图像生成

LoRA-Diffusion: Parameter-Efficient Fine-Tuning via Low-Rank Trajectory Decomposition

LoRA-Diffusion：基于低秩轨迹分解的参数高效微调方法

Iman Khazrak, Narges Nejad, Mohammadhossein Homaei, Mostafa M. Rezaee, Robert C. Green

专题命中 扩散模型 ：diffusion(title,title_cn)

AI总结 本文提出 LoRA-Diffusion，将低秩分解应用于扩散式语言模型的去噪轨迹而非权重，引入轨迹级适配器等技术，在 SST-2 等数据集上取得优异性能，为扩散式语言模型提供参数高效微调框架。

Learning Discrete Decisions for MIPs with Constraint-Aware Diffusion

基于约束感知扩散的混合整数规划离散决策学习

Vincenzo Di Vito, Mehdi Taghizadeh, Deepjyoti Deka, Kaarthik Sundar, Ferdinando Fioretto

机构 * University of Virginia（弗吉尼亚大学） ； MIT（麻省理工学院） ； Los Alamos National Laboratory（洛斯阿拉莫斯国家实验室） 纠错

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

AI总结 该研究提出Constrained Graph Diffusion（CGD）框架，结合图扩散模型与可行性投影算子求解混合整数规划，在两类任务上较基线方法提升可行性与质量，且最高加速425倍。

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

Evaluation of Clinically Steerable Retinal Image Generation from Foundation Model Latent Spaces

基于基础模型潜在空间的临床可操控视网膜图像生成评估

Zuzanna A. Wakefield-Skórniewska, Bartłomiej W. Papież

机构 * Nuffield Department of Population Health, University of Oxford（牛津大学纳菲尔德人口健康系） ； University of Oxford（牛津大学） 纠错

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

AI总结 该研究评估了四种视网膜基础模型的可控图像生成能力，发现其在自身框架内生成的视网膜图像优于传统潜在扩散，但与真实图像存在表征差距，需进一步对齐。

Comments MICCAI 2026 Workshop SASHIMI Submission

From Local Mismatch to Global Impact: Optimizing Cache Reuse Policy for Efficient Diffusion

从局部失配到全局影响：优化缓存重用策略以实现高效扩散模型

Xichen Ye, Yifan Wu, Zhikang Xie, Xiangyu Yue, Cheng Jin, Weizhong Zhang

机构 * Faculty of Engineering, The Chinese University of Hong Kong（香港中文大学工程学院） ； School of Data Science, Fudan University（复旦大学数据科学学院） 纠错

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

AI总结 针对扩散模型缓存策略与生成质量失配问题，提出GCache双层优化框架，在Wan2.1模型上实现2.17倍加速且LPIPS降至0.0316，性能优于现有缓存策略。

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

Symmetry-Breaking De Novo Crystal Generation via Markovian Jump Diffusion

基于马尔可夫跳跃扩散的对称性破缺从头晶体生成

Van Khoa Nguyen, Alexandros Kalousis

机构 * HES-SO Geneva（日内瓦高等教育学院） ； University of Geneva（日内瓦大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 该研究针对现有晶体生成模型难以捕捉全局对称性的问题，提出SbCD模型，通过马尔可夫跳跃扩散过程实现对称性破缺，在MP20和MPTS-52数据集上表现优于保对称性模型，为晶体生成建模提供新方案。

Comments Under review

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)

GeoCache: Training-Free Acceleration of Multi-View Texture Diffusion via Geometric Delta Transport

GeoCache：通过几何增量传输实现多视图纹理扩散的无训练加速

Haotang Li, Zhenyu Qi, Shaohan Henry Wang, Kebin Peng, Yutong Zhao, Zi Wang, Bo Liu, Huanrui Yang, Sen He

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

AI总结 本研究提出无训练插件GeoCache，通过传输锚点视图的几何对齐更新实现多视图纹理扩散加速，在三个基准数据集上实现优于时间缓存和步骤缩减的速度-保真度权衡，2倍以上加速时表现突出。

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

Diffusion Models in Finance: A Survey

金融中的扩散模型：一项综述

Zhuohan Wang, Carmine Ventre

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 该综述聚焦金融领域的扩散族生成模型，按金融数据类型分类梳理相关研究，是首个针对金融数据扩散族模型的专门综述，还开源了相关代码仓库。

DARTree: Speculative Diffusion Decoding with Autoregressive Draft Trees

DARTree：基于自回归草稿树的推测式扩散解码

Tianyi Li, Yaxin Luo, Xinyi Shang, Zhiqiang Shen

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 DARTree是无需训练的推测式解码方法，将AR修正头从链扩展至树，在7个数学、代码、聊天基准的4种模型-温度配置下，实现最高平均接受长度与加速比，达9.73倍无损加速。

Multi-AUV Ad-hoc network-based Target Tracking: A Value Gradient Guidance Multi-Agent Diffusion Reinforcement Learning Approach

基于多AUV自组织网络的目标跟踪：一种值梯度引导多智能体扩散强化学习方法

Jiaao Ma, Chuan Lin, Guangjie Han, Shengchao Zhu, Qian Zhu, Ying Liu, Zhenyu Wang

机构 * Software College, Northeastern University（东北大学软件学院） ； Hohai University（河海大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对多AUV自组织网络目标跟踪的训练不稳定、跟踪性能差问题，提出VGG-MADiffRL算法与MDCA架构，实现了更快收敛、更高跟踪精度与平稳训练动态，具有工程应用价值。

The data geometry of masking diffusion: Certified-optimal schedules via unmasking growth complexity

掩码扩散的数据几何：通过去掩蔽增长复杂度实现可验证最优调度

Martin J. Wainwright

机构 * Massachusetts Institute of Technology（麻省理工学院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 该研究引入去掩蔽增长复杂度（UGC）度量，推导了离散采样掩码扩散的可验证最优调度，得到适配数据几何的采样器，其迭代复杂度接近神谕过程，且在维度相关收益上优于粗调度。

Positive stabilization of a pure diffusion system

纯扩散系统的正镇定

Violaine Piengeon, Joseph J. Winkin

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文针对带点观测的边界控制扩散系统，解析研究了三类正相关问题，提出原创观测器反馈镇定策略，对其空间离散化形式做严格对比并推导了易实现的解。

Regularity of Solutions to One-Dimensional Degenerate Diffusion Equations with Reactions

带反应项的一维退化扩散方程解的正则性

Bendong Lou, Junfan Lu

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 该研究针对含反应项的一维退化扩散方程，建立了解与自由边界的系统正则性理论，强化了自由边界运动速度的已有结论，并将多孔介质方程的经典正则性性质推广至更广的方程类。

Comments 19 pages

A discrete duality finite volume method with harmonic average for semiconductor drift-diffusion equations

用于半导体漂移-扩散方程的带调和平均的离散对偶有限体积方法

Shuya Liu, Zhicheng Liu, Bo Lin, Chijie Zhuang, Qingyuan Shi, Weizhu Bao, Rong Zeng

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文针对半导体漂移-扩散方程，提出整合调和平均稳定化的离散对偶有限体积方法（DDFV-HA），该方法在低质量网格上比经典FVSG方法更可靠精确，适配复杂不规则域的半导体模拟需求。

Evaluation of the Ambipolar Diffusion Approximation in Partially Ionized Rarefied Hypersonic Flows

部分电离稀薄高超声速流动中双极扩散近似的评估

Marisa Petrusky, Iain D. Boyd

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文通过氩气的高超声速流动动力学模拟，评估双极扩散近似在稀薄高超声速流动中的有效性，提出了等离子体扩散区域识别及该近似应用的新准则。

Comments The following article has been submitted to Physics of Plasmas. After it is published, it will be found at https://publishing.aip.org/resources/librarians/products/journals

Global classical solutions by transport noise for reaction-diffusion systems with entropy dissipation

带输运噪声的反应扩散系统的全局经典解，具有熵耗散特性

Antonio Agresti, Michael Kniely, Bao Quoc Tang

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对确定性框架下反应扩散系统全局经典解存在性的开放问题，该文证明适当输运噪声可使复杂平衡化学反应网络生成时间全局的唯一强解，还能按指定速率增强空间涨落耗散，证明结合了多种分析方法。

Comments 57 pages, 1 figure

Using Diffusion Models to Estimate Uncertainties in Analytic Continuation

利用扩散模型估计解析延拓中的不确定性

Sagi Meir, Daniel Freedman, Barak Hirshberg

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 该研究提出基于扩散模型的解析延拓框架，可量化解析延拓的不确定性，还能评估逆问题固有难度，在液态仲氢模拟数据应用中取得了良好效果。

Diffusion and Solvation Dynamics of Ions in Water: Beyond the Brownian Approximation

水中离子的扩散与溶剂化动力学：超越布朗近似

Ian C. Bourg, Minh Thê Hoang Ngoc, Thomas R. Underwood, Carlos Vega

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本研究探究多种碱金属、碱土金属及氯离子的耦合动力学，发现其振动功率谱的晃动频率对同位素质量有不同敏感性，或可作为离子溶剂化及类霍夫迈斯特效应的特征。

Comments 27 pages total, including 4 pages of Supplementary Information; 7 figures (6 main, 1 supplementary) and 7 tables (including 5 supplementary)

Insight into SRF cavity performance from simulations of Nb's surface oxide dissolution and diffusion

从铌表面氧化物的溶解与扩散模拟探究SRF腔性能

Ryan M. L. McFadden, Rowan Becker, Tobias Junginger

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本研究通过模拟Nb表面氧化物的溶解与扩散，揭示氧掺杂对Nb迈斯纳屏蔽电流的影响，建立了氧扩散剖面与SRF腔超导性能的定量关联框架。

Comments 17 pages, 9 figures, 2 tables

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

Quantum Mechanics as a Reversible Diffusion Theory

量子力学作为可逆扩散理论

Charalampos Antonakos

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文通过时间对称随机动力学和非经典概率论，将波函数及其复共轭解释为复扩散方程中的复概率分布，提出量子力学的一种新诠释，并基于纯概率论推导叠加原理，解释经典与量子行为的差异。