图像生成

Model the Edit, Not the Image: Visual Autoregressive Editing from a Source-Centric Perspective

建模编辑，而非图像：以源为中心视角的视觉自回归编辑

Hongyi Fang, Chuwen Xie, Benjia Zhou, Yu-Xuan Qiu, Chenggong Hu, Zhibin Wang, Chao Chen, Jianbin Qin, Rui Mao

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

AI总结 该研究针对视觉自回归模型（VARs）编辑的现有不足，提出以源为中心视角的EditMod方法，实现了高保真度与强文本对齐的1K图像端到端编辑，速度达1.57秒/张A100 GPU。

RealMat: Realistic Materials with Diffusion and Reinforcement Learning

RealMat：结合扩散模型与强化学习的真实材质生成器

Xilong Zhou, Pedro Figueiredo, Miloš Hašan, Valentin Deschaintre, Paul Guerrero, Yiwei Hu, Nima Khademi Kalantari

机构 * Max Planck Institute for Informatics Saarbrücken Germany ； Texas A\&M University College Station USA ； Adobe Research San Jose USA ； Adobe Research London UK ； Max Planck Institute for Informatics ； Texas A\&M University ； Adobe Research 纠错

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

AI总结 针对材质生成的合成数据真实感不足、真实数据规模有限的问题，提出结合SDXL微调与强化学习的RealMat，有效提升了生成材质的真实性。

Comments 12 pages, 12 figures

Journal ref Computer Graphics Forum 2026

Through Van Gogh's Eyes: Global Style Transfer with Diffusion Model

透过梵高的眼睛：基于扩散模型的全局风格迁移

Jeongha Lee, Yujin Kim, Ghazanfar Ali, Suhyun Kim, Jae-In Hwang

机构 * Korea Institute of Science and Technology（韩国科学技术研究院） ； University of Science and Technology（科技大学） ； Korea University（高丽大学） ； Gachon University（嘉泉大学） ； Kyung Hee University（庆熙大学） 纠错

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

AI总结 该研究针对现有艺术图像合成方法难以捕捉艺术家全局风格的问题，提出多对一的全局风格迁移范式及对应的全局风格引导、内容对齐引导方法，在WikiArt上验证了其在风格保真度等指标上的优势。

Comments Published at ECCV 2026

Interpretable ODE-style Generative Diffusion Model via Force Field Construction

基于力场构造的可解释ODE式生成扩散模型

Weiyang Jin, Yongpei Zhu, Yuxi Peng

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

AI总结 本文从数学视角识别适配的物理模型，归纳出统一的ODE式生成扩散模型方法，在CIFAR-10实验中验证了该方法在生成速度、Inception分数和FID分数上的优异性能，提升了扩散模型的可解释性。

Comments This is empirical reproducing and experimental tries of Jianlin Su's blog use ChatGPT and Newbeing: https://kexue.fm/archives/9370 https://kexue.fm/archives/9379 https://kexue.fm/archives/9467 We make the mistakes to cite them and this paper need to be withdrawn to clearify this. We thank Jianlin reached out us and give us chance to claim

Noise as a Probe: Membership Inference Attacks on Diffusion Models Leveraging Initial Noise

噪声作为探针：利用初始噪声的扩散模型成员推断攻击

Puwei Lian, Yujun Cai, Songze Li, Bingkun Bao

机构 * Southeast University（东南大学） ； The University of Queensland（昆士兰大学） ； Nanjing University of Posts and Telecommunications（南京邮电大学） 纠错

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

AI总结 本文提出利用扩散模型初始噪声中的残余语义信息进行成员推断攻击，揭示了微调模型在隐私保护方面的脆弱性。

Comments Accepted to 34th ACM International Conference on Multimedia (MM 2026)

Generative Brownian Bridge Diffusion In Motion Space For Enhanced Myocardial Strain Analysis

用于增强心肌应变分析的运动空间生成布朗桥扩散模型

Rishov Paul, Frederick H. Epstein, Miaomiao Zhang

机构 * University of Virginia（弗吉尼亚大学） 纠错

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

AI总结 该研究提出运动空间生成布朗桥扩散模型，以标准CMR图像为条件学习运动映射，在多中心CMR数据集上验证其可提升应变分析准确性，为开发临床可用的低成本心脏评估AI工具提供新范式。

Comments 12 pages

EvDiff: Event-Based Video Reconstruction using One-Step Diffusion Models

EvDiff：高质视频与事件相机

Weilun Li, Lei Sun, Ruixi Gao, Qi Jiang, Yuqin Ma, Kaiwei Wang, Ming-Hsuan Yang, Luc Van Gool, Danda Pani Paudel

机构 * Zhejiang University（浙江大学） ； INSAIT ； UC Merced（加州大学默塞德分校） ； Google DeepMind（谷歌DeepMind） 纠错

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

AI总结 EvDiff通过基于事件的扩散模型和替代训练框架，从单色事件流生成高质量彩色视频，提升视频生成的保真度和现实感。

Comments Replacement note: This manuscript has been transferred from the CVPR format to the ECCV 2026 format, with the corresponding title and template updated accordingly. The technical content remains largely unchanged from the previous version. (Current version: 21 pages, 6 figures, and 3 tables.) Accepted by ECCV 2026

A Design Space Study of Density Matrix Parameterizations for Diffusion-Based Quantum State Tomography

基于扩散的量子态层析成像的密度矩阵参数化的设计空间研究

Shuangu Chang

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 该研究针对扩散QST的密度矩阵参数化开展设计空间研究，基于雅可比格拉姆矩阵建立几何框架，经2、3量子比特实验得出关键发现并提供参数化选择指南，为QST方法设计提供支撑。

DiffImaginE: Imagine to Verify Entity Types with Diffusion

DiffImaginE：通过想象验证实体类型

Feng Zhang, Feiyu Han, Rongxin Yang, Yang Liu, Yancheng Chen, Rui Wang, Yingguang Yang, Tian Xueyun, Chongyang Zhang, Hao Zheng, Xu Kefu, Congjing Ran, Fuhai Chen, Bin Chong

机构 * Fuzhou University（福州大学） ； Chinese Academy of Sciences（中国科学院） ； Peking University（北京大学） ； Alibaba Group（阿里巴巴集团） ； University of Science and Technology of China（中国科学技术大学） ； Fullive Innovation (Beijing) AI Technology Co., Ltd.（福莱创新（北京）人工智能科技有限公司） ； Baidu（百度） ； Wuhan University（武汉大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 DiffImaginE将多模态命名实体识别的类型验证建模为条件潜在扩散推理，在Twitter-2015和Twitter-2017数据集上，相比确定性对照模型取得了一致的性能提升。

Pseudorandom Streams within Diffusion Models Act as Learnable Inputs That Affect Generation Quality

扩散模型中的伪随机流是影响生成质量的可学习输入

Shengzhi Deng, Chenqi Ye, Yanze Guo

机构 * School of Mathematics, Harbin Institute of Technology（哈尔滨工业大学数学学院） ； Software College, Northeastern University（东北大学软件学院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 该研究发现扩散模型的伪随机流是可学习输入，会影响生成质量，相关指标与生成退化相关，伪随机源兼具分布选择与结构化输入属性。

Round-Trip Consistency: Bidirectional Diffusion Models Can Predict Their Own Rollout Errors

往返一致性：双向扩散模型可预测自身的推演误差

Alexander Scheinker

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 该研究提出双向扩散模型的往返偏差可作为自监督代理预测生成模型推演误差，在多类任务中验证其有效性，兼具逆求解功能且训练成本低。

Comments Code: https://github.com/alexscheinker/round-trip-consistency

Commit Locally, Exit Globally: Coordinating Adaptive Sampling and Early Exit in Diffusion Language Models

提交时机与位置：扩散语言模型的候选感知解码

Chia-Ming Lee, Shao-Kai Liu, Ming-Ching Chang, Xin Li, Yu-Lun Liu, Chih-Chung Hsu

机构 * National Yang Ming Chiao Tung University（国立阳明交通大学） ； University at Albany, SUNY（纽约州立大学奥尔巴尼分校） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 该研究针对扩散语言模型解码过早终止问题，提出无训练的候选感知提前退出框架LATCH，结合CVC与BWEC，在零样本11项任务上，以准确率损失极小的代价实现多倍解码速度提升。

Comments Code is available at https://github.com/ming053l/C4-dLLM

Turbulence generation and data assimilation in wall-bounded flows with a latent diffusion model

基于潜扩散模型的壁面湍流生成与数据同化

Fabian Steinbrenner, Baris Turan, Hao Teng, Heng Xiao

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出一种结合β-VAE与基于Transformer的扩散模型的生成框架，用于壁面湍流的数据同化，在雷诺数Re_h=1300的平面库埃特流中实现了O(10^5)的压缩比，并揭示了条件扩散模型在保持物理保真度与样本多样性之间的权衡。

Geometry-induced pulse dynamics in a bulk-surface reaction-diffusion system for cell polarization

几何诱导的脉冲动力学在细胞极化的大体积-表面反应扩散系统中

Riku Watanabe

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文研究了二维域中细胞极化的大体积-表面反应扩散系统，通过波固定机制形成局部模式，结合细胞形状效应，利用奇异性扰动方法推导了描述波固定动力学的常微分方程，并分析了由域几何引起的现象，如非平凡脉冲位置和超临界及亚临界分岔。

Comments 35 pages, 6 figures

Masked diffusion LLMs can use EoS tokens for hidden reasoning

扩散语言模型可以按EoS进行思考

Sarah Breckner, Sebastian Schuster

机构 * Faculty of Computer Science, University of Vienna（维也纳大学计算机科学系） ； UniVie Doctoral School Computer Science, University of Vienna（维也纳大学计算机科学博士学院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究发现扩散语言模型通过EoS标记进行推理，通过实验验证EoS标记作为隐藏计算空间的作用。

DiffGRM: Diffusion-based Generative Recommendation Model

DiffGRM：基于扩散的生成式推荐模型

Zhao Liu, Yichen Zhu, Yiqing Yang, Xiao Lv, Guoping Tang, Rui Huang, Qiang Luo, Ruiming Tang, Kun Gai, Guorui Zhou

机构 * Kuaishou Technology（快手科技） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对生成式推荐中SID的结构问题，提出DiffGRM模型，通过MDM、PSE、OCN、CPD等技术优化，在多数据集上使NDCG@10提升6.9%-15.5%。

Comments 12 pages, 6 figures. Accepted at The ACM Web Conference 2026. Camera-ready version; author list updated to match the published version; presentation revised, results unchanged

Journal ref Proceedings of the ACM Web Conference 2026 (WWW '26), pp. 5853-5864, ACM, 2026

Regularization can make diffusion models more efficient

正则化可提升扩散模型的效率

Mahsa Taheri, Johannes Lederer

机构 * University of Hamburg（汉堡大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 该研究针对扩散模型计算成本高的问题，提出利用统计学中的稀疏性概念，通过数学证明和实验验证表明，引入稀疏性可降低计算复杂度并提升样本质量，从而实现更高效的扩散模型。

Asymptotic large time behavior of singular entire solutions of the fast diffusion equation

快扩散方程奇异整体解的渐近大时间行为

Kin Ming Hui, Jongmyeong Kim

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 该研究针对快扩散方程，采用不动点方法证明了一类满足特定条件的奇异径向对称前向自相似解的存在性，得到解在原点附近的渐近展开，并分析了满足对应初值条件的奇异解的渐近大时间行为。

SHARP: Spectrum-aware Highly-dynamic Adaptation for Resolution Promotion in Remote Sensing Synthesis

SHARP: 为遥感合成促进分辨率提升的频谱感知高动态适应

Bingxuan Zhao, Qing Zhou, Chuang Yang, Junyu Gao, Qi Wang

机构 * School of Computer Science, Northwestern Polytechnical University, Xi'an, China（计算机科学学院，西北工业大学，西安，中国） ； School of Artificial Intelligence, OPtics and ElectroNics (iOPEN), Northwestern Polytechnical University, Xi'an, China（人工智能学院，光学与电子学（iOPEN），西北工业大学，西安，中国） 纠错

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

AI总结 本文提出SHARP方法，通过频谱感知的高动态适应策略，在无需训练的情况下提升遥感图像分辨率，优于现有无训练基线，在CLIP分数、审美分数和HPSv2上表现更优。

Comments Accepted by the 34th ACM International Conference on Multimedia (ACM MM 2026)

Journal ref Proceedings of the 34th ACM International Conference on Multimedia (ACM MM 2026)

Hunyuan3D-Buffalo 1.0: A Unified Multimodal Model for Scalable 3D Generation, Understanding, and Editing

Hunyuan3D-Buffalo 1.0：用于可扩展3D生成、理解与编辑的统一多模态模型

Junliang Ye, Kenkun Liu, Guocun Wang, Yang Li, Yansong Qu, Chunshi Wang, Jingwei Xu, Yunhan Yang, Zibo Zhao, Jiachen Xu, Jiaao Yu, Lifu Wang, Zhihao Liang, Xin Huang, Zhuo Chen, Chunchao Guo

机构 * Tencent Hunyuan（腾讯混元） 纠错

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

AI总结 Hunyuan3D-Buffalo 1.0是支持3D理解、文本到3D生成等功能的统一多模态模型，构建87M规模语料库训练，在相关基准上达SOTA或领先性能，验证了统一训练的有效性。

Comments Project Page: https://tencent-hunyuan.github.io/Hunyuan3D-Buffalo1.0

Pricing options on the cryptocurrency futures contracts

加密货币期货合约上的期权定价

Julia Kończal

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

AI总结 本研究针对加密货币期权市场特性，校准评估多种期权定价模型，发现Kou模型对BTC期权、Bates模型对ETH期权定价误差最低，凸显纳入跳跃与随机波动率的重要性。

LiveAnimate: Stable Long-Form Streaming Human Animation in Real-Time

LiveAnimate：稳定的长时长流驱动人体动画实时生成系统

Yuxuan Zhang, Haozhong Xiong, Yubo Huang, Jiayi Song, Jinpeng Yu, Haofan Wang, Jiaming Liu, Ruihua Huang, Liwei Wang

机构 * The Chinese University of Hong Kong（香港中文大学） ； Qwen Applications Business Group of Alibaba（阿里巴巴通义千问应用业务组） ； Liblib AI 纠错

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

AI总结 LiveAnimate基于14B参数视频DiT，经两阶段训练结合PR-Sink等设计，实现19.63 FPS长时长流人体动画生成，兼顾实时性、质量与稳定性，优于现有系统。

DualEraser: Joint Video Object and Effect Removal via Balanced Text-Mask Guidance and Decoupled Locator-Preserver

GenEraser：通过平衡文本-掩码引导和解耦定位器-保持器实现可泛化的视频对象移除

Yuqing Chen, Lin Liu, Haisu Wu, Xiaopeng Zhang, Yaowei Wang, Yujiu Yang, Qi Tian

机构 * Tsinghua University（清华大学） ； Pengcheng National Laboratory（鹏城实验室） ； Huawei（华为） ； Southeast University（东南大学） ； Harbin Institute of Technology（哈尔滨工业大学） 纠错

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

AI总结 提出GenEraser框架，通过多条件混合专家、可学习深度CFG融合机制和解耦专家架构，解决视频对象移除中目标与物理效应同时消除的泛化难题，在ROSE和VOR-Eval上分别提升2.16 dB和1.44 dB。

SIFT-VTON: Geometric Correspondence Supervision on Cross-Attention for Virtual Try-On

SIFT-VTON：跨注意力中的几何对应监督用于虚拟试穿

Kosuke Takemoto, Takafumi Koshinaka

机构 * The Graduate School of Data Science, Yokohama City University, Kanagawa, Japan（数据科学研究生院， Yokohama 市立大学，神奈川县，日本） 纠错

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

AI总结 本文提出SIFT-VTON方法，利用SIFT关键点匹配提供显式几何指导，提升扩散模型在虚拟试穿中的细节保留能力。

Comments Accepted at ICPR2026

RadarGen: Automotive Radar Point Cloud Generation from Cameras

RadarGen：从摄像头生成汽车雷达点云

Tomer Borreda, Fangqiang Ding, Sanja Fidler, Shengyu Huang, Or Litany

机构 * Technion（技术学院） ； MIT（麻省理工学院） ； NVIDIA（英伟达） ； University of Toronto（多伦多大学） ； Vector Institute（向量研究所） 纠错

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

AI总结 RadarGen通过扩散模型从摄像头图像生成逼真的雷达点云，结合BEV对齐的深度、语义和运动线索，提升雷达生成的物理合理性与多模态模拟能力。

Comments ECCV 2026. Project page: https://radargen.github.io/

Real-World Cooperative Bimanual Dexterous Grasp of Large Objects from Single-View Observations

基于单视图观测的真实场景中大型物体的双臂协同灵巧抓取

Ziming Li, Mingxuan Wu, Jiaqi Zhang, Hongfei Li, Yan Gan, Deqiang Ouyang, Ning Wang

机构 * The University of Auckland（奥克兰大学） ； Chongqing University（重庆大学） ； Southwest University（西南大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文针对机器人双臂抓取大型物体的挑战，提出含多模态数据集、DDPM模块及执行策略的真实场景双臂抓取框架，实验表明其对未见物体抓取成功率高。

Comments Accepted to the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026)

Coordinated incentives in AI-generated misinformation governance

AI生成虚假信息治理中的协同激励机制

Qin Li, Gui Zhang, Minyu Feng, Matjaz Perc, Attila Szolnoki

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本研究通过三方演化博弈模型发现，仅靠单边监管或市场激励无法遏制AI生成虚假信息，需协同监管奖惩、企业声誉损失及用户激励的政策组合实现有效治理。

Journal ref Humanities and Social Sciences Communications (2026)

A Framework for Stochastic Differentiable Programming

随机可微编程框架

Guillaume Verdon, Leo Tyrpak, Owen Lockwood, Seth Morton, Alexander Neagoe, Anton Sugolov, Ian MacCormack, Mirko Amico

专题命中 扩散模型 ：diffusion(abstract)

AI总结 该研究提出了参数化随机电路（PSCs）及开源JAX框架torx，其与概率硬件原生操作对齐，可直接设计随机算法，经图上随机游走等应用及X0芯片硬件实验验证有效。

Dynamical mean-field theory of active, self-interacting heteropolymers

高斯闭合与动态平均场理论用于自回避异聚链

Andriy Goychuk

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出一种基于动态平均场理论的分析框架，用于研究自回避异聚链的构象演变、接触概率及波动，通过高斯闭合截断高阶相关性，推导出链关联的自洽扩散方程，并验证了其在不同聚合态中的适用性。

A Residence-Time Approach for Determining Position-Dependent Diffusivities from Biased Molecular Simulations

基于驻留时间的方法用于从有偏分子模拟中确定位置依赖的扩散系数

Rinto Thomas, Praveen Ranganath Prabhakar, Michael von Domaros

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出一种基于驻留时间的方法，用于从有偏分子动力学模拟中确定位置依赖的扩散系数，无需谐振限制模拟或噪声时间相关函数的数值积分，通过验证不同膜系统中的扩散系数分布。