图像生成

Robot-DIFT: Correspondence-Sensitive Diffusion Features for Contact-Rich Robot Manipulation

Robot-DIFT: 用于接触丰富机器人操作的对应敏感扩散特征

Yu Deng, Yufeng Jin, Xiaogang Jia, Jiahong Xue, Gerhard Neumann, Georgia Chalvatzaki

机构 * TU Darmstadt（图宾根大学） ； KIT（卡尔斯鲁厄理工学院） ； FZI（弗劳恩霍夫研究所） ； Hessian.AI（黑森人工智能公司） ； Robotics Institute Germany（德国机器人研究所） ； Honda Research Institute Europe GmbH（本田欧洲研究院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出Robot-DIFT，通过流形蒸馏将扩散模型转化为确定性学生网络，结合空间-语义特征金字塔网络，为接触敏感任务提供实时对应敏感特征，在多个基准上超越现有方法。

FADTI: Fourier and Attention Driven Diffusion for Multivariate Time Series Imputation

FADTI: 基于傅里叶和注意力驱动的多变量时间序列插补扩散模型

Runze Li, Hanchen Wang, Wenjie Zhang, Binghao Li, Yu Zhang, Xuemin Lin, Ying Zhang

机构 * Anonymous（匿名） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出FADTI扩散框架，通过可学习傅里叶偏置投影模块注入频域归纳偏置，结合自注意力与门控卷积进行时序建模，在多个基准上优于现有方法，尤其在高缺失率下表现突出。

Comments This work has been submitted to the IEEE for possible publication. 10 pages, 7 figures

Time-Averaged Drift Approximations are Inconsistent for Inference in Drift Diffusion Models

时间平均漂移近似在漂移扩散模型推断中是不一致的

Sicheng Liu, Alexander Fengler, Michael J. Frank, Matthew T. Harrison

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文证明在漂移扩散模型中使用时间平均漂移近似（TADA）进行参数推断会导致不一致估计，并通过注意DDM数值示例展示其导致注意效应系统性误估和错误科学结论。

Comments 37 pages. Includes updates for the first revision

Super and Weak Poincaré Inequalities for Sticky-Reflected Diffusion Processes

粘性反射扩散过程的超和弱Poincaré不等式

Feng-Yu Wang

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文为粘性反射扩散过程建立超和弱Poincaré不等式，并刻画相关扩散半群的收敛速率和一致可积性。

dLLM-Cache: Accelerating Diffusion Large Language Models with Adaptive Caching

dLLM-Cache：基于自适应缓存的扩散大语言模型加速

Zhiyuan Liu, Yicun Yang, Yaojie Zhang, Junjie Chen, Chang Zou, Qingyan Wei, Shaobo Wang, Yichen Zhu, Linfeng Zhang

机构 * Zhejiang University（浙江大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对扩散大语言模型推理延迟高的问题，提出一种无需训练的自适应缓存框架dLLM-Cache，通过长间隔提示缓存和基于特征相似性的部分响应更新，实现高效中间计算复用，在保持输出质量的同时大幅降低FLOPs。

Comments Accepted by ICML 2026

IDEQ -- Improving Diffusion Models for the Traveling Salesman Problem (TSP) by Leveraging the Structure of the Solution Space

IDEQ -- 利用解空间结构改进旅行商问题的扩散模型

Mickael Basson, Philippe Preux

机构 * Université de Lille（里尔大学） ； CNRS（国家科学研究中心） ； Inria（法国国家信息与自动化技术研究院） ； UMR 9198-CRIStAL（UMR 9198-CRIStAL研究中心） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出IDEQ方法，通过利用TSP解空间的约束结构和基于2-opt轨道的均匀分布训练目标，改进扩散模型求解TSP，在合成实例和TSPlib上达到新SOTA，接近LKH3性能。

First-principles transition-state tensorial cluster expansion of vacancy diffusion in Ta-W beyond the kinetically-resolved activation approximation

超越动力学分辨激活近似的Ta-W中空位扩散的第一性原理过渡态张量团簇展开

Jacob Jeffries, Brianna Sebastian-Olazabal, Enrique Martinez

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文开发了一种第一性原理框架，通过过渡态张量团簇展开直接学习环境依赖的迁移势垒，无需动力学分辨激活近似，应用于Ta-W体系揭示了溶质捕获与渗流低势垒路径竞争导致的非平凡扩散行为。

Comments 19 pages, 14 figures

CountsDiff: A Diffusion Model on the Natural Numbers for Generation and Imputation of Count-Based Data

CountsDiff: 一种用于计数数据生成和插补的自然数扩散模型

Renzo G. Soatto, Anders Hoel, Greycen Ren, Shorna Alam, Stephen Bates, Nikolaos P. Daskalakis, Caroline Uhler, Maria Skoularidou

机构 * Princeton University（普林斯顿大学） ； Stanford University（斯坦福大学） ； University of California, Berkeley（加州大学伯克利分校） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出CountsDiff扩散框架，通过生存概率调度和显式损失加权简化Blackout扩散，引入连续时间训练、无分类器引导和逆动态，在自然图像和单细胞RNA-seq插补任务中匹配或超越现有方法。

Comments 39 Pages, 11 figures. To appear in the 43rd International Conference on Machine Learning (ICML 2026)

D5P4: Partition Determinantal Point Process for Diversity in Parallel Discrete Diffusion Decoding

D5P4：用于并行离散扩散解码中多样性的分区行列式点过程

Jonathan Lys, Vincent Gripon, Axel Marmoret, Lukas Mauch, Fabien Cardinaux, Ghouthi Boukli Hacene, Bastien Pasdeloup

机构 * IMT Atlantique, Lab-STICC, UMR CNRS 6285（IMT阿提拉克大学，Lab-STICC，UMR CNRS 6285） ； Sony Europe Ltd. Stuttgart Technology Center, EUREC（索尼欧洲有限公司，斯图加特技术中心，EUREC） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出D5P4波束解码方法，利用分区行列式点过程在离散扩散模型中选择中间序列，平衡质量与多样性，无需外部验证器。

MAGE: All-[MASK] Block Already Knows Where to Look in Block Diffusion LLM

MAGE：在块扩散LLM中，全[MASK]块已经知道在哪里看

Omin Kwon, Yeonjae Kim, Doyeon Kim, Minseo Kim, Yeonhong Park, Jae W. Lee

机构 * Seoul National University（首尔国立大学） ； Meta 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对块扩散LLM长上下文推理中KV缓存导致的内存瓶颈，提出无训练方法MAGE，利用块扩散训练目标的对齐特性，在第一步确定整个轨迹的KV子集，实现近无损精度和显著加速。

Integral Harnack estimates and the rate of extinction of singular fractional diffusion

积分Harnack估计与奇异分数扩散的灭绝速率

Filippo M. Cassanello, Simone Ciani, Antonio Iannizzotto

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文研究了奇异s分数p-Laplace扩散方程的局部弱解的积分Harnack不等式，并利用这些估计评估局部质量及解的衰减速率，同时通过近似方法研究了Cauchy-Dirichlet问题弱解的灭绝现象。

Comments 40 pages, 1 figure

Step-Wise Refusal Dynamics in Autoregressive and Diffusion Language Models

自回归与扩散语言模型中的逐步拒绝动态

Eliron Rahimi, Elad Hirshel, Rom Himelstein, Amit LeVi, Avi Mendelson, Chaim Baskin

机构 * Department of Computer Science, Technion – Israel Institute of Technology（技术学院计算机科学系，以色列技术学院） ； INSIGHT Lab, School of Electrical and Computer Engineering, Ben-Gurion University of the Negev, Israel（内斯坦实验室，贝内-加隆大学内加尔分校，以色列） ； Computer Science Department, University of Haifa, Haifa, Israel（海法大学计算机科学系，海法，以色列） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究扩散语言模型（DLM）与自回归（AR）模型在拒绝有害生成行为上的差异，发现扩散重掩码机制可促进恢复，提出逐步拒绝内部动态（SRI）信号，并基于此构建无需修改推理的越狱检测器。

Comments Preprint

CHDP: Cooperative Hybrid Diffusion Policies for Reinforcement Learning in Parameterized Action Space

CHDP：参数化动作空间中强化学习的协同混合扩散策略

Bingyi Liu, Jinbo He, Haiyong Shi, Enshu Wang, Weizhen Han, Jingxiang Hao, Peixi Wang, Zhuangzhuang Zhang

机构 * National University of Singapore（新加坡国立大学） ； 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 ：diffusion(title,abstract)

AI总结 针对混合动作空间中的策略表达力不足和高维扩展性差问题，提出协同混合扩散策略框架，通过离散和连续扩散策略的协作与顺序更新，结合码本嵌入和Q函数引导，在基准测试中成功率提升高达19.3%。

Comments Accepted by AAAI 2026

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)

MixFlow Training: Alleviating Exposure Bias with Slowed Interpolation Mixture

MixFlow训练：用慢插值混合减轻曝光偏差

Hui Li, Fu-Yun Wang, Haoyuan Xia, Jiayue Lyu, Kaihui Cheng, Siyu Zhu, Jingdong Wang

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

AI总结 研究扩散模型训练-测试差异问题，提出MixFlow方法，利用慢流现象的慢插值混合对预测网络后处理，在类条件图像生成和文本到图像生成实验中验证有效，在RAE模型的ImageNet生成任务上取得好结果。

Comments CVPR 2026

Generative Refinement Networks for Visual Synthesis

生成细化网络用于视觉合成

Jian Han, Jinlai Liu, Jiahuan Wang, Bingyue Peng, Zehuan Yuan

机构 * ByteDance（字节跳动） 纠错

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

AI总结 本文提出生成细化网络（GRN），通过近无损分层二进制量化解决离散化瓶颈，结合全局细化机制和熵引导采样策略，提升图像生成质量与效率。

Comments code: https://github.com/bytedance/GRN

AI's Blind Spots: Geographic Knowledge and Diversity Deficit in Generated Urban Scenario

人工智能的盲点：生成式城市场景中的地理知识与多样性不足

Ciro Beneduce, Massimiliano Luca, Bruno Lepri

机构 * Bruno Kessler Foundation（布鲁诺·凯斯勒基金会） ； University of Trento（特伦托大学） 纠错

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

AI总结 评估基于扩散的文本到图像模型在生成美国城市街景图像中的地理知识和表征偏差，通过生成图像并嵌入模型对比FID，发现模型能编码地理信息，但存在视觉刻板印象。

SceneCompleter: Dense 3D Scene Completion for Generative Novel View Synthesis

SceneCompleter：面向生成式新视角合成的密集3D场景补全

Weiliang Chen, Jiayi Bi, Yuanhui Huang, Wenzhao Zheng, Yueqi Duan

机构 * Department of Electronic Engineering, Tsinghua University（电子工程系，清华大学） ； Department of Automation, Tsinghua University（自动化系，清华大学） 纠错

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

AI总结 提出SceneCompleter，通过几何-外观双流扩散模型在RGBD潜空间进行密集3D场景补全，并引入场景嵌入器整合全局信息，实现跨视角一致的生成式新视角合成。

Can Video Diffusion Models Predict Past Frames? Bidirectional Cycle Consistency for Reversible Interpolation

视频扩散模型能否预测过去帧？双向循环一致性用于可逆插值

Lingyu Liu, Yaxiong Wang, Li Zhu, Zhedong Zheng

机构 * School of Software Engineering, Xi'an Jiaotong University（西安交通大学软件工程学院） ； School of Computer and Information Science, Hefei University of Technology（合肥工业大学计算机与信息科学学院） ； Faculty of Science and Technology, University of Macau（澳门大学科技学院） 纠错

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

AI总结 本文提出双向循环一致性框架，通过双向生成轨迹对称性提升视频插值的时序一致性，实验表明在37帧和73帧任务中取得最佳性能。

MeshFlow: Efficient Artistic Mesh Generation via MeshVAE and Flow-based Diffusion Transformer

MeshFlow: 通过MeshVAE和基于流的扩散Transformer实现高效艺术网格生成

Weiyu Li, Antoine Toisoul, Tom Monnier, Roman Shapovalov, Rakesh Ranjan, Ping Tan, Andrea Vedaldi

机构 * Meta AI ； Hong Kong University of Science and Technology（香港科技大学） 纠错

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

AI总结 提出MeshFlow方法，利用变分自编码器将网格拓扑和顶点坐标映射到连续潜空间，并结合修正流Transformer并行生成网格，相比自回归方法速度提升18倍且精度优异。

Comments CVPR2026 Highlight, Homepage: https://mesh-flow.github.io/, Code: https://github.com/facebookresearch/meshflow

FadeMem: Distance-Aware Memory Consolidation for Autoregressive Video Diffusion

FadeMem: 面向自回归视频扩散的距离感知记忆巩固

Yu Lu, Junjie Yang, Piotr Koniusz, YuXin Song, Yi Yang

机构 * Zhejiang University（浙江大学） ； University of New South Wales (UNSW)（新南威尔士大学） ； Data61/CSIRO ； Baidu Inc（百度公司） 纠错

专题命中 扩散模型 ：diffusion(title)；分类 cs.CV

AI总结 提出FadeMem，一种距离感知的KV记忆巩固机制，在固定缓存预算下将历史KV块组织成时间层次，通过幂律分配实现近密远疏的记忆，提升长视频生成中的主体一致性和时间连贯性。

Comments 14 pages, 9 figures. Substantially revised manuscript with expanded experiments and integrated supplementary material. Project page: https://fademem.github.io/FadeMem_Webpage/

MaterialFusion: High-Quality, Zero-Shot, and Controllable Material Transfer with Diffusion Models

MaterialFusion：基于扩散模型的高质量零样本可控材质迁移

Kamil Garifullin, Maxim Nikolaev, Andrey Kuznetsov, Aibek Alanov

专题命中 扩散模型 ：diffusion(title)；分类 cs.CV

AI总结 MaterialFusion是基于扩散模型的新型材质迁移框架，可零样本实现高质量可控材质迁移，在质量、可控性等方面优于现有方法，代码公开。

Comments Accepted to CVPR 2025

Light Forcing: Accelerating Autoregressive Video Diffusion via Sparse Attention

轻量强制：通过稀疏注意力加速自回归视频扩散

Chengtao Lv, Yumeng Shi, Yushi Huang, Ruihao Gong, Shen Ren, Wenya Wang

机构 * Nanjing University of Posts and Telecommunications（南京邮电大学） 纠错

专题命中 扩散模型 ：diffusion(title)；分类 cs.CV

AI总结 针对自回归视频生成模型中注意力二次复杂度问题，提出首个稀疏注意力方案Light Forcing，通过块感知增长机制和分层稀疏注意力实现质量和效率提升。

Comments ICML 2026

LiveEdit: Towards Real-Time Diffusion-Based Streaming Video Editing

LiveEdit：迈向基于扩散的实时流式视频编辑

Xinyu Wang, Chongbo Zhao, Fangneng Zhan, Yue Ma

机构 * THU（清华大学） ； HKUST（香港科技大学） 纠错

专题命中 扩散模型 ：diffusion(title)；分类 cs.CV

AI总结 提出一种因果逐帧编辑的流式视频框架，通过三阶段蒸馏将双向模型能力迁移至单向流式编辑器，结合AR掩码缓存实现12.66 FPS的实时编辑，并保持背景稳定。

Comments Accepted by ECCV 2026, Project page: https://live-edit.github.io

GimmBO: Interactive Generative Image Model Merging via Bayesian Optimization

GimmBO: 基于贝叶斯优化的交互式生成图像模型合并

Chenxi Liu, Selena Ling, Alec Jacobson

机构 * 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 ：image generation(abstract)；diffusion(abstract)；分类 cs.CV、cs.GR

AI总结 针对扩散模型适配器合并中权重选择困难的问题，提出GimmBO框架，利用偏好贝叶斯优化实现交互式探索，通过两阶段BO后端提升高维空间采样效率与收敛性。

Comments Accepted at SIGGRAPH NA 2026

Well-posedness of stochastic time-nonlocal telegraph equations with Hölder diffusion coefficient: hereditary phase-space lifting and novel generalized coupling method

具有Hölder扩散系数的随机时间非局部电报方程的适定性：遗传相空间提升与新型广义耦合方法

Xi Huang, Li Peng, Juan Carlos Pozo, Yong Zhou

专题命中 扩散模型 ：diffusion(title)

AI总结 本文针对具有Hölder扩散系数的随机时间非局部电报方程，通过遗传相空间提升框架与新型广义耦合方法，首次证明其弱解的存在性与律唯一性，还将该框架拓展至低正则性非线性项的处理。

Quasiparticle dynamics and diffusive scale hydrodynamics in an inhomogeneous gas of hard rods

一维硬杆气体中准粒子动力学与水动力学

Anupam Kundu

专题命中 扩散模型 ：diffusion(title)

AI总结 研究一维硬杆气体中准粒子的随机动力学，分析其均值、方差和自相关函数在长程相关和无长程相关初始态下的演化，推导相空间密度相关性的解析结果，揭示长程相关对均值欧拉广义水动力学方程的扩散尺度修正。

Comments 33 pages

Ultrafast configuration changes and anomalous diffusion of an aromatic adsorbate on rare-gas nanoparticles

芳香吸附质在稀有气体纳米颗粒上的超快构型变化与反常扩散

Arne Morlok, Philipp Elsässer, Yilin Li, Ulrich Bangert, Felix Riedel, Tanja Schilling, Frank Stienkemeier, Lukas Bruder

专题命中 扩散模型 ：diffusion(title)

AI总结 研究稀有气体团簇上酞菁吸附质，结合高分辨率二维电子光谱和分子动力学模拟，揭示吸附质构型动力学，发现其亚扩散表面运动和捕获，为理解分子吸附质在纳米物体上的超快结合动力学提供见解。

Representation formula, regularity and decay of solutions for sub-diffusion type equations

次扩散型方程解的表示公式、正则性与衰减性

Sandro Coriasco, Giovanni Girardi, Stevan Pilipović

专题命中 扩散模型 ：diffusion(title)

AI总结 该研究针对带合适初值的时间分数阶偏微分方程柯西问题，推导了解的表示公式，可通过初值波前集控制齐次问题解的奇点，为次扩散型方程解的正则性与衰减性分析提供了方法。

Comments 25 pages. Slight modification of the title. General revision and corrections. Reorganization and shortening of the text

Kan Extension Transformers: A Categorical Unification of Attention, Diffusion, and Predict-Detach Self-Conditioning

Kan扩展变换器：注意力、扩散和预测-分离自条件的范畴统一

Sridhar Mahadevan

机构 * Adobe Research（Adobe研究院） ； University of Massachusetts（马萨诸塞大学） ； Amherst（阿默斯特） 纠错

专题命中 扩散模型 ：diffusion(title)

AI总结 提出Kan扩展变换器（KETs）作为多种Transformer实现的统一范畴框架，将Transformer层视为加权结构化扩展算子，并通过预测-分离机制实现有效的自条件化，实验表明预测-分离机制比改变邻域族带来更大性能提升。

Comments Clarified that predict-detach is strictly autoregressive only under a target-relative prefix-measurability condition; restricted exact Kan-extension claims to representable enriched cases; and clarified experimental coverage across depths 2, 8, 16 and widths 64, 256. A detailed change log appears in the supplement