图像生成

FBSDiff++: Improved Frequency Band Substitution of Diffusion Features for Efficient and Highly Controllable Text-Driven Image-to-Image Translation

FBSDiff++: 改进的扩散特征频带替换用于高效且高度可控的文本驱动图像到图像翻译

Xiang Gao, Yunpeng Jia

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） 纠错

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

AI总结 提出FBSDiff++框架，通过动态频带替换扩散特征，实现无需训练的文本驱动图像到图像翻译，支持外观、布局和轮廓引导，并大幅提升推理速度（8.9倍），支持任意分辨率输入和局部编辑。

Diffusion Transformer World-Action Model for AV Scene Prediction

扩散Transformer世界-动作模型用于自动驾驶场景预测

Ruslan Sharifullin, Benjamin Jiang, Kai Xi Chew

机构 * Stanford University（斯坦福大学） 纠错

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

AI总结 提出紧凑潜世界模型，结合扩散Transformer（DiT）预测未来场景，在nuScenes上实现4.8倍更好的KID，并实现动作可控性（转向ρ=0.81）。

Comments 10 pages, 9 figures, 2 tables

Efficient, Robust, and Anti-Collusion Fingerprinting of Image Diffusion Models

图像扩散模型的高效、鲁棒且抗共谋指纹识别

Jianwei Fei, Yunshu Dai, Zhihua Xia, Xiaochun Cao, Jiantao Zhou, Alessandro Piva, Benedetta Tondi

机构 * University of Florence（佛罗伦萨大学） ； Shenzhen Campus of Sun Yat-sen University（中山大学深圳校区） ； College of Cyber Security, Jinan University（暨南大学网络空间安全学院） ； State Key Laboratory of Internet of Things for Smart City, University of Macau（澳门大学智慧城市物联网国家重点实验室） ； Department of Computer and Information Science, Faculty of Science and Technology, University of Macau（澳门大学科技学院计算机与信息科学系） ； University of Siena（锡耶纳大学） 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 针对生成式文本到图像模型指纹识别缺乏抗共谋攻击鲁棒性的问题，提出基于个性化归一化模块的编码方法，并引入无损函数不变参数变换的抗共谋机制，实现高保真、高鲁棒且首次主动抵御共谋攻击的指纹识别。

RSTR: Reducing SpatioTemporal Redundancy in Diffusion Transformers

RSTR: 减少扩散Transformer中的时空冗余

Ruitong Sun, Tianze Yang, Wei Niu, Jin Sun

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 ：diffusion(title,abstract)；image generation(abstract)；分类 cs.CV

AI总结 提出RSTR框架，通过进化搜索和自适应秩分配联合减少扩散Transformer中的时空冗余，实现50%-70%计算节省并保持或提升生成质量。

Comments International Conference on Machine Learning (ICML)

Bypassing Copyright Protection in Diffusion-based Customization via Two-Stage Latent Feature Optimization

通过两阶段潜在特征优化绕过基于扩散的定制中的版权保护

Ziang Xu, Wenbo Yu, Hongyao Yu, Hao Fang, Jiawei Kong, Bin Chen, Hao Wu, Shu-Tao Xia, Zhiyong Wu

机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Tsinghua Shenzhen International Graduate School（清华大学深圳国际研究生院） 纠错

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

AI总结 提出两阶段潜在特征优化（TS-LFO）攻击方法，通过潜在去噪和重建阶段恢复被防御破坏的映射，有效绕过扩散模型定制中的版权保护。

Comments accepted by KDD 2026

Breaking the Curse of Dimensionality: Diffusion Models Efficiently Learn Low-Dimensional Distributions

打破维度诅咒：扩散模型高效学习低维分布

Peng Wang, Huijie Zhang, Zekai Zhang, Siyi Chen, Yi Ma, Qing Qu

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 ：diffusion(title,abstract)；image generation(abstract)；分类 cs.CV

AI总结 提出新数学框架，证明扩散模型通过等价于子空间聚类，能以线性于内在维度的样本复杂度学习低维分布，避免维度诅咒。

Comments 37 pages, 8 figures, 2 tables, JMLR publication

When Do Diffusion Models learn to Generate Multiple Objects?

扩散模型何时学会生成多个物体？

Yujin Jeong, Arnas Uselis, Iro Laina, Seong Joon Oh, Anna Rohrbach

机构 * University of California, Berkeley（加州大学伯克利分校） ； University of Cambridge（剑桥大学） ； University of Washington（华盛顿大学） ； University of Toronto（多伦多大学） 纠错

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

AI总结 研究探讨了扩散模型在多物体生成中的局限性，发现场景复杂度比概念不平衡更关键，且低数据条件下计数任务更难学习。

Comments ICML2026

STREAM: Stochastic Riemannian Flow Matching with Anisotropic Decoder for Digital Histopathology Image Generation

STREAM: 用于数字组织病理学图像生成的随机黎曼流匹配与各向异性解码器

Won June Cho, Daeky Jeong, Hyeongyeol Lim, Hongjun Yoon

机构 * DEEPNOID Inc.（DEEPNOID公司） 纠错

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

AI总结 提出STREAM框架，利用组织病理学视觉基础模型的patch-token特征作为潜在空间，通过黎曼流匹配生成高质量组织病理学图像，解决条件崩溃问题，并设计各向异性解码器提升生成质量。

Comments 27 pages, 7 figures

Generalization of Diffusion Models Arises with a Balanced Representation Space

扩散模型的泛化源于平衡表示空间

Zekai Zhang, Xiao Li, Xiang Li, Lianghe Shi, Meng Wu, Molei Tao, Qing Qu

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 ：diffusion(title,abstract)；text-to-image(abstract)；分类 cs.CV

AI总结 通过分析两层ReLU去噪自编码器，证明记忆化导致局部尖峰表示，而泛化产生平衡表示，并在真实扩散模型中验证，提出基于表示的检测和编辑方法。

Comments Accepted at ICLR 2026. 40 pages, 19 figures. The first two authors contributed equally

Diff-CA: Separating Common and Salient Factors with Diffusion Models

Diff-CA: 使用扩散模型分离共同因素和显著因素

Michaël Soumm, Alexandre Fournier Montgieux, Yunlong He, Pietro Gori, Alasdair Newson

机构 * INRIA at Univ. Grenoble Alpes（法国格勒诺布尔大学INRIA实验室） ； CEA List, Palaiseau（法国CEA列表，帕莱索） ； Télécom Paris, Institut Polytechnique de Paris（巴黎电信学院，巴黎理工学院） 纠错

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

AI总结 提出一种基于扩散模型的条件框架，通过弱监督学习将图像条件分解为共同因素和显著因素，实现对比分析中的因素分离，并保持高保真图像生成质量。

Attention, May I Have Your Decision? Localizing Generative Choices in Diffusion Models

注意，我可以请你决定吗？定位扩散模型中的生成选择

Katarzyna Zaleska, Łukasz Popek, Monika Wysoczańska, Kamil Deja

机构 * Warsaw University of Technology（华沙技术大学） ； valeo.ai ； IDEAS Research Institute（IDEAS研究所） 纠错

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

AI总结 本文提出基于探测的定位技术，发现自注意力层是解决模糊概念的关键，并设计ICM方法通过干预少量自注意力层实现精确去偏。

Comments CVPR 2026

Mobile Video Diffusion

移动视频扩散

Haitam Ben Yahia, Denis Korzhenkov, Ioannis Lelekas, Amir Ghodrati, Amirhossein Habibian

机构 * Qualcomm AI Research（高通人工智能研究） 纠错

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

AI总结 本文提出了一种移动优化的视频扩散模型MobileVD，通过降低帧分辨率、引入多尺度时间表示和两种新的剪枝方案，显著降低了内存和计算成本，同时在移动设备上实现了高效的视频生成。

Efficient and Training-Free Single-Image Diffusion Models

高效且无需训练的单图像扩散模型

Haojun Qiu, Kiriakos N. Kutulakos, David B. Lindell

机构 * Department of Computer Science, University of Toronto（多伦多大学计算机科学系） ； Vector Institute（向量研究所） 纠错

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

AI总结 提出一种基于多尺度补丁数据集的无训练单图像扩散模型，通过闭式最优去噪器实现高效生成，达到与训练模型相当的质量和多样性。

Comments CVPR 2026; Project Page: https://haojunqiu.github.io/efficient-SID/

Inverting the Generation Process of Denoising Diffusion Implicit Models: Empirical Evaluation and a Novel Method

反转去噪扩散隐式模型的生成过程：实证评估与新方法

Yan Zeng, Masanori Suganuma, Takayuki Okatani

机构 * Graduate School of Information Sciences, Tohoku University（东北大学信息科学研究生院） ； RIKEN Center for AIP（理化学研究所AIP中心） 纠错

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

AI总结 提出一种结合梯度下降和不动点方法的混合方法，用于从生成图像中恢复DDIM的初始噪声图，显著提高了预测精度和重建质量。

An Improved Method for Personalizing Diffusion Models

一种改进的扩散模型个性化方法

Yan Zeng, Masanori Suganuma, Takayuki Okatani

机构 * Graduate School of Information Sciences, Tohoku University（东北大学信息科学研究生院） ； RIKEN Center for AIP（理化学研究所AIP研究中心） 纠错

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

AI总结 提出一种在整合新信息时保留模型原有知识的扩散模型个性化方法，相比Dreambooth和文本反转训练时间更短且效果更优。

Hallucination-Aware Diffusion Sampling for Inverse Problems via Robust Prior Updates

基于鲁棒先验更新的幻觉感知扩散采样用于逆问题

Pengfei Jin, Yiqi Tian, Kailong Fan, Bingjie Qi, Quanzheng Li

机构 * Center for Advanced Medical Computing and Analysis, Massachusetts General Hospital and Harvard Medical School（先进医学计算与分析中心，麻省总医院和哈佛医学院） ； Department of Industrial Engineering, University of Pittsburgh（工业工程系，匹兹堡大学） 纠错

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

AI总结 提出鲁棒先验更新模块，通过探测扩散先验更新的局部稳定性并重新锚定位移，减少逆问题求解中的测量条件幻觉，提升实例保真度。

Wavelet-Fusion Diffusion Model for Multimodal Brain MRI Synthesis with Modality and Metadata Conditioning

小波融合扩散模型用于多模态脑MRI合成，具有模态和元数据条件

Muhammad Nabi Yasinzai, Remika Mito, Mangor Pedersen

机构 * Department of Psychology & Neuroscience, Auckland University of Technology（心理学与神经科学系，奥克兰技术大学） ； Department of Psychiatry, University of Melbourne（精神病学系，墨尔本大学） 纠错

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

AI总结 提出一种小波融合扩散模型（WFDM），结合小波融合变分自编码器（WF-VAE）和条件3D U-Net扩散模型，通过显式模态和元数据条件实现多模态脑MRI合成，解决了数据集模态覆盖不均和异质性问题，在分布对齐上优于现有方法。

Comments 51 pages, 7 figures, including supplementary material. Submitted to Imaging Neuroscience

Score-Control for Hallucination Reduction in Diffusion Models

扩散模型中减少幻觉的分数控制

Mahesh Bhosale, Naresh Kumar Devulapally, Abdul Wasi, Chau Pham, Vishnu Suresh Lokhande, David Doermann

机构 * University at Buffalo（布法罗大学） 纠错

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

AI总结 针对扩散模型中的幻觉问题，提出基于方差引导的分数调制策略，通过控制分数雅可比矩阵减少幻觉，在保持高保真度和多样性的同时将幻觉降低约25%。

Benchmarking Single-Step Inpainting Methods for Multi-Object 3D Gaussian Splatting Scenes

多对象3D高斯泼溅场景的单步修复方法基准测试

Finn Dröge, Cecilia Curreli, Abhishek Saroha, Daniel Cremers

机构 * Technical University of Munich（慕尼黑技术大学） ； Munich Center for Machine Learning（慕尼黑机器学习中心） 纠错

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

AI总结 针对3D高斯泼溅场景中的对象移除与修复任务，比较了2D修复器在3D一致性上的表现，发现基于重建的修复器优于生成扩散模型，且从头初始化场景比微调现有场景效果更好，同时引入了一个带真实数据的新多对象场景。

Comments Accepted as an extended abstract to the CVEU Workshop at CVPR 2026

Colored Noise Diffusion Sampling

有色噪声扩散采样

Hadar Davidson, Noam Issachar, Sagie Benaim

机构 * The Hebrew University of Jerusalem（希伯来大学） 纠错

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

AI总结 针对扩散模型生成过程中均匀白噪声注入的低效问题，提出一种无训练的有色噪声采样方法（CNS），通过动态频率依赖的噪声调度利用谱偏置，显著提升图像生成质量。

Paris 2.0: A Decentralized Diffusion Model for Video Generation

Paris 2.0: 一种去中心化的视频生成扩散模型

Ali Rouzbayani, Bidhan Roy, Marcos Villagra, Zhiying Jiang

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

AI总结 本文提出Paris 2.0，首个通过去中心化计算预训练的视频生成模型，基于Paris 1.0的扩散模型框架，在低分辨率文本到视频任务中相比集中式模型将FVD从561.04降至279.01，提升约2倍，并提高了CLIP文本-视频相似度和美学评分。

Comments 6 pages, 5 figures

Dual-Stream Diffusion for World-Model Augmented Vision-Language-Action Model

双流扩散用于世界模型增强的视觉-语言-动作模型

John Won, Kyungmin Lee, Huiwon Jang, Dongyoung Kim, Jinwoo Shin

机构 * Kim Jaechul Graduate School of AI, Korea Advanced Institute of Technology, Seoul, Republic of Korea（金 Jaechul 人工智能研究生院，韩国科学技术院，首尔，大韩民国） 纠错

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

AI总结 提出DUST框架，通过双流扩散Transformer和异步采样方法，解决世界模型增强的视觉-语言-动作模型中的模态差距问题，在模拟和真实任务中取得显著性能提升。

Comments Accepted at ICML 2026. Project page at https://periphanes.github.io/dust (20 pages, 10 figures)

LESA: Learnable Stage-Aware Predictors for Diffusion Model Acceleration

LESA: 可学习的阶段感知预测器用于扩散模型加速

Peiliang Cai, Jiacheng Liu, Haowen Xu, Xinyu Wang, Chang Zou, Linfeng Zhang

机构 * Shanghai Jiao Tong University（上海交通大学） 纠错

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

AI总结 针对扩散模型计算开销大、现有缓存策略难以适应去噪过程阶段动态变化的问题，提出基于两阶段训练的可学习阶段感知预测器框架，利用KAN网络学习时序特征映射并采用多阶段多专家架构，在保持高质量生成的同时实现显著加速。

Comments Accepted to CVPR 2026

MRT: Masked Region Transformer for Layered Image Generation and Editing at Scale

MRT：用于大规模分层图像生成与编辑的掩码区域变换器

Zhicong Tang, Zhao Zhang, Jingye Chen, Mohan Zhou, Yifan Pu, Yuchi Liu, Yalong Bai, Ethan Smith, Yuhui Yuan

机构 * Canva Research（Canva研究院） 纠错

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

AI总结 提出MRT，一个200亿参数的掩码区域扩散模型，通过统一文本到层、图像到层和层到层任务，并引入溢出感知画布层，实现高效的多层透明图像生成与编辑。

Comments CVPR 2026

D-OPSD: On-Policy Self-Distillation for Continuously Tuning Step-Distilled Diffusion Models

D-OPSD：用于连续调优步蒸馏扩散模型的在线自蒸馏方法

Dengyang Jiang, Xin Jin, Dongyang Liu, Zanyi Wang, Mingzhe Zheng, Ruoyi Du, Xiangpeng Yang, Qilong Wu, Zhen Li, Peng Gao, Harry Yang, Steven Hoi

机构 * The Hong Kong University of Science and Technology（香港科技大学） ； Z-Image Team, Alibaba Group（阿里集团Z-Image团队） ； University of California, San Diego（加州大学圣地亚哥分校） ； The Chinese University of Hong Kong（香港中文大学） 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D-OPSD，一种在线自蒸馏训练范式，使步蒸馏扩散模型在监督微调中保持少步推理能力，通过让模型同时作为教师和学生，利用不同上下文条件（学生仅文本特征，教师多模态特征）最小化预测分布，学习新概念和风格而不牺牲原有少步能力。

Comments Project Page: https://vvvvvjdy.github.io/d-opsd/

Inference-Time Search Using Side Information for Diffusion-Based Image Reconstruction

基于侧信息的推理时搜索用于扩散模型图像重建

Mahdi Farahbakhsh, Vishnu Teja Kunde, Dileep Kalathil, Krishna Narayanan, Jean-Francois Chamberland

机构 * Department of Electrical and Computer Engineering, Texas A&M University（电气与计算机工程系，德克萨斯A&M大学） 纠错

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

AI总结 提出一种即插即用、无需训练的推理时搜索框架，将侧信息融入现有扩散模型逆问题求解器，显著提升重建质量。

Align & Invert: Solving Inverse Problems with Diffusion and Flow-based Models via Representation Alignment

对齐与反转：通过表示对齐解决扩散和流模型中的逆问题

Loukas Sfountouris, Giannis Daras, Paris Giampouras

机构 * Massachusetts Institute of Technology（麻省理工学院） 纠错

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

AI总结 提出将扩散或流模型的内部表示与预训练自监督编码器（DINOv2）对齐（REPA），在推理时引导逆问题重建，显著提升重建质量和感知真实感。

A Unified Framework for Diffusion Model Unlearning with f-Divergence

基于f-散度的扩散模型遗忘统一框架

Nicola Novello, Federico Fontana, Luigi Cinque, Deniz Gunduz, Andrea M. Tonello

机构 * University of Klagenfurt, Austria（克雷根福特大学） ； Sapienza University of Rome, Italy（罗马萨皮恩扎大学） ； Imperial College London, UK（伦敦帝国学院） 纠错

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

AI总结 提出一个基于f-散度的统一框架，将扩散模型概念遗忘中的MSE损失推广到任意f-散度，并通过理论分析和实验验证不同散度对遗忘效果的影响。

Comments Accepted at ICML 2026

Everything at Every Scale: Scale-Invariant Diffusion with Continuous Super-Resolution

一切尺度：具有连续超分辨率的尺度不变扩散

Zixin Jessie Chen, Zhuo Chen, Archer Wang, Jeff Gore, William T. Freeman, Congyue Deng, Marin Soljačić

机构 * Department of Physics, Massachusetts Institute of Technology（麻省理工学院物理系） ； Department of EECS, Massachusetts Institute of Technology（麻省理工学院电子工程与计算机科学系） ； NSF AI Institute for Artificial Intelligence and Fundamental Interactions（国家科学基金会人工智能与基础相互作用研究所） ； Institute for Data, Systems and Society, Massachusetts Institute of Technology（麻省理工学院数据、系统与社会研究所） 纠错

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

AI总结 提出SKILD模型，通过尺度不变扩散统一图像生成与连续超分辨率，仅改变起始时间步即可实现不同任务。

Comments 29 pages, 17 figures

Concept Unlearning via Cross-Attention Activation Projection for Diffusion Models

通过交叉注意力激活投影实现扩散模型的概念遗忘

Saemi Moon, Suhyeon Jun, Seoyeon Lee, Dongwoo Kim

机构 * CSE, POSTECH（POSTECH计算机科学系） ； GSAI, POSTECH（POSTECH通用人工智能实验室） 纠错

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

AI总结 提出PURE方法，利用交叉注意力激活空间构建遗忘和保留基，通过线性投影编辑权重，在保持保留概念的同时有效消除目标概念。