图像生成

GLIDE: Towards Photorealistic Image Generation and Editing with Text-Guided Diffusion Models

Alex Nichol, Prafulla Dhariwal, Aditya Ramesh, Pranav Shyam, Pamela Mishkin, Bob McGrew, Ilya Sutskever, Mark Chen

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

Comments 20 pages, 18 figures

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

Unified Safe In-context Image Generation in Multimodal Diffusion Transformers via Restricting Unsafe Information Flows

统一安全上下文图像生成：在多模态扩散变换器中通过限制不安全信息流

Xiang Yang, Feifei Li, Mi Zhang, Geng Hong, Xiaoyu You, Mi Wen, Min Yang

机构 * University of Science and Technology of China（中国科学技术大学） 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 提出UVR框架，通过分析注意力动态中的不安全信息流，在无需训练的情况下对输出补丁进行注意力调制，实现图像生成和编辑任务的安全控制，达到91%和77%的擦除率。

Comments ICML26

Latent Wavelet Diffusion For Ultra-High-Resolution Image Synthesis

潜在小波扩散用于超高清图像合成

Luigi Sigillo, Shengfeng He, Danilo Comminiello

机构 * Sapienza University of Rome（罗马大学） ； Singapore Management University（新加坡管理大学） ； EMBL（欧洲分子生物学实验室） 纠错

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

AI总结 本文提出Latent Wavelet Diffusion，通过频率感知的掩码策略和一致性VAE目标提升超高清图像生成的细节和纹理保真度，且无需额外计算开销。

Comments Accepted at ICLR 2026

StructDiff: A Structure-Preserving and Spatially Controllable Diffusion Model for Single-Image Generation

StructDiff：一种结构保持且空间可控的单图像生成扩散模型

Yinxi He, Kang Liao, Chunyu Lin, Tianyi Wei, Yao Zhao

机构 * Institute of Information Science, Beijing Jiaotong University（信息科学研究院，北京交通大学） ； Visual Intelligence +X International Cooperation Joint Laboratory of MOE, Beijing（教育部视觉智能+X国际合作联合实验室，北京） ； College of Computing and Data Science, Nanyang Technological University（计算与数据科学学院，南洋理工大学） 纠错

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

AI总结 StructDiff基于单尺度扩散模型提出，通过自适应感受野模块和3D位置编码实现结构保持与空间可控，引入基于大语言模型的新型评估标准，优于现有方法在结构一致性、视觉质量和空间可控性上。

Comments Accepted by IEEE Transactions on Multimedia (Regular Paper)

Diffusion-4K: Ultra-High-Resolution Image Synthesis with Latent Diffusion Models

Diffusion-4K: 基于潜在扩散模型的超高清图像合成

Jinjin Zhang, Qiuyu Huang, Junjie Liu, Xiefan Guo, Di Huang

机构 * State Key Laboratory of Complex and Critical Software Environment（复杂与关键软件环境国家重点实验室） ； Beihang University（北京航空航天大学） ； School of Computer Science and Engineering（计算机科学与工程学院） 纠错

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

AI总结 Diffusion-4K通过引入Aesthetic-4K基准和基于小波的微调方法，实现了高质量超高清图像合成。

Comments Accepted to CVPR 2025

Language-Guided Trajectory Traversal in Disentangled Stable Diffusion Latent Space for Factorized Medical Image Generation

Zahra TehraniNasab, Amar Kumar, Tal Arbel

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

Comments 10 pages

Multi-focal Conditioned Latent Diffusion for Person Image Synthesis

Jiaqi Liu, Jichao Zhang, Paolo Rota, Nicu Sebe

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

Comments CVPR 2025 Accepted

Diffusion Model-Based Image Editing: A Survey

Yi Huang, Jiancheng Huang, Yifan Liu, Mingfu Yan, Jiaxi Lv, Jianzhuang Liu, Wei Xiong, He Zhang, Liangliang Cao, Shifeng Chen

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

Comments Accepted by IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI 2025)

Flash Diffusion: Accelerating Any Conditional Diffusion Model for Few Steps Image Generation

Clément Chadebec, Onur Tasar, Eyal Benaroche, Benjamin Aubin

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

Comments Accepted to AAAI 2025

LIME: Localized Image Editing via Attention Regularization in Diffusion Models

Enis Simsar, Alessio Tonioni, Yongqin Xian, Thomas Hofmann, Federico Tombari

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

Comments WACV'25

Medical diffusion on a budget: Textual Inversion for medical image generation

Bram de Wilde, Anindo Saha, Maarten de Rooij, Henkjan Huisman, Geert Litjens

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

Comments Accepted for publication at MIDL 2024

Coarse-to-Fine Latent Diffusion for Pose-Guided Person Image Synthesis

Yanzuo Lu, Manlin Zhang, Andy J Ma, Xiaohua Xie, Jian-Huang Lai

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

Comments Accepted by CVPR 2024 (Highlight)

CoDi: Conditional Diffusion Distillation for Higher-Fidelity and Faster Image Generation

Kangfu Mei, Mauricio Delbracio, Hossein Talebi, Zhengzhong Tu, Vishal M. Patel, Peyman Milanfar

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

MVDiffusion: Enabling Holistic Multi-view Image Generation with Correspondence-Aware Diffusion

Shitao Tang, Fuyang Zhang, Jiacheng Chen, Peng Wang, Yasutaka Furukawa

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

Comments Project page, https://mvdiffusion.github.io; NeurIPS 2023 (spotlight); Compressed camera-ready version

Uni-paint: A Unified Framework for Multimodal Image Inpainting with Pretrained Diffusion Model

Shiyuan Yang, Xiaodong Chen, Jing Liao

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

Comments Accepted by ACMMM'23

SmartBrush: Text and Shape Guided Object Inpainting with Diffusion Model

Shaoan Xie, Zhifei Zhang, Zhe Lin, Tobias Hinz, Kun Zhang

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

Journal ref CVPR2023

ImageBART: Bidirectional Context with Multinomial Diffusion for Autoregressive Image Synthesis

Patrick Esser, Robin Rombach, Andreas Blattmann, Björn Ommer

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

Robust and Generalizable Safety Steering for Text-to-Image Diffusion Transformers

面向文本到图像扩散Transformer的鲁棒且可泛化的安全引导

Zihao Xue, Yan Wang, Zhen Bi, Long Ma, Zhonglong Zheng, Zeyu Yang, Bingyu Zhu, Longtao Huang, Jie Xiao, Jungang Lou

机构 * Huzhou Normal University（湖州师范学院） ； Alibaba Group（阿里巴巴集团） ； University of Science and Technology of China（中国科学技术大学） ； Zhejiang Normal University（浙江师范大学） ； Zhejiang University of Technology（浙江工业大学） 纠错

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

AI总结 提出SafeDIG框架，通过位置感知稀疏特征迁移实现扩散Transformer的安全引导，在保持源域安全性和图像质量的同时，有效降低目标域和整体不安全生成率。

SimAC: A Simple Anti-Customization Method for Protecting Face Privacy against Text-to-Image Synthesis of Diffusion Models

SimAC: 一种针对扩散模型文本到图像合成的简单面部隐私反定制方法

Feifei Wang, Zhentao Tan, Tianyi Wei, Yue Wu, Qidong Huang

机构 * University of Science and Technology of China（中国科学技术大学） ； Alibaba Cloud（阿里云） 纠错

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

AI总结 针对扩散模型定制化技术引发的隐私问题，提出SimAC方法，通过分析时间步选择与频域感知关系及去噪过程不同层特征，设计自适应贪婪搜索和特征优化框架，有效提升身份干扰，保护用户隐私。

Comments Accepted by CVPR2024. Code: https://github.com/somuchtome/SimAC

PTL-Diffusion: Manifold-Aware Diffusion with Periodic Terminal Laws

PTL-Diffusion: 具有周期终端定律的流形感知扩散

Danqi Zhuang, Jisui Huang, Xiaoyue Xi, Andrew Kiggins, Xiaojie Wang, Ke Chen, Yue Wu

机构 * University of Pennsylvania（宾夕法尼亚大学） ； University of Cambridge（剑桥大学） ； University of Oxford（牛津大学） ； Harvard University（哈佛大学） ； MIT（麻省理工学院） ； University of Washington（华盛顿大学） 纠错

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

AI总结 提出PTL-Diffusion，通过将前向噪声过程收敛到周期高斯终端族而非单一分布，显式嵌入相位结构，改善低维流形上的分布匹配，在点云和人脸数据集上降低误差。

fMRI-Diffusion: Generating fMRI Time Series Via a Temporal Transformer Diffusion Model for Major Depressive Disorder Diagnosis

fMRI-Diffusion: 用于重度抑郁症诊断的基于时间Transformer扩散模型的fMRI时间序列生成

Muhammad Asif Hasan, Yanming Zhu, Xuefei Yin, Alan Wee-Chung Liew

机构 * School of Information and Communication Technology, Griffith University（信息与通信技术学院，格里菲斯大学） 纠错

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

AI总结 提出fMRI-Diffusion框架，通过时间Transformer扩散模型合成ROI级fMRI时间序列而非功能连接矩阵，以保留时间信息并提升小样本下MDD诊断准确率。

RiT: Vanilla Diffusion Transformers Suffice in Representation Space

RiT: vanilla diffusion transformers suffice in representation space

Le Zhang, Ning Mang, Aishwarya Agrawal

机构 * Mila – Québec AI Institute, UdeM（魁北克AI研究院，麦吉尔大学） ； Utrecht University（乌得勒支大学） ； Canada CIFAR AI Chair（加拿大CIFAR人工智能主席） 纠错

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

AI总结 该研究探讨了在表示空间中使用vanilla diffusion transformers进行图像生成的有效性，发现通过预训练的表示空间能够更有效地进行流匹配学习，从而在ImageNet数据集上取得了优于DiT-DH-XL的性能。

Diffusion-APO: Trajectory-Aware Direct Preference Alignment for Video Diffusion Transformers

Diffusion-APO：基于轨迹的直接偏好对齐用于视频扩散变换器

Jingyuan Zhu, Biaolong Chen, Le Zhang, Aixi Zhang, Hao Jiang, Pipei Huang

机构 * Alibaba Group（阿里巴巴集团） 纠错

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

AI总结 本文提出Diffusion-APO，通过同步训练噪声与推理时的去噪路径，解决视频扩散模型与人类意图对齐的问题，采用统一的RLHF框架实现灵活的多阶段偏好对齐，提升视觉质量和指令遵循性能。

Diffusion Templates: A Unified Plugin Framework for Controllable Diffusion

扩散模板：一种统一的插件框架，用于可控扩散

Zhongjie Duan, Hong Zhang, Yingda Chen

机构 * Alibaba Group（阿里巴巴集团） 纠错

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

AI总结 本文提出Diffusion Templates框架，通过解耦基础模型推理与可控能力注入，统一了扩散模型的可控能力，支持多种任务和不同backbone的兼容性，提升了模块化和可扩展性。

Comments 21 pages, 15 figures

X-Diffusion: Training Diffusion Policies on Cross-Embodiment Human Demonstrations

X-Diffusion：在跨具身人类示范上训练扩散策略

Maximus A. Pace, Prithwish Dan, Chuanruo Ning, Atiksh Bhardwaj, Audrey Du, Edward W. Duan, Wei-Chiu Ma, Kushal Kedia

机构 * Cornell University（康奈尔大学） 纠错

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

AI总结 本文提出X-Diffusion框架，通过在噪声人类动作上训练扩散策略，提升机器人任务成功率16%。

Comments ICRA 2026

PoGDiff: Product-of-Gaussians Diffusion Models for Imbalanced Text-to-Image Generation

Ziyan Wang, Sizhe Wei, Xiaoming Huo, Hao Wang

机构 * Georgia Institute of Technology（佐治亚理工学院） ； Rutgers University（罗格斯大学） 纠错

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

BIVDiff: A Training-Free Framework for General-Purpose Video Synthesis via Bridging Image and Video Diffusion Models

Fengyuan Shi, Jiaxi Gu, Hang Xu, Songcen Xu, Wei Zhang, Limin Wang

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

Comments Accepted by CVPR 2024. Project page: https://bivdiff.github.io; GitHub repository: https://github.com/MCG-NJU/BIVDiff

Self-Play Fine-Tuning of Diffusion Models for Text-to-Image Generation

Huizhuo Yuan, Zixiang Chen, Kaixuan Ji, Quanquan Gu

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

Comments 28 pages, 8 figures, 10 tables

MagicFusion: Boosting Text-to-Image Generation Performance by Fusing Diffusion Models

Jing Zhao, Heliang Zheng, Chaoyue Wang, Long Lan, Wenjing Yang

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

Comments Accepted by ICCV 2023