图像生成

Inference-Time Scaling of Diffusion Models via Progressive Seed Pruning

通过渐进式种子剪枝实现扩散模型的推理时间缩放

Rogerio Guimaraes, Pietro Perona

机构 * California Institute of Technology（加州理工学院） 纠错

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

AI总结 研究扩散模型推理时间缩放问题，提出渐进式种子剪枝方法，通过早期评估多种子并剪枝，有效利用固定计算预算，在扩散和流匹配主干上比其他基线方法在奖励引导选择及提示对齐评估上表现更优。

Comments Project page: https://www.vision.caltech.edu/psp. Code: https://github.com/rogerioagjr/psp

When Does High-CFG Diffusion Inversion Fail? A Controlled Study of Prompt--Latent Interactions

高CFG扩散反演何时失败？对提示-潜在交互的对照研究

Yan Zeng, Yusuke Hosoya, Huyen T. T. Tran, Takayuki Okatani

机构 * GSIS Tohoku University（东北大学全球信息社会研究院） ； RIKEN AIP JAPAN（日本理化学研究所先进智能项目中心） 纠错

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

AI总结 研究在图像编辑中，高CFG轨迹生成的目标图像何时能被反演。通过对照实验，用现有基准的提示生成图像并反演，揭示提示重建行为类型，定义提示压力分析生成，文本分析表明主体和措辞影响反演，评估干预措施支持局部轨迹感知分析。

Trainable Log-linear Sparse Attention for Efficient Diffusion Transformers

用于高效扩散变压器的可训练对数线性稀疏注意力

Yifan Zhou, Zeqi Xiao, Tianyi Wei, Shuai Yang, Xingang Pan

机构 * S-Lab, Nanyang Technological University（南洋理工大学S实验室） ； Wangxuan Institute of Computer Technology, Peking University（北京大学王萱计算机技术研究所） 纠错

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

AI总结 研究针对扩散变压器二次自注意力成本限制长序列扩展问题，提出可训练的对数线性稀疏注意力机制LLSA，通过分层结构降低成本，经实验验证其能加速注意力推理和DiT训练，为高效训练长序列DiTs提供方向。

Comments Code is available at: https://github.com/SingleZombie/LLSA

OSVE: One Step Video Editing with One Step Diffusion Models

OSVE：使用单步扩散模型进行单步视频编辑

Habin Lim, Gyeong-Moon Park

机构 * Korea University（韩国大学） 纠错

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

AI总结 研究针对扩散模型文本引导视频编辑慢的问题，提出OSVE框架。通过训练可学习编码器预测初始噪声，引入UFE技术及滑动窗口策略保持一致性，实现高质量视频编辑，速度比现有方法快约155 - 171倍。

Local Label-Informed Feature Transfer for Generating Ground-Truth Medical Images: A Comparison of GAN- and Diffusion-Based Approaches

用于生成真实医学图像的局部标签信息特征转移：基于GAN和扩散方法的比较

Rick Wilming, Irem Ozseker, Luca Matteo Cornils, Ahcène Boubekki, Benedict Clark, Danny Panknin, Stefan Haufe

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

AI总结 研究针对医学成像中验证XAI方法缺少真实数据的问题，提出LLIFT框架，用GAN和扩散两种范式实现，能生成含真实病变的半合成脑磁共振图像，为评估XAI方法提供了可控真实数据，且评估效果良好。

Comments 6 pages, submitted to IEEE MetroXRAINE 2026

DuSPiT: Dual-Branch Sub-Patch Pixel Diffusion Transformer

DuSPiT：双分支子补丁像素扩散变换器

Yunpeng Bai, Yossi Gandelsman, Michaël Gharbi

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Reve（瑞夫） 纠错

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

AI总结 研究针对像素空间扩散中单一表示兼顾全局与细节的问题，提出双分支子补丁像素扩散变换器DuSPiT。通过分离全局与局部处理，利用两分支交互，实现更丰富细节和更好质量效率权衡，优于此前的像素空间扩散变换器。

REGLUE Your Latents with Global and Local Semantics for Entangled Diffusion

利用全局和局部语义重新绑定潜在信息以进行纠缠扩散

Giorgos Petsangourakis, Christos Sgouropoulos, Bill Psomas, Theodoros Giannakopoulos, Giorgos Sfikas, Ioannis Kakogeorgiou

机构 * University of West Attica（西阿提卡大学） ； VRG, FEE, Czech Technical University in Prague（布拉格捷克技术大学） 纠错

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

AI总结 研究针对潜在扩散模型语义监督不足问题，提出REGLUE框架，联合建模VAE图像潜在信息、局部VFM语义和全局[CLS]令牌，用轻量级卷积语义压缩器聚合特征，经实验验证该框架能提升FID并加速收敛。

Comments ECCV 2026

Improving Diffusion Generative Models via Truncated Karhunen--Loève Expansion

通过截断卡尔胡宁-勒夫展开改进扩散生成模型

Yumeng Ren, Yaofang Liu, Aitor Artola, Laurent Mertz, Raymond H. Chan, Jean-michel Morel

机构 * City University of Hong Kong（香港城市大学） ； Lingnan University of Hong Kong（香港理工大学） 纠错

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

AI总结 研究预训练扩散模型训练-采样不匹配问题，提出基于截断卡尔胡宁-勒夫展开的无训练采样策略，通过相应方程实现，无需修改网络架构，在多数据集上改进预训练模型，加快收敛并降低生成误差。

Comments 13 pages, 7 figures

Rare Concept Generation via Counterfactual Inference in Diffusion Models

通过扩散模型中的反事实推理生成罕见概念

Zhengyuan Jiang, Haipeng Liu, Meng Wang, Yang Wang

机构 * School of Computer Science and Information Engineering, Hefei University of Technology（合肥工业大学计算机与信息工程学院） 纠错

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

AI总结 针对扩散模型训练的常识偏差致罕见概念图像生成不佳的问题，提出基于反事实推理的CI-Diff方法，阻断干扰，利用自然直接效应解耦属性，重新设计引导机制，经实验验证该方法优于现有模型。

Comments Comments: 17 pages, 15 figures, to appear at ACM Multimedia 2026

TCAM-Diff: Triplane-Aware Cross-Attention Medical Diffusion Model

TCAM-Diff：三平面感知交叉注意力医学扩散模型

Zhenkai Zhang, Krista A. Ehinger, Tom Drummond

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

AI总结 研究提出TCAM-Diff这一3D医学图像生成模型，采用仅解码器自动编码器方法学习三平面表示，利用三平面感知交叉注意力扩散模型整合特征，经预训练解码器模块转换为3D体素，在多规模医学数据集实验中结果出色，优于其他类似方法。

Comments Accepted at AAAI 2025. Code is available at https://github.com/Fredy-Zhang/TCAM-Diff

Journal ref Proceedings of the AAAI Conference on Artificial Intelligence, 39(21): 22732-22740, 2025

Post-Training Pruning for Diffusion Transformers

扩散变换器的训练后剪枝

Chengzhi Hu, Xuewen Liu, Jing Zhang, Mengjuan Chen, Zhikai Li, Qingyi Gu

机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） 纠错

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

AI总结 针对扩散变换器（DiTs）计算开销大的问题，提出DiT-Pruning方法，通过能量感知的显著性度量与聚类感知的剪枝粒度，在50%稀疏度下仅损失0.001 CLIP分数。

Comments 15 pages, 13 figures

Inverting the Streaming-Diffusion Bottleneck: Video-Rate MLLM-Conditioned Edit Diffusion on a Consumer GPU

基于视觉感知的多模态大语言模型条件编辑扩散的视频率流式风格化：蒸馏UNet + MLLM文本编码器上的非对称批处理推理

Yoshiyuki Ootani

机构 * Independent researcher（独立研究员） 纠错

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

AI总结 针对蒸馏扩散模型中文本编码器成为瓶颈的问题，提出一种结合非对称CUDA流水线、编译友好的ControlNet-LLLite重构和周期性条件刷新调度的流式管线，在消费级GPU上实现视频率实时风格化编辑。

Comments 14 pages, 4 figures, 13 tables. Code, evaluation harness, and the released Temporal LLLite adapter weights are at https://github.com/otanl/dreamlite-stream (also mirrored to Hugging Face and Zenodo)

Structure-Semantic Co-optimized Latent Diffusion Model for Fast Visual Anagram Synthesis

结构-语义协同优化的潜扩散模型用于快速视觉字谜合成

Xiang Gao, Yunpeng Jia

机构 * School of Digital Media and Design Arts, Beijing University of Posts and Telecommunications（北京邮电大学数字媒体与设计艺术学院） 纠错

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

AI总结 提出结构-语义协同优化框架S2CO-Anagram，通过空文本结构对齐、语义增强和注意力引导噪声融合，在极低计算成本下生成高分辨率、高视觉和谐度与语义保真度的视觉字谜图像。

Compression Asymmetry and Trajectory Binding in Noise-Anchored Diffusion Inversion

噪声锚定扩散反演中的压缩不对称性与轨迹绑定

Yongseong Park, Joeun Kim, HoEun Kim, Young-Sik Kim

机构 * DGIST（大邱庆北科学技术院） 纠错

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

AI总结 研究真实图像扩散反演的质量-成本权衡，通过高斯噪声锚分离出压缩不对称与轨迹绑定机制，据此提出NARC方法，该方法无需训练，存储少且效果好，在实验中表现出色并可应用于其他模型。

Diffusion Model-Based Data Augmentation for Enhanced Neuron Segmentation

基于扩散模型的数据增强用于增强神经元分割

Liuyun Jiang, Yanchao Zhang, Jinyue Guo, Yizhuo Lu, Ruining Zhou, Hua Han

机构 * State Key Laboratory of Brain Cognition（脑认知国家重点实验室） ； Brain-inspired Intelligence Technology, Institute of Automation, Chinese Academy of Sciences（脑启发智能技术，自动化研究所，中国科学院） ； School of Future Technology, University of Chinese Academy of Sciences（未来技术学院，中国科学院大学） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（人工智能学院，中国科学院大学） 纠错

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

AI总结 本文提出基于扩散模型的数据增强方法，用于提升神经元分割的性能，通过生成结构合理的图像-标签对，提高分割准确率。

Journal ref 2026 IEEE 23rd International Symposium on Biomedical Imaging (ISBI), pp. 01-05, 2026

LaViDa-R1: Advancing Reasoning for Unified Multimodal Diffusion Language Models

LaViDa-R1：推进统一多模态扩散语言模型的推理

Shufan Li, Yuchen Zhu, Jiuxiang Gu, Kangning Liu, Zhe Lin, Yongxin Chen, Molei Tao, Aditya Grover, Jason Kuen

机构 * Adobe ； UCLA（加州大学洛杉矶分校） ； Georgia Tech（佐治亚理工学院） 纠错

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

AI总结 研究提出多模态通用推理dLLM LaViDa-R1，不同于现有工作，它以统一方式整合多任务，采用新颖统一训练后框架，集成监督微调与多任务强化学习，并运用多种训练技术，在多模态任务上展现强大性能。

Comments 28 pages, 11 figures

Erasing Without Collateral Damage: Precise Concept Removal in Diffusion Models

无附带损害擦除：扩散模型中的精确概念移除

Parth Upman, Nishita Jain, Shreyank N Gowda

机构 * School of Computer Science, University of Nottingham（诺丁汉大学计算机科学学院） ； Department of Computing, Imperial College London（伦敦帝国理工学院计算系） 纠错

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

AI总结 针对无训练概念擦除易损害相关非目标概念的问题，提出CARE闭式算子，在交叉注意力值空间实现精确擦除，无模型微调，可更好保留非目标概念。

LILAC: Layer-Wise Independent LoRAs and Cascaded Conditioning for Multi-Concept Customization of Diffusion Models

LILAC：用于扩散模型多概念定制的分层独立LoRAs和级联条件处理

Marian Lupascu, Sebastian Ripa, Mihai Trascau, Mariana-Iuliana Georgescu, Ionut Mironica

机构 * Adobe Research, Romania（罗马尼亚Adobe研究院） ； Department of Computer Science, University of Bucharest, Romania（罗马尼亚布加勒斯特大学计算机科学系） ； International Computer High School of Bucharest, Romania（罗马尼亚布加勒斯特国际计算机高中） 纠错

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

AI总结 研究个性化文本到图像扩散模型渲染特定主题的难题，提出LILAC框架，通过分层独立训练低秩适配器并级联条件处理，避免参数干扰，无需联合训练，线性扩展且与主干无关，效果良好。

Comments 19 pages, 8 figures

Flash-BoN: Instant Drafts for Inference-Time Scaling in Diffusion Models

Flash-BoN：扩散模型推理时缩放的即时草稿

Ruchit Rawal, Reza Shirkavand, Sayak Paul, Yuxin Wen, Heng Huang, Yizheng Chen, Tom Goldstein, Gowthami Somepalli

机构 * University of Maryland, College Park（美国马里兰大学帕克分校） ； Hugging Face（拥抱脸） 纠错

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

AI总结 研究文本到图像生成推理时缩放，对比简单BoN与引导搜索方法，发现简单BoN在实际评估中表现良好。提出Flash-BoN，结合多种加速方法生成草稿候选，经多阶段验证选最有潜力的优化，在多基准和模型规模下优于基线。

How Do Diffusion Classifiers Decide? A Bias-Centric Evaluation

扩散分类器如何做出决策？以偏差为中心的评估

Saba Fathi, Fardin Ayar, Maryam Abdolali, Ehsan Javanmardi, Manabu Tsukada, Mahdi Javanmardi

机构 * K. N. Toosi University of Technology（伊朗科技大学） ； Amirkabir University of Technology（伊朗阿米尔卡比尔理工大学） ； The University of Tokyo（东京大学） 纠错

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

AI总结 研究扩散分类器如何决策，通过ASOB-Bench从属性绑定、大小顺序偏差和背景依赖三维度评估，发现其偏差特征与视觉语言模型不同，为构建更稳健模型提供指导。

Mixture-of-Gaussians-Guided Schedule Design for Brownian Bridge Diffusion Models

用于布朗桥扩散模型的高斯混合引导调度设计

Ron Levi, Michael Elad

机构 * Technion, Israel（以色列理工学院） 纠错

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

AI总结 研究为布朗桥扩散模型开发调度设计框架，基于高斯混合先验分析其反向动力学，得出理想后验和去噪器，据此制定两个调度设计目标，揭示权衡并证明通用调度存在，实验验证其价值。

Comments 66 pages, 10 figures

Efficient bias mitigation in T2I diffusion models using Concept Graphs

使用概念图在文本到图像扩散模型中有效减轻偏差

Mansi, Avinash Kori, Francesco Leofante

机构 * Department of Computing Imperial College London（伦敦帝国理工学院计算系） 纠错

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

AI总结 研究文本到图像扩散模型偏差问题，提出基于概念图对齐的CO-ALIGN方法，在模型内部概念本体上操作，能有效减轻偏差并保留生成完整性，性能优于现有技术。

A Decomposable Probe for Few-Step Diffusion Models: Prompt, Latent, and Score Selectivity across Backbone Families and Distillation Paradigms

用于少步扩散模型的可分解探测器：跨主干家族和蒸馏范式的提示、潜在和分数选择性

Patrick Mu Haojie

机构 * Independent Researcher（独立研究者） 纠错

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

AI总结 研究少步蒸馏扩散模型质量差距，用可分解探测器沿三层在三种模式六种强度下注入扰动，报告选择性比率。结果表明不同层读取不同因素，潜在层是整流流主干的近二元探测器。

Comments 18 pages, 3 figures

Attention Dynamics in Diffusion Models: A Visual Analytics Framework for Human-AI Collaboration

扩散模型中的注意力动态：用于人机协作的视觉分析框架

Yiran Xiao, George Legrady

机构 * University of California, Santa Barbara（美国加利福尼亚大学圣巴巴拉分校） 纠错

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

AI总结 针对扩散模型语义结构难以解释问题，提出视觉分析框架，通过整合定量测度与数据驱动阶段识别，对注意力动态进行结构化分析，助力人机协作。

UNITY: Attention Flow Networks for Adaptive Conditioning in Diffusion

UNITY: 用于扩散模型中自适应条件化的注意力流网络

Aryan Das, Koushik Biswas, Moloud Abdar, Vinay Kumar Verma

机构 * VIT Bhopal, India（印度VIT布巴尔学院） ； IIIT Delhi, India（印度德里理工学院） ； The University of Queensland, Australia（澳大利亚昆士兰大学） ； IIT Kanpur, India（印度坎普尔理工学院） 纠错

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

AI总结 提出UNITY，一种两阶段训练范式，通过可变形注意力流网络实现多模态条件共享与专化，在保持图像保真度的同时显著降低推理延迟和内存消耗。

Comments Acccepted in ECCV 2026

WorldMesh: Generating Navigable Multi-Room 3D Scenes via Mesh-Conditioned Image Diffusion

WorldMesh: 通过网格条件图像扩散生成可导航的多房间3D场景

Manuel-Andreas Schneider, Angela Dai

机构 * Technical University of Munich（慕尼黑技术大学） 纠错

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

AI总结 本文提出WorldMesh方法，通过网格条件图像扩散生成大规模多房间3D场景，结合结构化网格与真实外观合成，实现高丰富度和多样性的3D环境生成。

Comments Accepted to ECCV 2026. Project page: https://mschneider456.github.io/world-mesh/ Video: https://www.youtube.com/watch?v=MKMEbPT38-s Code: https://github.com/mschneider456/worldmesh

Trust-Region Noise Search for Black-Box Alignment of Diffusion and Flow Models

基于信任区域的噪声搜索用于扩散和流模型的黑盒对齐

Niklas Schweiger, Daniel Cremers, Karnik Ram

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

AI总结 本文提出一种基于信任区域的噪声搜索算法，用于对扩散和流模型进行黑盒对齐，通过优化噪声样本实现更好的生成效果，适用于多种生成任务。

Comments Preprint (shorter version accepted at ICLR ReaLM-GEN workshop)

Diffusion Models are Open-World Affordance Learners: Leveraging Generative Priors for 3D Affordance Learning

扩散模型是开放世界的功能学习器：利用生成先验进行3D功能学习

Hanqing Wang, Zhenhao Zhang, Kaiyang Ji, Mingyu Liu, Wenti Yin, yuchao chen, Zhirui Liu, Xiangyu Zeng, Tianxiang Gui, Hangxing Zhang, Jiahao Yuan, Zhiqing Cui, Jiaxin Liu, Zhiyuan Ma, Hui Xiong

机构 * The Hong Kong University of Science and Technology（香港科技大学） ； ShanghaiTech University（上海科技大学） ； Zhejiang University（浙江大学） ； Nanjing University（南京大学） ； Huazhong University of Science and Technology（华中科技大学） 纠错

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

AI总结 研究3D功能基础问题，利用文本到图像扩散模型提取先验知识，提出基于扩散的DAG框架用于3D功能预测，通过实验证明其优于现有方法且泛化能力强。

AnyDesign: Versatile Area Fashion Editing via Mask-Free Diffusion

AnyDesign：通过无掩码扩散实现通用区域时尚编辑

Yunfang Niu, Dong Yi, Lingxiang Wu, Jie Peng, Jinqiao Wang

机构 * Foundation Model Research Center, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所基础模型研究中心） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； Wuhan AI Research（武汉人工智能研究所） ； Wuhan University（武汉大学） 纠错

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

AI总结 研究时尚图像编辑，扩展数据集涵盖更多服装和复杂背景，提出基于扩散的AnyDesign方法，通过融合服装类型和特征实现无掩码编辑，实验表明该方法优于当代文本引导时尚编辑方法。

DiffRGD: An Inference-Time Diffusion Guidance Through Riemannian Gradient Descent

DiffRGD：通过黎曼梯度下降的推理时扩散引导

Jia-Wei Liao, Li-Xuan Peng, Mei-Heng Yueh, Min Sun, Cheng-Fu Chou, Jun-Cheng Chen

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

AI总结 提出DiffRGD框架，通过黎曼梯度下降在球流形上求解约束优化，保持潜在高斯分布，提升图像恢复与条件生成质量。