Pricing options on the cryptocurrency futures contracts
加密货币期货合约上的期权定价
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。
视觉与机器人
图像生成
图像生成、文生图、图像编辑、扩散模型和可控生成。
1. 扩散模型 1299 篇
Rex: A Family of Reversible Exponential (Stochastic) Runge-Kutta Solvers
Rex: 一族可逆指数（随机）龙格-库塔求解器
机构 * University of Washington（华盛顿大学）
专题命中 扩散模型 ：image generation(abstract)；diffusion(abstract)
AI总结 提出Rex求解器族，通过Lawson方法将显式（随机）龙格-库塔格式转化为代数可逆形式，用于扩散ODE和SDE，实现近机器精度重建并提升流模型和扩散模型的性能。
Comments Accepted as an Oral presentation at ICML 2026
Heteroscedasticity of Denoising Score Matching with Generalised Smooth Noise
带广义平滑噪声的去噪得分匹配的异方差性
专题命中 扩散模型 ：diffusion(abstract,abstract_cn)
AI总结 该研究指出去噪得分匹配（DSM）存在固有的异方差性，推导了理想加权函数并给出实用近似方案，为各向同性高斯扩散的启发式权重提供了理论依据，在多分布和高阶得分上验证了理论。
Temporally Centered SIGReg Improves Multi-Task LeWorldModel Learning: From Analysis to Method
时间中心SIGReg改进多任务LeWorldModel学习：从分析到方法
机构 * Graduate School of Engineering, The University of Tokyo（东京大学工程学院）
专题命中 扩散模型 ：diffusion(abstract,abstract_cn)
AI总结 该研究针对SIGReg在多任务LeWM中导致表示混叠的问题，提出将其应用于时间中心残差的改进方法，在LIBERO基准上显著提升了多任务世界模型的下游性能。
Dynamically Scaled Activation Steering
动态缩放的激活引导
机构 * Apple（苹果公司） ； Universitat Autònoma de Barcelona（巴塞罗那自治大学）
专题命中 扩散模型 ：text-to-image(abstract)；diffusion(abstract)
AI总结 DSAS是一种动态缩放的激活引导框架，通过自适应调节引导强度，在生成过程中实现对特定概念的调控，同时提升模型的可解释性和性能平衡。
L-GTA: Latent Generative Modeling for Time Series Augmentation
L-GTA：用于时间序列增强的潜在生成建模
机构 * Faculdade de Engenharia da Universidade do Porto（葡萄牙波尔图大学工程学院） ； Fraunhofer Portugal AICOS（德国弗劳恩霍夫葡萄牙AICOS研究所） ； University of Coimbra（科英布拉大学） ； Dalhousie University（达尔豪斯大学）
专题命中 扩散模型 ：diffusion(abstract,abstract_cn)
AI总结 研究针对时间序列分析中的数据增强问题，提出基于变分自编码器、双向LSTM和时间自注意力的L-GTA模型，通过定义等变性目标学习潜在表示并应用可控扰动，实验表明该模型在多方面优于其他方法，能有效降低预测误差。
Journal ref ECML PKDD 2026 Research Track, Naples, Italy, September 7-11, 2026
Generative Modeling via Kernelized Stochastic Interpolants
基于核化随机插值的生成建模
机构 * CCM, Flatiron Institute, New York, USA（CCM，Flatiron研究所，纽约，美国） ； Courant Institute of Mathematical Sciences, New York University, New York, USA（数学科学学院，纽约大学，纽约，美国）
专题命中 扩散模型 ：image generation(abstract)；diffusion(abstract)
AI总结 提出一种基于核方法的随机插值生成框架，用线性系统替代神经网络训练，通过求解与数据维度无关的线性系统得到生成SDE的漂移项，并处理扩散系数在t=0处的奇异性，适用于多种特征映射，在金融时间序列、湍流和图像生成中验证有效性。
TetriServe: Efficiently Serving Mixed DiT Workloads
TetriServe: 高效服务混合DiT工作负载
机构 * University of Michigan（密歇根大学） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； Nanyang Technological University（南洋理工大学）
专题命中 扩散模型 ：image generation(abstract)；diffusion(abstract)
AI总结 针对混合分辨率与截止时间的异构DiT工作负载，提出基于步骤级序列并行的TetriServe系统，通过轮次调度与自适应并行度，在保证图像质量下将SLO达成率提升32%。
Branching Flows: Discrete, Continuous, and Manifold Flow Matching with Splits and Deletions
分支流：带有分裂和删除的离散、连续和流形流匹配
机构 * Department of Microbiology, Tumor and Cell Biology, Karolinska Institutet（卡罗林斯卡研究所微生物学、肿瘤和细胞生物学系）
专题命中 扩散模型 ：image generation(abstract)；diffusion(abstract)
AI总结 提出分支流框架，通过随机分支和死亡过程控制序列元素数量，适用于变长数据生成，并在小分子、抗体序列和蛋白质骨架生成中验证效果。
Comments 39 pages, 16 figures
Erased but Not Forgotten: How Backdoors Compromise Concept Erasure
擦除但未遗忘：后门如何破坏概念擦除
专题命中 扩散模型 ：text-to-image(abstract)；diffusion(abstract)
AI总结 本文揭示了一种名为擦除规避后门（EEB）的漏洞，攻击者将后门触发器绑定到待擦除概念上，使得该恶意链接在后续擦除后仍然存在，从而绕过多种概念擦除方法。
Audio-Visual World Models: Learning Physically Grounded Multisensory Dynamics
视听世界模型：为具身智能体奠定多感官想象的基础
机构 * Tsinghua University（清华大学） ； Beijing Institute of Technology（北京理工大学）
专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV、cs.MM
AI总结 提出视听世界模型（AVWM）统一框架，通过条件扩散Transformer（AV-CDiT）联合预测双耳音频与视觉动态，在30小时基准AVW-4k上实现高保真多模态预测，并验证其在具身导航中的有效性。
Deepfake Media Generation and Detection in the Generative AI Era: A Survey and Outlook
生成式AI时代的深度伪造媒体生成与检测：综述与展望
机构 * Department of Computer Science, University of Bucharest（布加勒斯特大学计算机科学系） ； Mohamed bin Zayed University of Artificial Intelligence (MBZUAI)（穆罕默德·本·扎耶德人工智能大学） ； Department of Computer Science, University of Central Florida（中佛罗里达大学计算机科学系）
专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV、cs.MM
AI总结 综述了深度伪造生成与检测技术，涵盖图像、视频、音频和多模态内容，构建了分类体系，并提出了新的多模态基准测试，发现现有检测器对未见生成器的深度伪造泛化能力不足。
Comments Accepted in ACM Computing Surveys
Diff2DGS: Reliable Reconstruction of Occluded Surgical Scenes via 2D Gaussian Splatting
Diff2DGS: 通过2D高斯点散布实现遮挡手术场景的可靠重建
专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV、cs.GR
AI总结 Diff2DGS通过两阶段框架提升遮挡手术场景的3D重建精度，结合扩散模型和可学习变形模型，实现更准确的几何和外观重建。
Comments This work has been accpeted by the IEEE Robotics and Automation Letters(RA-L)
NaviCache: Test-Time Self-Calibration Caching for Video Generation
NaviCache: 视频生成的测试时自校准缓存
机构 * Zhejiang University（浙江大学） ； Cornell University（康奈尔大学） ； Tencent Hunyuan（腾讯文生视频）
专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV、cs.MM
AI总结 针对视频扩散模型计算成本高的问题，提出NaviCache方法，将特征演化重构思为惯性导航系统问题，通过双状态估计架构自适应跟踪特征变化比和潜在漂移，实现有界误差的计算跳过，在多个模型上取得优异性能。
Comments Published at ICML 2026: Proceedings of the 43rd International Conference on Machine Learning, Seoul, South Korea. PMLR 306, 2026
SplatPainter: Interactive Authoring of 3D Gaussians from 2D Edits via Test-Time Training
SplatPainter: 通过测试时训练从2D编辑交互式创作3D高斯
机构 * Stanford University（斯坦福大学） ； Adobe
专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV、cs.GR
AI总结 提出SplatPainter，一种状态感知的前馈模型，通过测试时训练实现从用户2D视图连续编辑3D高斯资产，支持局部细节优化、涂改和全局重着色，达到交互速度。
Comments project page https://y-zheng18.github.io/SplatPainter/
MPMWorlds: Material-Point-Method Simulations for Inferring and Extrapolating Physical Dynamics
MPMWorlds: 用于推断和外推物理动力学的物质点法模拟
机构 * Cornell University（康奈尔大学）
专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV、cs.GR
AI总结 通过构建2D物质点法（MPM）模拟数据集，研究从视频推断物理动力学并外推时间演化的能力，比较代码生成与视频扩散方法的优劣。
Comments 16 pages, 13 figures. Project page: https://zzigak.github.io/mpmworlds/
WorldPlay: Towards Long-Term Geometric Consistency for Real-Time Interactive World Modeling
WorldPlay：面向实时交互式世界建模的长期几何一致性
机构 * University of Science and Technology of China（中国科学技术大学）
专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV、cs.GR
AI总结 提出WorldPlay流式视频扩散模型，通过双重动作表示、重构上下文记忆和上下文强制蒸馏方法，实现实时交互式世界建模并保持长期几何一致性，生成24 FPS的720p长视频。
Comments project page: https://3d-models.hunyuan.tencent.com/world/, demo: https://3d.hunyuan.tencent.com/sceneTo3D, code: https://github.com/Tencent-Hunyuan/HY-WorldPlay
HiMat: DiT-based Ultra-High Resolution SVBRDF Generation
HiMat: 基于DiT的超高分辨率SVBRDF生成
机构 * College of Computer Science, Nankai University（南开大学计算机科学学院） ； Adobe Research（Adobe研究） ； NVIDIA ； Nanjing University（南京大学）
专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV、cs.GR
AI总结 提出HiMat框架，利用扩散变压器和线性注意力在高压缩潜空间生成4K SVBRDF，并通过CrossStitch模块保持跨图一致性，实现高效、多样化的超高分辨率材质生成。
Spatially-Grounded Text-to-Video Generation via Inference-Time Gradient-Free Optimization
基于推理时无梯度优化的空间接地文本到视频生成
机构 * ISIR - Sorbonne Université（ISIR - 索邦大学） ； Obvious Research
专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV
AI总结 针对文本到视频生成的空间可控性挑战，提出无训练无梯度的GATO-Vid方法，通过解析求解交叉注意力分数实现精确空间引导，在提升定位精度的同时降低计算开销。
Comments Camera Ready Version
$μ$Flow: Leveraging Average Images for Improving Generalisation of Deepfake Faces Detectors
$μ$Flow：利用平均图像提升深度伪造人脸检测器的泛化能力
机构 * University of Catania（卡塔尼亚大学） ； University of Nottingham（诺丁汉大学）
专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV
AI总结 提出仅用真实图像训练的单类深度伪造检测器$μ$Flow，通过平均图像放大生成痕迹并利用归一化流对齐特征分布，实现跨生成器类别的高泛化性能。
Comments Accepted at the European Conference on Computer Vision (ECCV) 2026
InfiniVerse: Occupancy Guided Unbounded Scene Generation for Autonomous Driving
InfiniVerse: 面向自动驾驶的占用引导无界场景生成
机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Nanyang Technological University（南洋理工大学） ； Huawei Technologies Ltd.（华为技术有限公司） ； University of New South Wales（新南威尔士大学）
专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV
AI总结 提出InfiniVerse统一框架，通过3D占用表示和视频扩散模型实现从单帧到长距离、2D-3D对齐的动态城市场景可控生成，在Waymo和nuScenes上达到SOTA。
Comments Paper accepted as poster at ECCV workshop SPAD
An InSAR Phase Unwrapping Framework for Large-scale and Complex Events
一种用于大规模和复杂事件的InSAR相位解包裹框架
机构 * Visual Information Laboratory, School of Computer Science, University of Bristol, UK（布里斯托尔大学计算机科学学院视觉信息实验室） ； COMET, School of Earth Sciences, University of Bristol, UK（布里斯托尔大学地球科学学院COMET中心） ； COMET, School of Computer Science, University of Bristol, UK（布里斯托尔大学计算机科学学院COMET中心）
专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV
AI总结 本文提出基于扩散模型的相位解包裹框架，用于处理大规模干涉图并解决由变形引起的相位不连续性，实验表明其在近地表变形场景中有效。
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
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
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
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）
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
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）
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
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）
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/
Bridging Event Streams and DiT: Event-Guided Video Frame Interpolation
连接事件流与DiT：事件引导的视频帧插值
机构 * The University of Tokyo（东京大学） ； South China University of Technology（华南理工大学） ； Wuhan University（武汉大学） ； Singapore Management University（新加坡管理大学）
专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV
AI总结 本文提出基于适配器的框架，将事件衍生提示融入预训练图像转视频扩散模型，利用IWEs与双向稀疏光流引导生成，提升视频帧插值质量，效果优于现有SOTA方法。
Comments https://joseph-lin-tech.github.io/BridgeEventDiT-VFI/
Adaptive Volumetric Parameterization of Simply Connected 3-Manifolds with Applications
单连通三维流形的自适应体积参数化及应用
专题命中 扩散模型 ：diffusion(abstract)；分类 cs.GR
AI总结 本文针对现有体积参数化方法不匹配三维流形形状导致畸变的问题，提出自适应体积参数化框架，含三类目标域设置与三步算法，可应用于多分辨率重网格化等任务，验证了其有效性。
3D Scene Generation: A Survey
3D场景生成：一项综述
机构 * S-Lab, Nanyang Technological University, Singapore（南洋理工大学S实验室）
专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV
AI总结 本综述系统梳理3D场景生成的四大范式方法，分析其技术基础与挑战，展望物理感知生成等方向，为该领域发展提供参考。
Comments Accepted by IJCV. Project Page: https://github.com/hzxie/Awesome-3D-Scene-Generation
Imaginative Generative AI: Crossing the Entropy Wall into Worlds Beyond Imitation
想象式生成人工智能：跨越熵墙进入超越模仿的世界
机构 * The Chinese University of Hong Kong（香港中文大学）
专题命中 扩散模型 ：diffusion(abstract)；分类 cs.CV
AI总结 该研究提出IGA框架，通过熵约束投影实现从模仿到想象的生成，可修复数据多样性并实现可控频谱外推，相关方法适用于DDPM等扩散模型。
