图像生成

HRDiT: Training-Free High-Resolution Image Generation with Off-the-Shelf Diffusion Transformer Models

HRDiT：基于现成扩散Transformer模型的无需训练高分辨率图像生成

Yu Xue, Haoxuan Qu, Zhuoling Li, Hongbin Xu, Jianxiong Yin, Simon See, Hossein Rahmani, Jun Liu

机构 * Lancaster University（兰卡斯特大学） ； South China University of Technology（华南理工大学） ； NVIDIA AI Tech Centre（英伟达AI技术中心） 纠错

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

AI总结 本研究针对现成DiT模型适配高分辨率图像合成的空间紊乱、生成时间长两大挑战，提出新方法，经实验验证其有效性，代码公开。

Comments Accepted by ECCV 2026

High-Fidelity Synthetic Transmission Electron Microscopy Image Generation Using Diffusion Probabilistic Models for Data-Limited Semiconductor Metrology

高保真合成透射电子显微镜图像生成：基于扩散概率模型的数据受限半导体计量

Johannes Boehm, Bappaditya Dey

机构 * Chemnitz University of Technology, Chemnitz, Germany（化学工业大学，化学矿泉，德国） ； Interuniversity Microelectronics Centre (imec), Leuven, Belgium（大学微电子中心（imec），卢汶，比利时） 纠错

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

AI总结 针对半导体计量中TEM数据稀缺问题，提出基于去噪扩散概率模型（DDPM）的合成图像生成框架，采用渐进式补丁训练策略，仅需15个样本即可从零训练，并集成数据增强、域迁移、分类器引导和修复技术，生成图像在结构相似性上达到MS-SSIM>0.98，支持缺陷检测、分割等下游任务。

Comments To be presented at the 2026 International Symposium ELMAR, published by IEEE in the conference proceedings

Multi Codec Discrete Diffusion Model for Text Guided Speech Inpainting and Editing

用于文本引导语音修复与编辑的多编解码器离散扩散模型

Iftach Shoham, Tali Dror, Oren Gal, Haim Permuter, Gilad Katz, Eliya Nachmani

机构 * Ben-Gurion University of the Negev（内盖夫本-古里安大学） ； University of Haifa（海法大学） 纠错

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

AI总结 该研究提出基于分层编解码器令牌的离散扩散框架SIEDD，其核心架构HiCoDD结合音素级约束等技术，在RealEdit基准中实现最优语音编辑性能，且优于自回归基线，显著提升上下文保留的语音重建与编辑效果。

Diffusion LLMs as Targets and Adversaries: Mechanistic Safety Exploits

扩散大语言模型作为目标与对抗者：机制性安全漏洞利用

Elena Dumitrescu, Gert Lek, Lydia Y. Chen, Jérémie Decouchant

专题命中 扩散模型 ：diffusion(title,summary_cn)

AI总结 本研究揭示扩散大语言模型（DLLMs）的安全机制漏洞，提出SN-Guided Diffusion黑盒越狱框架，实现高迁移攻击成功率且生成成本远低于现有方法。

MirrorWorld: Taming Video Diffusion Models for Mirror Reflection Generation

MirrorWorld：利用视频扩散模型生成镜像反射

Youjun Zhao, Alex Warren, Gary K. L. Tam, Rynson W. H. Lau

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

AI总结 MirrorWorld是一种反射感知视频修复框架，通过语义关系蒸馏和几何变换对齐建模场景与镜像的关系，在视频镜像反射重建任务上优于现有方法。

Comments Project Page: https://youjunzhao.github.io/MirrorWorld/

PAST: Prompt-Adaptive Sampling Termination for Efficient Diffusion Model

PAST：用于高效扩散模型的提示自适应采样终止

Renye Yan, Jikang Cheng, You Wu, Wei Peng, Zongwei Wang, Ling Liang, Yimao Cai

机构 * Peking University（北京大学） ； Nanjing University（南京大学） ； Stanford University（斯坦福大学） 纠错

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

AI总结 PAST是一种提示自适应采样终止方法，通过双自适应协调机制提升扩散模型RL微调的计算效率与偏好优化质量，效率最高提升66.7%，质量最高提升29.5%。

Quantum Generative Diffusion Model: A Fully Quantum-Mechanical Model for Generating Quantum State Ensemble

量子生成扩散模型：一种用于生成量子态系综的全量子力学模型

Chuangtao Chen, Qinglin Zhao, MengChu Zhou, Zhimin He, Zhili Sun, Haozhen Situ

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本研究提出全量子力学模型QGDM，基于量子信道理论构建正向与反向过程，在多种量子态生成任务中性能优于现有模型，为量子生成建模提供了新框架。

Comments 31 pages, 15 tables. Accepted by IEEE Transactions on Pattern Analysis and Machine Intelligence. The supplementary material is included at the end of the manuscript

WaveFreqAnchor: Wave-Structural Anchoring and Frequency Correction Diffusion for Training-Free Face Restoration

WaveFreqAnchor：用于无训练人脸修复的波结构锚定与频率校正扩散

Zelin Du, Wenjie Li, Zhengxue Wang, Juncheng Li, Cailing Wang, Guangwei Gao

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

AI总结 本研究针对现有扩散模型人脸修复的结构漂移与保真度问题，提出无训练框架WaveFreqAnchor，通过ASWG、MWFI、SHE设计实现高质量人脸修复，性能优于现有方法。

Comments training-free wavelet-structural diffusion sampling framework for face restoration that improves structural stability, identity consistency, and real-world perceptual quality without task-specific fine-tuning

Does More Retrieved Evidence Help Visual Retrieval-Augmented Generation with Diffusion Language Models?

更多检索到的证据是否有助于基于扩散语言模型的视觉检索增强生成？

Jiankun Wang, Yisen Gao, Ziwei Zhang, Xingcheng Fu, Jiaxin Bai, Chen Gao

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

AI总结 针对基于扩散语言模型的视觉检索增强生成，研究发现无条件扩大检索证据会因语义冲突降低准确率，提出无需训练的基于熵的候选过滤框架，可平均提升答案准确率2.62个百分点。

Explore or Converge? Stage-Guided Per-Step Optimization for Diffusion Models

探索还是收敛？面向扩散模型的阶段引导式逐步优化方法

Renye Yan, Jikang Cheng, You Wu, Wei Peng, Zongwei Wang, Ling Liang, Yimao Cai

机构 * Peking University（北京大学） ； Nanjing University（南京大学） ； Stanford University（斯坦福大学） 纠错

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

AI总结 针对扩散模型RL偏好对齐的奖励不匹配问题，提出SGPO方法，通过分阶段分配目标，使生成质量提升26.7%、收敛速度提高36.7%。

CloudDiffusion: Diffusion-Based Scene Completion in the Point Cloud Domain

PointDiffusion: 点云领域的基于扩散的场景补全

Chidera Agbasiere, Mikhail Sannikov, Faith Ogunwoye, Erik Shaikhiev, Alex Kozinov, Ilya Mikhalchuk, Iana Zhura, Dzmitry Tsetserukou

机构 * Intelligent Space Robotics Laboratory, Skolkovo Institute of Science and Technology（斯科尔科沃科学技术学院智能空间机器人实验室） 纠错

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

AI总结 提出多令牌高斯VAE和锚点ICP地面真值精化，实现单步扩散场景补全，在SemanticKITTI上平方倒角距离降低16倍，推理延迟降低25-143倍。

TIDE: Task-Isolated Diffusion for Unified Video Editing and Generation

TIDE: 任务隔离扩散模型用于统一视频编辑与生成

Qi Liu, Gang Yue, Mingyu Yin, Lisai Zhang, Yidi Wu, Yaole Wang, Yaohui Wang, Chang Yao, Jingyuan Chen, Lin Ma

机构 * Zhejiang University（浙江大学） ； Bilibili Inc.（哔哩哔哩股份有限公司） 纠错

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

AI总结 提出TIDE统一框架，通过逐token任务嵌入和双路径条件机制，实现指令编辑、参考编辑和多参考生成，在多任务渐进训练下达到SOTA性能。

DisPOSE: Projected Polystochastic Diffusion for Self-Supervised Multi-View 3D Human Pose Estimation

DisPOSE: 投影多随机扩散用于自监督多视图3D人体姿态估计

Tony Danjun Wang, Tolga Birdal, Nassir Navab, Lennart Bastian

机构 * Imperial College London（伦敦帝国学院） ； Technical University of Munich（慕尼黑技术大学） 纠错

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

AI总结 提出DisPOSE框架，将多视图人员分配问题建模为多随机张量空间上的生成扩散过程，通过可微Sinkhorn投影和超图卷积解码器实现自监督3D人体姿态估计，在标准数据集和手术室遮挡场景中表现优异。

Comments Accepted at ICML 2026

Learning Ordinal Degradation Representations with Textual Priors for Diffusion-Based Blind Image Super-Resolution

通过插件分层退化表示实现稳定扩散的零样本适应

Yi-Cheng Liao, Shyang-En Weng, Yu-Syuan Xu, Chia-Hung Yuan, Wei-Chen Chiu, Ching-Chun Huang

机构 * National Yang Ming Chiao Tung University（国家阳明交通大学） ； MediaTek Inc.（联发科公司） 纠错

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

AI总结 HD-CLIP通过分层退化表示提升扩散模型在现实世界超分辨率中的零样本适应能力，增强细节保真度和感知真实性。

Spatial Masked-Set Learning for Sparse Multi-Shell Diffusion MRI Signal Synthesis

用于稀疏多壳扩散MRI信号合成的空间掩码集学习

Yousef Sadegheih, Pratibha Kumari, Dorit Merhof

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对密集多壳扩散MRI采集时间长的问题，提出空间掩码集框架合成稀疏多壳扩散MRI信号，在HCP100数据集上的实验显示其信号NMSE低于现有模型，实现了更优性能。

Comments Accepted at MICCAI CDMRI Workshop 2026

Stoicheia: Character-Level Masked Diffusion for Ancient Greek Textual Restoration, Parsing, and Metrical Scansion

Stoicheia：用于古希腊语文本恢复、句法分析与韵律扫描的字符级掩码扩散模型

Eric Cullhed, Albin Thörn Cleland

机构 * Uppsala University（乌普萨拉大学） ； Lund University（隆德大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本研究提出4.05亿参数的Stoicheia字符级掩码扩散模型，通过多维度输入设计实现古希腊语文本恢复、句法分析等任务，在三项实验中均优于对照模型，且在Ithaca测试集上显著降低字符错误率、提升Top-1准确率。

Comments 12 pages, 7 tables. Models, datasets and code released: https://huggingface.co/collections/Ericu950/stoicheia-6a6fbf9800c82d93020a7ceb and https://github.com/ericu9500/stoicheia

Fluid-DiT: Graph-Free Diffusion Transformers for Fluid Flow Simulations Learning

Fluid-DiT：用于流体流动模拟学习的无图扩散Transformer

Shentong Mo, Guolin Ke

机构 * CMU（卡内基梅隆大学） ； DP Tech（德璞科技） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 Fluid-DiT是一种无图扩散Transformer，以注意力去噪替代图消息传递，通过隐空间公式解耦几何保真度与分布学习，在流体流动模拟的基准测试中优于图扩散基线，且泛化性与可扩展性强。

Retrofitting Linear Attention into Diffusion Language Models

将线性注意力改造融入扩散语言模型

Jinha Kim, Younghun Roh, Jaeyeon Kim

机构 * Apple（苹果公司） ； Google DeepMind（谷歌DeepMind） ； Harvard University（哈佛大学） ； MIT（麻省理工学院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出分块混合注意力，将其融入预训练dLLM LLaDA~2.1得到LLaDA-Hybrid，在保持基准性能的同时提升解码吞吐量与并发请求支持能力。

Lost in Interpolation: Why Predictive Feedback Fails in Diffusion Language Models

迷失在插值中：为什么预测反馈在扩散语言模型中失效

Lavanya Nigam, Ishaan Bansal, Aryan Sood, Vidit Aggarwal, Gaurav Kumar Nayak

机构 * Indian Institute of Technology Roorkee（鲁尔基印度理工学院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文针对扩散语言模型中线性插值（LERP）不适用于超球面嵌入空间的问题，提出球形软掩码（S-SM）方法，在1.69亿参数MDLM上实现了MAUVE和困惑度的显著提升。

Comments 15 pages

Stable determination of time-dependent coefficients in a reaction-diffusion-convection system

反应-扩散-对流系统中时变系数的稳定确定

Rahul Bhardwaj, Parveen Kumar

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文针对R^{1+n}（n≥2）有界域内反应-扩散-对流系统的逆边值问题，结合Carleman估计与几何光学解，通过部分边界测量得到时变对流系数的双对数稳定性估计，进而得到矩阵值势的三对数稳定性估计。

Nonlinear Diffusion Equations: Full characterization of Entropies

非线性扩散方程：熵的完全表征

Anton Arnold, Jose A. Carrillo, Daniel Matthes

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文针对全空间带约束的拟线性Fokker-Planck方程，表征了可使Bakry-Émery型熵方法给出指数收敛的可容许熵，将线性情形的研究扩展到非线性情形，得到两类关键结果及相关不等式、收敛估计。

DynaCrys: Crystal Generation with Dynamic Space-Group Diffusion

DynaCrys：基于动态空间群扩散的晶体生成

Zhuotao Jin, Xiaoyun Wang, Nicholas Brawand, Roman Zubatyuk, Atul Thakur, Eric Qu, Boris Kozinsky, Justin Smith

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 DynaCrys是一种新型晶体生成模型，通过耦合符号扩散过程实现空间群与Wyckoff占据数、元素的共同演化，在稳定新型晶体发现中表现一流，且采样快速、结构位移低。

Fast Isotropic Li-Ion Diffusion in Zeolitic Imidazolate Framework Glass Electrolytes for Batteries

用于电池的沸石咪唑酯骨架玻璃电解质中的快速各向同性锂离子扩散

Yong Li, Tao Du, Timothée Jamin, Zhencai Li, Kasper Tolborg, Yuanzheng Yue, Morten M. Smedskjaer

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 该研究通过机器学习原子间势模拟发现，ZIF玻璃因结构无序使Li⁺扩散活化能降低、扩散系数大幅提升，实现了从晶态的各向异性到玻璃态的各向同性转变，为高性能固体电解质提供了新方向。

An Eyring--Kramers Law for the Hypoelliptic Third-Order Langevin Diffusion

关于亚椭圆三阶朗之万扩散的艾林 - 克莱默斯定律

Yingli Wang, Lingjiong Zhu

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究亚椭圆三阶朗之万扩散在低温极限下亚稳态跃迁的艾林 - 克莱默斯定律，通过扩展策略并结合多种方法确定平均跃迁时间的相关尺度和因子，数值实验验证了阿累尼乌斯标度及因子比较。

Diffusion-MF: Approximate Structured Diffusion for Sequence Labelling

近似结构化扩散用于序列标注

Nicolas Floquet, Joseph Le Roux, Nadi Tomeh

机构 * Université Sorbonne Paris Nord, CNRS, Laboratoire d’Informatique de Paris Nord, LIPN（巴黎北大学 Sorbonne、法国国家科学研究中心、巴黎北信息学实验室、LIPN） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出一种基于扩散的条件随机场（CRF）训练方法，通过引入标签噪声条件来捕捉长距离依赖，结合近似推理在词性标注任务上实现16.5%的错误率降低。

Iterated Graph Systems (I): random walks and diffusion limits

迭代图系统（I）：随机游走与扩散极限

Ziyu Neroli

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文研究了由边迭代图系统生成的广义分形图上的随机游走与扩散极限，证明了缩放后的简单随机游走在Gromov-Hausdorff-Prokhorov-Skorokhod拓扑下收敛于极限扩散，当电阻维度为正时与布朗运动一致，同时解决了Hambly和Kumagai提出的DHL渗流簇问题。

Comments 50 pages, 12 figures

Inference-Time Scaling of Diffusion Language Models via Trajectory Refinement

通过轨迹细化提升扩散语言模型的推理时间扩展

Meihua Dang, Jiaqi Han, Minkai Xu, Kai Xu, Akash Srivastava, Stefano Ermon

机构 * Stanford University（斯坦福大学） ； Red Hat AI Innovation（红帽人工智能创新） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出PG-DLM，通过轨迹级细化提升扩散语言模型的推理效率，引入新的缩放轴并实现自适应计算分配，实验显示在奖励引导生成任务中表现更优。

Comments COLM 2026

Inferring diffusivity from killed diffusion

从 killed 扩散推断扩散率

Richard Nickl, Fanny Seizilles

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究通过 killed 扩散过程的 killed 位置直方图推断无限维扩散参数，证明其遵循泊松点过程并转化为非线性逆问题，采用贝叶斯方法求解。

Comments 33 pages. Fixed minor typos and proof of Lemma 5.3(a). Identical to the version to appear in the Annals of Statistics

Stochstic Sampling for Generative Diffusion Models: From Euler-Maruyama to Higher-Order Schemes

分析生成扩散模型的误差：从欧拉-马尔耶姆到高阶方案

Emanuel Pfarr, Radu Timofte, Frank Werner

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文研究生成扩散模型中不同离散化方案对误差的影响，提出基于SDE的离散化方法的收敛性分析，并首次给出高阶方案的误差界结果。

Nonlinear diffusion in relativistic kinetic theory

Simone Calogero

专题命中 扩散模型 ：diffusion(title,abstract)

Comments 17 pages, no figures. The important references [13], [15] have been added

Journal ref Acta Phys. Pol. B 57, 9-A3 (2026)