构 * Microsoft Research Cambridge, UK（英国剑桥微软研究院） ； Microsoft Paris, France（法国巴黎微软） 纠错

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

AI总结 研究指出文本到图像生成的通用毒性检测方法不能保护边缘化社区，主张特定社区毒性检测（CTD）。通过与专家合作制定指南，利用图像数据集实验表明现有模型表现不佳，基于提示的方法和参数高效微调可提升性能，但CTD性能仍远低于通用检测，需持续研究。

Comments 18 pages, under review

Architectural Backdoors in Vision-Language Model Supply Chains via Representation Steering

通过表示引导在视觉语言模型供应链中植入架构后门

Maria Rosaria Briglia, Igor Maljkovic, Antonio Emanuele Cinà, Luca Oneto, Iacopo Masi, Fabio Roli

专题命中 文生图 ：image generation(abstract)；text-to-image(abstract)

AI总结 研究视觉语言模型供应链安全问题，提出通过表示引导植入架构后门的攻击方法，该方法不影响训练数据等，通过触发控制模型表示转向攻击者目标，评估表明其损害模型多项性能，还提出审计防御方法。

OrganLens: Organ-Specific Representation Learning for CT Foundation Models

OrganLens：用于CT基础模型的器官特异性表征学习

Zhixuan Ge, Anqi Li, Sadeer Al-Kindi, Hanwen Xu, Wei Qiu

机构 * Rice University（莱斯大学） ； University of Washington（华盛顿大学） 纠错

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

AI总结 研究针对CT检查中特定器官表征需求，提出OrganLens通过自监督学习，用器官标识调节共享编码器，经器官特异性蒸馏等方法获取器官特异性表征，在多数据集评估中提升指标，提供了可扩展方法和 reusable 框架。

Comments 16 pages, 7 figures, 5 tables

Instruction-based Image Editing: A Survey on Data, Models, Evaluation, and Applications

基于指令的图像编辑：数据、模型、评估及应用综述

Xianghao Zang, Zijian Jiang, Jiarong Cheng, Qianrui Teng, Ying He, Yuxuan Mu, Chao Ban, Huayu Zhang, Lanxiang Zhou, Zerun Feng, Chi Zhang

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

AI总结 综述基于指令的图像编辑研究，围绕任务定义、数据构建、模型架构、评估指标及商业应用五个维度展开，提出综合深度诊断基准，通过开源方案比较揭示优缺点，探讨未来研究方向以推动该领域发展。

Comments 33 pages, 7 figures, Vicinagearth

Journal ref Zang, X., Jiang, Z., Cheng, J. et al. Instruction-based image editing: a survey on data, models, evaluation, and applications. Vicinagearth 3, 3 (2026)

Visual prompt engineering for video models

视频模型的视觉提示工程

Robert Geirhos, Yuxuan Li, Thaddäus Wiedemer, Neha Kalibhat, Zi Wang, Mani Malek, Oyvind Tafjord, Kevin Swersky, Been Kim, Priyank Jaini

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

AI总结 研究视频模型能否从视觉提示工程中受益，通过自动修改任务图像提升性能，如视觉物理推理任务。发现视觉提示工程（VIPE）能提高视频推理性能，比传统方法更有效，为提升视频模型视觉推理性能提供简单高效途径。

Diff-ID: Identity Consistent Facial Image Generation and Morphing via Diffusion Models

Diff-ID：通过扩散模型实现身份一致的面部图像生成与变形

Taimoor Rizwan, Sara Atito, Muhammad Awais, Zhenhua Feng, Josef Kittler

机构 * University of Surrey（萨里大学） ； Jiangnan University（江南大学） 纠错

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

AI总结 研究针对面部图像合成中高分辨率下身份保持难题，提出Diff-ID框架，通过自定义数据集、集成嵌入及新损失函数实现，实验表明其在身份-真实感权衡上表现出色，还展示了基于DDIM的变形管道，强调联合评估身份保持与真实感。

Comments 20 pages, 11 figures, 3 tables

Group Equivariant Diffusion for Anomaly Detection in Computational Cytology

用于计算细胞学异常检测的群等变扩散

Swarnadip Chatterjee, Ssharvien Kumar Sivakumar, Anirban Mukhopadhyay

机构 * Uppsala University（乌普萨拉大学） ； Technical University of Darmstadt（达姆施塔特工业大学） 纠错

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

AI总结 计算细胞学中恶性细胞检测难，现有方法有局限。本文提出D4等变扩散框架，通过结构和推理时的对称强制，实现变换一致的重建与稳定异常排名，在两个细胞学数据集上表现优于其他方法，降低分数方差。

Comments 11 pages, 2 figures, 1 table, 1 algorithm. Accepted for publication in MICCAI 2026

MorphUNet: Alpha-Controlled Biometric Transport for Diffusion-Based Face Morphing Attacks

MorphUNet：基于扩散的人脸变形攻击的α控制生物特征传输

Taimoor Rizwan, Sara Atito, Zhenhua Feng, Muhammad Awais, Josef Kittler

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

AI总结 研究针对人脸变形攻击威胁，提出MorphUNet框架，将双亲生成设为α控制生物特征传输，用可训练双亲分离双交叉注意力，经实验评估其在多个指标上表现出色，在变形攻击潜力等方面优于基线，且难被检测。

Comments 37 pages, 23 figures, 8 tables. Includes supplementary material (additional robustness analysis, CFD stress tests, and conditioning ablations) appended after the references

PreDiff-LM: Pretrained Discrete Masked Diffusion Language Modeling with Hybrid Attention

PreDiff-LM：具有混合注意力的预训练离散掩码扩散语言模型

Zhengtao Yao, Runhao Li, Xupeng Chen, Jiayi Cheng, Chenqian Le, Michael Yue, Jesson Wang, Siheng Wang, Guang Yang, Haoyan Xu, Chenhao Wei, Zhengqing Yuan, Youran Shen, Yanfang Ye, Junhao Dong

机构 * University of Southern California（南加州大学） ； New York University（纽约大学） ； Columbia University（哥伦比亚大学） ； University of California, Berkeley（加州大学伯克利分校） ； Stevens Institute of Technology（史蒂文斯理工学院） ； University of Notre Dame（圣母大学） ； Nanyang Technological University（南洋理工大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究离散掩码扩散语言模型中因果预训练与双向去噪协调问题，提出PreDiff-LM模型，通过混合注意力机制改进无条件困惑度等指标，在多方面优于先前扩散基线，明确与优化AR模型的差距，为预训练因果主干调整提供补充机制。

Lantern: Conflict-Aware Gradient Blending for Physics-Guided Diffusion Models in Calorimeter Simulation

灯笼：量热计模拟中用于物理引导扩散模型的冲突感知梯度融合

Farzana Yasmin Ahmad, Vanamala Venkataswamy, Geoffrey Fox

机构 * University of Virginia（弗吉尼亚大学） ； Biocomplexity Institute, University of Virginia（弗吉尼亚大学生物复杂性研究所） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对量热计模拟中扩散模型物理错误及标准度量忽略相关结构问题，引入CFD，编码软样本结构为两个物理感知辅助损失，通过GradBlend结合去噪得到Lantern，实验表明其能提高相关指标，消融实验揭示不同损失对调度的敏感性。

Neuromorphic Diffusion Language Models: Addressing Compute and Memory Bottlenecks via Sparsity and Block Denoising

神经形态扩散语言模型：通过稀疏性和块去噪解决计算和内存瓶颈

Dengyu Wu, Clement Ruah, Jiechen Chen, Bipin Rajendran, Osvaldo Simeone

机构 * King’s College London（伦敦国王学院） ； Institute for Intelligent Networked Systems (INSI), Northeastern University London（伦敦东北大学智能网络系统研究所） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究针对自回归大语言模型推理低效问题，提出神经形态掩码扩散语言模型，结合块扩散与脉冲神经形态计算，利用脉冲诱导稀疏性减少参数流量和计算，开发模型分析协同效应，实验表明该模型在能源效率和吞吐量上有显著提升。

Comments Accepted for presentation at 2026 IEEE Workshop on Signal Processing Systems (SiPS)

Atmospheric Diffusion-Guided Spatio-Temporal Transformer for Nuclear Radiation Forecasting

用于核辐射预测的大气扩散引导时空变换器

Tengfei Lyu, Jindong Han, Hao Liu

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； The Hong Kong University of Science and Technology（香港科技大学） ； Shandong University（山东大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究针对核辐射预测难题，引入NRFormer+时空变换器，结合非平稳时间注意力、密度自适应空间注意力与大气扩散模块，能估计气象对辐射扩散的影响并注入网络，在多基线数据集上实现高精度预测，降低突发变化平均绝对误差。

A Minimal Dynamical Model for Incubation-Outbreak Transitions in Social Norm Diffusion

社会规范扩散中孵化-爆发转变的最小动力学模型

Run Wang, Leonardo Cianfanelli, Giacomo Como, Wenjun Mei

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究社会规范扩散的最小动力学模型，个体在三种状态转变，呈现潜伏-爆发动态模式。通过分析平衡点等条件确定产生孵化现象的非线性机制并推导潜伏期估计值，揭示由内部相互作用驱动社会变革的动力学途径。

Exact discrete-adjoint optimization of trap timing and placement in a Stieltjes-time reaction-diffusion model: A Galicia case study

斯蒂尔杰斯时间反应扩散模型中陷阱定时与放置的精确离散伴随优化：加利西亚案例研究

Francisco J. Fernández, Iván Area

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究针对斯蒂尔杰斯时间反应扩散模型的陷阱定时与放置控制问题，通过推导精确离散伴随等方法，经基准测试和实际案例验证，实现机器精度一致性及伴随加速，联合控制优于其他控制，降低诊断目标，框架可重现。

A General First- and Second-Order Numerical Solver for Non-Markovian Quantum State Diffusion

非马尔可夫量子态扩散的通用一阶和二阶数值求解器

Zhenning Cai, Quanhui Zhu

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究非马尔可夫开放量子系统数值模拟难题，基于线性NMQSD方程解析解构建通用辅助态框架，分离数值构建步骤，给出一阶和二阶格式及跃迁规则，经数值结果验证方法对不同情况的适用性。

Scaling universal Fermi network toward ground states: A diffusion-Monte-Carlo assessment

将通用费米网络扩展到基态：扩散蒙特卡罗评估

Yu-Sheng Li, Saskia Poldmaa, Tzen Ong, Ahmed Abouelkomsan, Tay-Rong Chang, Hsin Lin, Liang Fu

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究将费米集神经网络架构通过变分蒙特卡罗框架扩展以找相互作用基态，经固定相扩散蒙特卡罗优化，随网络大小增加变分能量降低，能量改进趋于零，还展示了对凝胶和量子点中相互作用电子的扩展及评估。

Logarithmic Aging Diffusion from a Multiplicative Event Clock: Rare Event Statistics, Ultraslow Transport, and Ensemble-Time Inequivalence

来自乘法事件时钟的对数老化扩散：稀有事件统计、超慢输运与系综 - 时间不等价

Chunyan Li, Zheng Li, Yueyan Li, Haiwen Liu, X. C. Xie

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究对数时间依赖性老化材料的潜在随机机制，提出特定对数老化过程，其事件时间具乘法性。通过事件计数等统计产生多种定律，区分不同表示，用联合可观测量一致性测试时钟，揭示系综 - 时间不等价等特性。

Comments 86 pages, 12 figures

Diffusion stabilises time-periodic solutions in conservation laws coupled to a relaxation oscillator

扩散在与松弛振子耦合的守恒律中稳定时间周期解

Julien Barré, Nils Berglund, Hiroshi Horii

专题命中 扩散模型 ：diffusion(title)

AI总结 研究与快速常微分方程耦合的粘性一维守恒律，利用平均策略和谱理论方法，证明对称初始条件下小正粘性会选择唯一线性稳定的周期解，数值模拟验证结果。

Comments 54 pages, 13 figures

Non-monotonic diffusion from nonequilibrium driving

非平衡驱动下的非单调扩散

Manish Patel, Ritwick Sarkar, Urna Basu, Debasish Chaudhuri

专题命中 扩散模型 ：diffusion(title)

AI总结 研究相互作用粒子远离平衡态的随机动力学，开发统一理论框架，以周期环上被动粒子受活性粒子驱动为例，揭示有效扩散率对驱动活性的非单调依赖，定量捕捉相关系统并建立统一输运描述。

Comments 8 pages, 6 figures

TIGA: Trajectory-Injected Generative Attack against Black-box AIGC Detectors

TIGA：针对黑盒AIGC检测器的轨迹注入生成攻击

Xia Du, Zhuosen Bao, Zheng Lin, Jizhe Zhou, Jiawei Lian, Chi-man Pun, Jun Luo, Wei Ni, Symeon Chatzinotas

机构 * School of Computer and Information Engineering, Xiamen University of Technology（厦门理工学院计算机与信息工程学院） ； Interdisciplinary Centre for Security, Reliability and Trust (SnT), University of Luxembourg（卢森堡大学安全、可靠性和信任跨学科中心） ； School of Computer Science, Engineering Research Center of Machine Learning and Industry Intelligence, Sichuan University（四川大学计算机学院机器学习与工业智能工程研究中心） ； PCA Laboratory, Key Laboratory of Intelligent Perception and Systems for High-Dimensional Information of Ministry of Education, School of Computer Science and Engineering, Nanjing University of Science and Technology（南京理工大学计算机科学与工程学院高维信息智能感知与系统教育部重点实验室PCA实验室） ； Department of Computer and Information Science, Faculty of Science and Technology, University of Macau（澳门大学科技学院计算机与信息科学系） ； School of Engineering, Edith Cowan University（伊迪斯科文大学工程学院） ； College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院） 纠错

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

AI总结 针对黑盒AIGC检测器，TIGA提出无需源图像和训练的框架，通过操纵DDIM轨迹、聚合梯度及方向搜索估计目标响应，实现强大黑盒攻击性能、可转移性及高鲁棒性，且无需源图像或扩散模型再训练。

Comments 14 pages, 5 figures

ScaleResfusion: Residual Rectified Flow based on Residual Vector Field

ScaleResfusion：基于残差向量场的残差整流流

Zhenning Shi, Chen Xu, Junhao Zhang, Kefei Zhang, Linjie Liu, Zhedong Zheng, Tao Li

机构 * Nankai University（南开大学） ； University of Macau（澳门大学） ； Csiro Data 61（联邦科学与工业研究组织数据61部） ； Beihang University（北京航空航天大学） 纠错

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

AI总结 研究旨在解决现实世界图像恢复问题，提出ScaleResfusion框架，核心是残差整流流，从低质量图像出发学习残差向量场，结合知识蒸馏降低采样成本，实验证明其高效且性能优，为图像恢复提供实用可扩展方法。

$π\mathbf{R}^2$: Reactive Real-time Flow Policies

$π\mathbf{R}^2$：反应式实时流策略

Sungjae Park, Shubham Tulsiani

机构 * Carnegie Mellon University（卡内基梅隆大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)；inpainting(abstract)

AI总结 研究通用操作策略反应性和实时性问题，提出$\pi\mathbf{R}^2$方法，将条件分快速和慢速通道，采用延迟自适应流调度，能在保留大型主干等的同时，让策略实时反应并提高成功率。

Comments Preprint(20 pages). Under Review

S2A2: Audio-Visual Imitation Learning for Manipulation Tasks Using Acoustic Spatial Information

S2A2：利用声学空间信息进行操作任务的视听模仿学习

Kaneyoshi Hiratsuka, Benjamin Yen, Ryosuke Kojima

机构 * Kyoto University（京都大学） ； RIKEN（理化学研究所） ； Institute of Science Tokyo（东京理科大学） 纠错

专题命中 扩散模型 ：diffusion(abstract,abstract_cn)

AI总结 研究利用声学信息进行操作任务的模仿学习，提出多模态框架S2A2，集成视觉与声学信息，实现多种策略集成，模拟与真实机器人实验表明其对特定任务有效且适用于现实操作。

Comments Project page: https://azuma413.github.io/projects/s2a2

MODUS: Decoder-Only Any-to-Any Modeling of Diverse Modalities

MODUS：仅解码器的多模态任意到任意建模

Mingqiao Ye, Zhaochong An, Zhitong Gao, Xian Liu, François Fleuret, Chuan Li, Amir Zadeh, Serge Belongie, Afshin Dehghan, Jesse Allardice, David Mizrahi, Oğuzhan Fatih Kar, Roman Bachmann, Amir Zamir

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

AI总结 研究任意到任意多模态建模，提出仅解码器的对称多模态建模方法Modus，无需特定模态组件，支持多种应用，在各基准测试中用单模型展现强大性能且与基线竞争，材料开源。

Comments Accepted at ICML 2026. Project page: https://modus-multimodal.epfl.ch

An Analytic COS Method for Compound Option Valuation

一种用于复合期权估值的解析余弦（COS）方法

Zhipeng Huang, Cornelis W. Oosterlee

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究复合期权估值问题，提出解析COS方法，通过推导余弦系数闭式表达式，无需中间行权阶段数值积分，适用于多种随机模型，数值实验显示计算效率提高且精度高，还能处理不同不确定性下的嵌套决策结构。

Comments 31 pages

Transformer Transformer: A Unified Model for Motion-Conditioned Robot Co-design

Transformer Transformer：一种用于运动条件机器人协同设计的统一模型

Huy Ha, C. Karen Liu, Shuran Song

机构 * Stanford University（斯坦福大学） ； Columbia University（哥伦比亚大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究运动条件机器人协同设计问题，提出基于RoboTokens训练的Transformer Transformer统一模型，能跨实体空间和用例，通过动力学自引导优化设计，实验显示其可零样本优化，制造的优化设计大幅降低跟踪误差。

Comments 26 pages, 12 figures, 20 tables. Project page: https://transformer-transformer.github.io

From Deterministic to Generative Deep Learning for Urban Air Quality Reconstruction from Sparse Observations

从确定性深度学习到生成式深度学习用于基于稀疏观测的城市空气质量重建

Abhishek A. Sabnis, Mihai Mitrea, Lya Lugon, Karine Sartelet, Marc Bocquet, Xiaoyuan Cheng, Shupeng Zhu, Sibo Cheng

专题命中 扩散模型 ：diffusion(abstract)

AI总结 针对城市空气质量重建难题，应用深度学习技术，从四种关键污染物的稀疏观测出发，引入基于扩散的生成框架并对比确定性模型，通过数据增强实现泛化，凸显机器学习模型在空气污染重建中可靠实际部署的潜力。

Physics-Grounded Fluid Video Generation with a Simulation Dataset and Dual-Stream Optical-Flow Supervision

基于模拟数据集和双流光流监督的物理基础流体视频生成

Ruijie Su, Yuanzhi Liang, Xiaohua Xie, Jianhuang Lai

机构 * Institute of Artificial Intelligence, China Telecom (TeleAI)（中国电信人工智能研究院） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究流体视频生成中模型违反物理原理的问题，构建含模拟与真实视频的数据集，引入双流图像到视频架构，通过光流监督增强模型，提升视频物理常识和质量得分，使模型内化连贯运动先验。

HeAD-CP: Heterophily-Aware Diffused Conformal Prediction Sets for Graph Neural Networks

HeAD-CP：用于图神经网络的异质性感知扩散共形预测集

Phan Binh Nguyen Lam, Nguyen Thai Anh

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究针对图神经网络共形预测中扩散方法的不足，提出HeAD-CP，通过GNN softmax导出的无标签局部同质性估计确定系数，有三个变体，在多个基准测试中表现优于DAPS，有效解决异质性问题。

Comments 6 pages, 4 figures. Accepted at MAPR 2026