图像生成

DiSCO: Defending text-to-image generation through distribution-guided contrastive prompt optimization

DiSCO：通过分布引导的对比提示优化防御文本到图像生成

Tong Zhang, Motasem Alfarra, Carlos Hinojosa, Christos Louizos, Bernard Ghanem

机构 * Qualcomm AI Research（高通人工智能研究院） ； King Abdullah University of Science Technology (KAUST)（阿卜杜拉国王科技大学） 纠错

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

AI总结 DiSCO是一种零样本黑盒防御模块，通过分布引导的对比提示优化，在I2P基准上分别将未防御、已防御模型的攻击成功率降低37.7%、25.13%，提升文本到图像生成的安全性且保持语义保真度。

Expressivity In Multimodal Contrastive Learning

多模态对比学习中的表达能力

Andrew Stuart, Florian Wolf

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

AI总结 该研究针对多模态对比学习的表达能力展开分析，明确CLIP架构的表达能力随模态数量变化，提出Hadamard-CLIP模型，实现任意数量模态联合分布的通用近似且保留CLIP的检索优势。

Where a New Concept Must Enter: Entry Point Gates Cross-Task Usability in Unified Multimodal Models

新概念必须进入之处：统一多模态模型中的入口门跨任务可用性

Zongyang Qiu, Yihan Wu, Kaixuan Fan, Bo Li, Hui Xiong

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Columbia University（哥伦比亚大学） ； CUHK（香港中文大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

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

AI总结 该研究通过分离统一多模态模型的理解与生成任务方向，发现跨任务可用性取决于概念绑定的入口层，提出的对齐目标可在极低损失下实现概念跨任务迁移。

Comments 27 pages, 10 figures

EDITBRIDGE: Towards Faithful and Efficient Ultra-High-Resolution Image Editing

EditBridge：迈向忠实且高效的超高清图像编辑

Jiayi Song, Shijie Huang, Fangtai Wu, Yubo Huang, Zhenxiong Tan, Songhua Liu, Jiaming Liu, Ruihua Huang

机构 * School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学人工智能学院） ； Qwen Business Unit of Alibaba（阿里巴巴通义千问业务部） ； National University of Singapore（新加坡国立大学） 纠错

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

AI总结 针对现有扩散图像编辑模型无法高效处理超高清图像的问题，提出EditBridge扩散桥框架，通过先验引导的块级稀疏注意力机制实现4K高保真编辑，速度提升显著。

Optimize Your Sampling: Tuned Diffusion Sampling with Bayesian Optimization

优化你的采样：基于贝叶斯优化的调优扩散采样

Travis Zhang, Christian Belardi, Justin Lovelace, Jin Peng Zhou, Saebyeol Shin, Carla P. Gomes, Kilian Q. Weinberger

机构 * Cornell University（康奈尔大学） 纠错

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

AI总结 本研究提出OYS方法，将扩散模型采样的时间步长选择作为黑盒优化问题，用贝叶斯优化直接优化目标指标，可提升多类图像生成任务性能，大幅降低推理成本且无需额外训练。

Network Denoising Revisited: A Ricci-Flow-Inspired Graph Diffusion Method

重访网络去噪：一种受里奇流启发的图扩散方法

Ye Fang, Chuan-Xian Ren

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

AI总结 该研究针对现有网络去噪方法忽略图非欧几里得几何的问题，提出受里奇流启发的曲率引导图扩散方法Ricci-Diffusion，经实验验证其可提升结构恢复与下游性能。

Comments 9 pages, 5 figures

Ordered Diffusion Kernels

有序扩散核（Ordered Diffusion Kernels, ODKs）

Jack H. Soulsby, Andreas C.S. Jørgensen, Atiyo Ghosh, Vahid Shahrezaei

专题命中 扩散模型 ：diffusion(title,title_cn)

AI总结 本文提出新型有序扩散核（ODKs），可近似任意伊藤SDE的无穷小生成元，通过松弛势估计为序推断实现平流与扩散解耦，经合成数据验证能准确恢复多种动力系统属性。

Comments 46 pages, 7 figures, 46 page appendix, related to work presented at ECMTB26

From Corpora to Co-Evolving Capabilities: Capability-Centric Data Design for Generalist Image Generation

从语料到协同进化的能力：面向通用图像生成的以能力为中心的数据设计

Xingjian Wang, Zhao Wang, Taihang Hu, Jun Zheng, Qing Jin, Qinye Zhou, Zhengtao Wu, Yongchao Du, Zuan Gao, Chao Lin, Yefeng Shen, Xiaoli Xu, Zhengze Xu, Hao Yan, Yuhang Yu, Mingzhou Zhang, Mengting Chen

机构 * Alibaba Group（阿里巴巴集团） 纠错

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

AI总结 该研究提出能力驱动的数据基础设施，构建三类监督引擎，整理大规模图像语料，训练多模态扩散模型，在CPI-Bench等评估中展现良好生成与迁移能力。

Comments 19 pages, 10 figures

TINA+: Probing Residual Visual Knowledge in Unlearned Diffusion Models via Diffusion-Consistent Text-Free Inversion

TINA+: 通过扩散一致无文本反演探测未学习的扩散模型中的残留视觉知识

Qianlong Xiang, Miao Zhang, Kun Wang, Haoyu Zhang, Junhui Hou, Liqiang Nie

机构 * School of Computer Science and Technology, Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）计算机科学与技术学院） ； City University of Hong Kong（香港城市大学） ； Shenzhen Loop Area Institute（深圳河套学院） ； National University of Singapore（新加坡国立大学） ； Pengcheng Laboratory（鹏城实验室） 纠错

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

AI总结 本研究提出TINA+，一种扩散一致无文本反演攻击，可探测未学习的扩散模型中残留的视觉知识，实验表明现有概念擦除方法多切断文本-图像链接而非消除视觉知识。

Comments The project page is this https URL (https://qianlong0502.github.io/TINA-Plus-Homepage/)

Abra: Scaling Diffusion Image Training

Abra：扩散图像训练的规模化

Kyle Chickering, Wei-An Lin, Swayam Bhanded, Dan Saunders, Akshat Tripathi, Jiaming Song, Shyamal Buch, Xinchen Yan

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

AI总结 本研究针对文本到图像扩散模型开展系统缩放定律研究，提出Abra模型，发现其缩放规律可预测且需更多数据，相关规律可延伸至生成质量等多方面指标。

Comments 25 pages, 19 figures

A diffusion model for time-dependent compositional data

用于时变成分数据的扩散模型

Lu Chen, Omar De la Cruz Cabrera, Oana Mocioalca

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 该研究提出了名为Dirichlet扩散（DD）的随机过程，用于建模时变成分数据的演化，证明了其解的存在性与聚合性，可用于微生物组演化的联合建模。

LinCa: Accelerating Diffusion Models via Learnable Decomposed Feature Caching

LinCa：基于可学习分解特征缓存的扩散模型加速方法

Jinshan Liu, Haoran Qin, Xiaobing Tu, Jiacheng Liu, Jiahui Hu, Zhengan Yan, Yukun Xie, Kerui Shen, Jinkui Ren, Yuqi Lin, Xiantao Zhang, Linfeng Zhang

机构 * Shanghai Jiao Tong University（上海交通大学） ； Shandong University（山东大学） ； Terminal Intelligent Computing Division, Alibaba Cloud（阿里云终端智能计算事业部） ； South China University of Technology（华南理工大学） ； Jilin University（吉林大学） 纠错

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

AI总结 本文提出LinCa框架，通过可学习可逆网络分解缓存特征并差异化预测，仅需少量额外参数即可在5-7倍加速下使扩散模型保持近无损质量，性能优于现有方法。

Comments Accepted to ECCV 2026. 28 pages including appendix. Code: this https URL (https://github.com/QHR69/LinCa)

Diff-DDoS: Realistic Cyber-Physical Attack Synthesis and Robust Detection for 5G-Enabled CPS Using Tabular Diffusion Models

Diff-DDoS：基于表格扩散模型的5G赋能网络物理系统的逼真网络物理攻击合成与鲁棒检测

Bilal Hussain, Xiao Tang, Qinghe Du, Tan Li, Muhammad Azhar, Danista Khan

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 该研究针对5G赋能CPS的DDoS检测数据稀缺问题，提出Diff-DDoS三阶段框架，采用表格扩散模型生成逼真攻击并通过对抗扩散训练提升ResNet50等检测器的鲁棒性，在米兰CDR数据集上取得优异检测效果。

Comments Accepted manuscript. IEEE Transactions on Industrial Informatics, paper no. TII-26-6533. 11 pages + 9-page supplementary material (ancillary PDF). (c) 2026 IEEE. Personal use of this material is permitted

Structure, Topics, and Diffusion Effects of Bluesky Starter Packs

Bluesky入门包的结构、主题与扩散效应

Andrea Failla, Vander Freitas, Giulio Rossetti, Carlos Ferreira

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文对Bluesky的5万多个入门包及60多万关联用户展开大规模实证分析，刻画其结构、主题与扩散效应，发现入门包形成互联生态，纳入入门包会显著增加短期转发活动。

Comments Accepted at ASONAM 2026

DTX: A Throughput-First Training Accelerator for Diffusion and Transformer Models

DTX：一种面向扩散模型与Transformer模型的以吞吐量优先的训练加速器

Shashank

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 DTX是面向扩散与Transformer模型的吞吐量优先训练加速器，通过消除循环携带依赖、采用脉动阵列等设计实现高吞吐量，在多项测试中表现优异，流片后性能优于基线方案。

A shape theorem for periodic branching diffusion

周期分支扩散的形状定理

Arturo Arellano Arias

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 该研究证明了多维周期分支扩散的形状定理，确定粒子云归一化后收敛的渐近凸集性质，并推广了arXiv:2507.10515的方法以深化对该形状的理解。

LV-CARE-Diff: A Conditional Anatomy-Aware Diffusion Model for Left Ventricular Shape Reconstruction and Function Quantification from Ultra-Sparse Cine Slices

LV-CARE-Diff：用于超稀疏电影切片左心室形状重建和功能量化的条件化解剖结构感知扩散模型

Xinwang Li, Yu Lian, Bowei Liu, Yifei Jiang, Jingjing Xiao, Haiyan Ding, Xiangchuang Kong, Rui Guo

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本研究提出LV-CARE-Diff模型，采用由粗到精策略，从超稀疏CMR电影切片重建左心室形状，保留96%功能量化准确率，减少73%成像时间，缩短检查时长且不牺牲定量精度。

Comments 55 pages, 11 main-text figures, 2 main-text tables; supplementary material included

Demonstration of a scalable all-solid-state refrigerator exploiting diffusion geometries and limiting interfacial conductances at temperatures below 1

利用扩散几何结构和界面限域电导的可扩展全固态冰箱在1开尔文以下温度的演示

Northrop Grumman Microelectronics Design, Applications Team: Robert M. Young, Zachary Stegen, John X. Przybysz, Edward R. Engbrecht, Aaron A. Hathaway, Justin C. Hackley, Kirby B. Myers, Christian C. Thorpe, Aurelius L. Graninger, Robert Miller, Diego A. Morales, Roberto D. Carcamo, Glen Walters, Jeric P. Sarad, Nicholas F. Pleim, Seth Whitsitt, Joshua T. Shipman, Anil Erol, Melissa G. Loving, Evan Donohue, Corey A. Kegerreis, Benjamin Dalfort, Moe S. Khalil, Christopher Pinion, Randi Jaramillo, John Milinichik, Sandro J. Di Giacomo, Thomas Zodda, Nilesh Tralshawala, Gregory R. Boyd, Jonathan M. Cochran, Katherine A. Maddock, Michael P. De Feo, Aaron A.Pesetski, Marc E. Sherwin

专题命中 扩散模型 ：diffusion(title)

AI总结 该研究开发了采用NIS结、含1121个SINIS单元的可扩展全固态冰箱，首次实现了低于1开尔文下对整个硅芯片的冷却，将其声子温度降至70毫开尔文。

Technically Plausible but Clinically Misleading? Expert Evaluation of Patient-Personalized Synthetic Prostate MRI

技术上可行但临床误导？患者个性化合成前列腺MRI的专家评估

Gabriel Paulo Maglalang Israel, Sol Gedde, Alvaro Fernandez-Quilez

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

AI总结 本研究用3D扩散模型合成患者个性化前列腺MRI，验证其技术可行性后开展专家研究，发现其虽技术可行但存在误导解读风险，提示需评估其临床应用安全性。

Comments To appear in SCAI 2026 proceedings

SCENARIODIFF: A Scenario-level Guidance Framework for Multimodal Time Series Forecasting--Extended Version

SCENARIODIFF：面向多模态时间序列预测的场景级引导框架——扩展版

Tuan-Binh Tran, Dat Nguyen Cong, Duc-Trong Le, Thanh Trung Huynh, Tung Kieu

机构 * VinUniversity ； FPT Software AI Center, FPT Corporation（FPT软件AI中心，FPT集团） ； VNU University of Engineering and Technology（VNU工程技术大学） ； Aalborg University（奥尔堡大学） 纠错

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

AI总结 该研究针对现有多模态时间序列预测方法上下文影响难解释控制的问题，提出SCENARIODIFF分层框架，通过三类智能体生成结构化信号引导多模态扩散Transformer，锚点混合采样优化轨迹，在Time-MMD基准的事件驱动领域表现优异。

Comments 10 pages. An extended version of "SCENARIODIFF: A Scenario-level Guidance Framework for Multimodal Time Series Forecasting" accepted at ICDM 2026

Plug-and-Play Traffic Element Awareness for End-to-End Autonomous Driving

用于端到端自动驾驶的即插即用交通元素感知

Zongzheng Zhang, Jijun Wang, Saining Zhang, Shuo Wang, Yiru Wang, Hai Yang, Yang Chen, Yuwen Heng, Hao Sun, Anqing Jiang, Hao Zhao

机构 * Institute for AI Industry Research (AIR), Tsinghua University（清华大学人工智能产业研究院（AIR）） ； Bosch Corporate Research（博世企业研究中心） 纠错

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

AI总结 该研究首次系统探究端到端自动驾驶的交通元素感知，通过补充标注构建统一基础设施，以即插即用方式集成信号，在多范式多数据集上提升性能，在NAVSIM-v2上达到新SOTA。

Comments Accepted by ECCV 2026; Project Page: this https URL (https://zzongzheng0918.github.io/TE-Aware-E2E-AD/)

SPVC: Structured and Panoptic Video Fixing for Cross-Dataset Driving Scene Rendering

SPVC：面向跨数据集驾驶场景渲染的结构化全景视频修复

Gen Li, Shu Han, Yun Xi Qiao, Hua Chen, Xuyang Dai, Bohan Li, Hao Zhao, Chaojian Li

机构 * Institute for AI Industry Research (AIR), Tsinghua University（清华大学人工智能产业研究院） ； Zhejiang University（浙江大学） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； Great Wall Motor Company Limited（长城汽车股份有限公司） ； Shanghai Jiao Tong University（上海交通大学） ； The Hong Kong University of Science and Technology（香港科技大学） 纠错

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

AI总结 本文提出SPVC框架，通过结构化、全景、视频及跨数据集修复原则，训练两阶段可控视频扩散模型，解决驾驶场景渲染的伪影问题，实现跨数据集的高效修复。

Comments Project page: this https URL (https://li00147.github.io/SPVC-Project-Page/)

Inference-Time Attention Steering for Vision-Language-Action Driving Models

面向视觉-语言-动作驾驶模型的推理时注意力引导

Darshan Nagendra Prasad, Lars Ullrich, Knut Graichen

机构 * FAU Erlangen-Nürnberg（埃尔朗根-纽伦堡大学） 纠错

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

AI总结 该研究针对VLA驾驶模型无法在推理时重定向注意力的问题，在Qwen3-VL主干上添加预softmax注意力偏差，实验验证了其对轨迹的引导效果及层相关特性。

Comments Attention Steering, Vision-Language-Action, AutonomousDriving, Inference-Time Intervention

Quo Vadis? Scientific Discovery in the Age of Artificial Intelligence

何去何从？人工智能时代的科学发现

Petr O. Jedlicka

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文梳理AI在科学发现中的作用，提出AI系统类型学，概述多学科近期成果，指出其存在的限制与风险，引发人机认知劳动分工的思考。

Comments To be published in Theory of Science

Array-Based Molecular Pulse Encoding for Neuro-Spike Communication in Intra-Body Nano-networks

用于体内纳米网络中神经尖峰通信的基于阵列的分子脉冲编码

Keyvan Aghababaiyan

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文针对体内纳米网络神经尖峰通信需严格时间同步的问题，提出基于分子脉冲阵列编码的方案，消除了严格同步需求，性能优于现有符号同步模型，通信速率提升75%-150%。

Picard Proximal Monte Carlo for Parallel Bayesian Imaging with Score-Based Generative Priors

基于得分生成先验的并行贝叶斯成像的Picard近端蒙特卡洛方法

Deliang Wei, Evan Bell, Wenhan Guo, Yifan Chen, Yu Sun

机构 * Johns Hopkins University（约翰斯·霍普金斯大学） ； University of California, Los Angeles（加利福尼亚大学洛杉矶分校） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 针对贝叶斯成像逆问题采样成本高的痛点，提出基于近端朗之万动力学与Picard迭代的并行采样框架PiX-MC，实现50倍加速且保持重建质量

ADAPTD: Adaptive Detection and Proactive Threat Defense for Autonomous APT attacks

ADAPTD：针对自主高级持续性威胁攻击的自适应检测与主动防御

Yeongwoo Kim, Quanyan Zhu, György Dán

专题命中 扩散模型 ：diffusion(abstract)

AI总结 ADAPTD是一种通信与计算高效的决策论框架，通过整合紧凑杀伤链、即时阻断机制和预测性驱逐策略，在自主APT攻击检测防御中实现了优于现有方法的效果，降低了防御成本与干扰。

Comments 15 pages, 11 figures, under review

Dormancy stabilizes non-transitive competitive dynamics

休眠稳定非传递竞争动态

José Chacón, Adrián González-Casanova, Imanol Nuñez, Rafael Peña-Miller, José Luis Pérez, Johnny Yang

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本研究构建种群遗传学框架，发现休眠可作为时间避难所，通过离散时间Wright-Fisher模型结合种子库与频率依赖相互作用，稳定非传递竞争系统，实现长期共存。

Pathwise stability for one-dimensional SDEs driven by Brownian motion and a symmetric stable process

由布朗运动和对称稳定过程驱动的一维随机微分方程的逐路稳定性

Takuya Nakagawa, Ryoichi Suzuki

专题命中 扩散模型 ：diffusion(abstract)

AI总结 该研究针对由布朗运动和对称α-稳定过程驱动的一维SDE，通过同步耦合建立了定量逐路稳定性估计，明确了不同Hölder指数下的误差率，还得到了含可预测强迫误差和时间一致尾界的估计。

Energy dissipation and stability of a finite-volume scheme for two-phase flow models with dynamic capillary pressure

带动态毛细管压力的两相流模型有限体积格式的能量耗散与稳定性

Ansgar Jüngel, Josipa-Pina Milišić, Sara Xhahysa

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文针对多孔介质中带动态毛细管压力的非饱和两相流，提出隐式欧拉有限体积格式，证明其离散解的存在唯一性等性质，通过二维实验展示动态毛细管压力的作用。