图像生成

Benchmarking stereo reconstruction for 3D printable Martian terrain models

用于3D打印火星地形模型的立体重建基准测试

Josephine Wang

机构 * MIT Cambridge, MA, USA（麻省理工学院，马萨诸塞州剑桥，美国） 纠错

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

AI总结 针对火星图像低纹理、不规则和部分观测的特点，评估从NASA好奇号图像估计立体深度、补全几何并导出可打印网格的流程，发现基准精度不直接迁移到火星地形重建，几何补全存在局部保真度与全局连通性的权衡。

Comments 9 pages, 7 figures, CVPR End-to-End 3D Workshop 2026

Latent Spatial Memory for Video World Models

视频世界模型的潜在空间记忆

Weijie Wang, Haoyu Zhao, Yifan Yang, Feng Chen, Zeyu Zhang, Yefei He, Zicheng Duan, Donny Y. Chen, Yuqing Yang, Bohan Zhuang

机构 * Zhejiang University（浙江大学） ； Microsoft Research（微软研究院） ； Adelaide University（阿德莱德大学） ； Monash University（莫纳什大学） 纠错

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

AI总结 提出潜在空间记忆框架Mirage，通过在扩散潜在空间中直接构建和查询3D缓存，避免像素空间重建，实现高效视频生成，速度提升10.57倍，内存减少55倍。

Comments Project Page: https://aka.ms/latent-spatial-memory, Code: https://github.com/microsoft/LatentSpatialMemory

MemoryVLA++: Temporal Modeling via Memory and Imagination in Vision-Language-Action Models

MemoryVLA++：通过记忆与想象在视觉-语言-动作模型中进行时间建模

Hao Shi, Weiye Li, Bin Xie, Yulin Wang, Renping Zhou, Tiancai Wang, Xiangyu Zhang, Ping Luo, Gao Huang

机构 * Tsinghua University（清华大学） ； The University of Hong Kong（香港大学） ； Dexmal ； StepFun 纠错

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

AI总结 提出MemoryVLA++框架，通过工作记忆、感知-认知记忆库和想象未来状态的世界模型，实现完整时间建模，在模拟和真实机器人任务上显著提升长时域和依赖记忆与想象的任务性能。

Comments The project is available at https://shihao1895.github.io/MemoryVLA-PP-Web

AHA-WAM:Asynchronous Horizon-Adaptive World-Action Modeling with Observation-Guided Context Routing

AHA-WAM：异步自适应时域世界-动作建模与观测引导的上下文路由

Jisong Cai, Long Ling, Shiwei Chu, Zhongshan Liu, Jiayue Kang, Zhixuan Liang, Wenjie Xu, Yinan Mao, Weinan Zhang, Xiaokang Yang, Ru Ying, Ran Zheng, Yao Mu

机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Baidu AI Cloud（百度智能云） ； The University of Hong Kong（香港大学） 纠错

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

AI总结 提出AHA-WAM，一种基于双扩散Transformer的异步时域自适应世界-动作模型，通过低频世界规划器和高频动作执行器解耦时序，实现高效闭环控制，在RoboTwin和真实任务上达到SOTA性能。

Comments Project page: https://serene-sivy.github.io/aha-wam/

Visual Prompting Meets Feature Reconstruction-Based Anomaly Detection with Dual-Teacher Supervision

视觉提示结合基于特征重建的双教师监督异常检测

Mateo Diaz-Bone, Daniel Caraballo, Florian Scheidegger, Thomas Frick, Mattia Rigotti, Andrea Bartezzaghi, Roy Assaf, Niccolo Avogaro, Yagmur G. Cinar, Brown Ebouky, Filip M. Janicki, Piotr S. Kluska, Cezary Skura, Cristiano Malossi

机构 * IBM Research Europe Zurich（IBM欧洲研究院苏黎世分院） 纠错

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

AI总结 针对异常检测在真实场景中因物体尺度、视角等变化失效的问题，提出视觉提示管道、解冻教师模型和扩散生成数据增强，在AeBAD数据集上提升3.5个百分点。

Do Video Foundation Models Understand Intuitive Physics? A Layerwise Probing Analysis

视频基础模型是否理解直觉物理？逐层探测分析

Samuele Punzo, Niccolò Caselli, Ippokratis Pantelidis, Francesco Massafra, Salvatore Lo Sardo, Mohammadreza Salehi

机构 * University of Amsterdam（阿姆斯特丹大学） 纠错

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

AI总结 通过冻结特征探测，研究预训练视频基础模型在直觉物理信息上的编码能力，发现V-JEPA表现最佳，物理信息在中后期层最易获取，且时序破坏显著降低性能。

EgoTactile: Learning Grasp Pressure for Everyday Objects from Egocentric Video

EgoTactile: 从自我中心视频学习日常物体的抓取压力

Yuan Zeng, Yujia Shi, Tiao Tan, Xingting Li, Yaqi Qin, Zongqing Lu, Wenming Yang, Jing-Hao Xue, Qingmin Liao

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(abstract)；分类 cs.CV

AI总结 提出EgoTactile基准和条件扩散框架EgoPressureDiff，从自我中心视频估计全手抓取压力，解决视觉-物理歧义，实现鲁棒迁移。

Comments Accepted to ICML2026 spotlight

CP4D: Compositional Physics-aware 4D Scene Generation

CP4D: 组合式物理感知4D场景生成

Hanxin Zhu, Cong Wang, Tianyu He, Long Chen, Xin Jin, Chen Gao, Zhibo Chen

机构 * School of Information Science and Technology, University of Science and Technology of China（信息科学与技术学院，中国科学技术大学） ； Zhongguancun Academy（中关村学院） ； the State Key Laboratory of Multimodal Artificial Intelligence Systems, Institute of Automation, Chinese Academy of Sciences（多模态人工智能系统国家重点实验室，中国科学院自动化研究所） ； Eastern Institute of Technology（东部技术研究所） ； Tsinghua University（清华大学） 纠错

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

AI总结 提出CP4D范式，通过静态环境与物理动态对象组合，结合物理模拟器与视频扩散模型生成轨迹，实现高保真、物理一致的4D场景。

MilliVid: Hierarchical Latents for Long-Range Consistency in Video Generation

MilliVid: 用于视频生成中长程一致性的分层潜变量

Ishaan Preetam Chandratreya, David Charatan, Basile Van Hoorick, Sergey Zakharov, Vitor Guizilini, Phillip Isola, Vincent Sitzmann

机构 * Massachusetts Institute of Technology（麻省理工学院） ； Toyota Research Institute（丰田研究所） 纠错

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

AI总结 提出一种多尺度token空间的粗到细展开方法，通过预训练层次化自编码器压缩帧为多层token，并训练视频扩散模型生成这些token，在保持几何和物体持久性长程一致性的同时降低计算开销。

Comments Ishaan Preetam Chandratreya and David Charatan contributed equally. Project page: https://davidcharatan.com/millivid/

Leveraging NeRF-Rendered Images for 3D Gaussian Splatting

利用NeRF渲染图像进行3D高斯泼溅

Mizuki Morikawa, Yuta Shimizu, Chunyu Li, Yusuke Monno, Masatoshi Okutomi

机构 * Institute of Science Tokyo（东京科学研究所） 纠错

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

AI总结 提出利用NeRF渲染图像辅助3DGS训练，通过去除瞬态物体和生成鸟瞰视图，结合扩散增强，在保持3DGS速度的同时提升街景渲染质量。

Comments ICIP 2026

CHROMA: Detecting AI-Generated Images through Inter-Channel Color-Space Correlations

CHROMA: 通过通道间色彩空间相关性检测AI生成图像

Juan Pablo Sotelo, Marina Gardella, Pablo Musé

机构 * Instituto de Ingeniería Eléctrica, Facultad de Ingeniería, Universidad de la República, Montevideo, Uruguay（乌拉圭共和国大学工程学院电气工程研究所） ； Université Paris-Saclay, ENS Paris-Saclay, CNRS, Centre Borelli, Gif-sur-Yvette, 91190 France（巴黎萨克雷大学，巴黎萨克雷高等师范学校，法国国家科学研究中心，博雷利中心） 纠错

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

AI总结 提出利用通道间色彩相关性作为轻量级取证线索，通过增强RGB输入与相关性图，使用固定CNN骨干网络在有限计算预算下训练，有效区分真实与AI生成图像，并提升对未知生成器的鲁棒性。

Comments This manuscript has been accepted for publication at the 28th International Conference on Pattern Recognition (ICPR 2026). The final published version will appear in the Springer LNCS proceedings

CSFlow: Aligning Flow Matching with Human Contrast Sensitivity

CSFlow: 将流匹配与人类对比敏感度对齐

Malgorzata Galinska, Bart Pogodzinski, Jan Eric Lenssen

机构 * Max Planck Institute for Informatics, Saarland Informatics Campus（马克斯·普朗克信息学研究所，萨尔兰信息学园区） 纠错

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

AI总结 提出CSFlow加权方案，通过将人类对比敏感度函数与流匹配的迭代去噪步骤对齐，在傅里叶空间中引入软自回归结构，提升生成图像的视觉真实感，FID降低4.7%，Inception Score提升2.2%。

Learning to Solve Generative ODEs Beyond the Linear Span

学习求解生成式常微分方程：超越线性跨度

Sihyeon Kim, Seunghun Lee, Vikas Singh, Hyunwoo J. Kim

机构 * Korea University（高丽大学） ； KAIST（韩国科学技术院） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校） 纠错

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

AI总结 针对扩散和流生成模型中ODE求解器步数多的问题，提出SpanLift轻量神经求解器，通过空间残差算子增强标量系数更新，实现少步采样且不增加模型NFE，在多个任务上达到最先进性能。

Comments 12 pages, 7 figures

What Makes Video World Model Latents Action-Relevant: Prediction over Reconstruction

什么使视频世界模型潜在空间与动作相关：预测优于重建

Jewon Yeom, Hanseul Kim, Jeongjae Park, Sungmok Jung, Jaejin Lee, Taesup Kim

机构 * Graduate School of Data Science, Seoul National University（首尔大学数据科学研究生院） 纠错

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

AI总结 通过统一探针评估，发现动作相关结构主要由时间视频预训练驱动，而非像素重建保真度，其中视频预训练自监督编码器在视觉保真度和动作预测间取得最佳帕累托权衡。

NeuroAlign: Hierarchical Multimodal Fusion of Dynamic and Structural Neuroimaging for MCI Analysis

NeuroAlign: 用于MCI分析的动态与结构性神经影像的分层多模态融合

Xiongri Shen, Zhenxi Song, Jiaqi wang, Yi Zhong, Leilei Zhao, Chenqi Xu, Linling Li, Yichen Wei, Lingyan Liang, Demao Deng, Luping Song, Ping Luan, Ahmed M. Anter, Shuqiang Wang, Baiying Lei, Zhiguo Zhang

机构 * Department of Computer Science and Technology, Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）计算机科学与技术学院） ； School of Intelligence Science and Engineering, College of Artificial Intelligence, Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）人工智能学院智能科学与工程学院） ； School of Artificial Intelligence, Beijing University of Posts and Telecommunications（北京邮电大学人工智能学院） ； Guangdong Key Laboratory of Biomedical Measurements and Ultrasound Imaging, School of Biomedical Engineering, Shenzhen University Medical School, Shenzhen University（深圳大学医学部生物医学工程学院广东省生物医学测量与超声成像重点实验室） ； Department of Radiology, The People’s Hospital of Guangxi Zhuang Autonomous Region, Guangxi Academy of Medical Sciences（广西壮族自治区人民医院放射科，广西医学科学院） ； Shenzhen Sixth People’s Hospital (Nanshan Hospital), Huazhong University of Science and Technology Union Shenzhen Hospital（华中科技大学协和深圳医院（深圳市第六人民医院）） ； School of Basic Medical Sciences, Shenzhen University（深圳大学基础医学院） ； Egypt-Japan University of Science and Technology (E-JUST)（埃及日本科技大学） ； School of Biomedical Engineering, National-Regional Key Technology Engineering Laboratory for Medical Ultrasound, Guangdong Key Laboratory for Biomedical Measurements and Ultrasound Imaging, Shenzhen University Medical School（深圳大学医学部生物医学工程学院，国家地方联合医学超声关键技术工程实验室，广东省生物医学测量与超声成像重点实验室） 纠错

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

AI总结 提出NeuroAlign框架，通过双模态分层对齐和双域分层交互融合fMRI与DTI特征，实现MCI/SCD检测，并设计无梯度归因方法SAM进行特征分析。

DiffoR: A Unified Continuous Generative Framework for Universal Ordinal Regression

DiffoR：一种统一的连续生成框架用于通用序数回归

Hongxu Ma, Lin Wang, Chenghou Jin, Han Zhou, Jie Zhang, Xiaoyu Yang, Chunjie Chen, Jihong Guan, Shuigeng Zhou

机构 * Fudan University（复旦大学） ； Kuaishou Technology（快手科技） ； Shanghai University of Finance and Economics（上海财经大学） ； Tongji University（同济大学） 纠错

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

AI总结 提出DiffOR框架，将序数回归建模为连续生成任务，利用扩散模型通过迭代去噪恢复连续序数值，并设计双解耦策略（多尺度增量聚合与动态去噪感知）保留序数拓扑，在12个基准上超越现有方法。

Comments Accepted at KDD 2026

ForensicConcept: Transferable Forensic Concepts for AIGI Detection

ForensicConcept: 用于AIGI检测的可迁移取证概念

Menyanshu Zhou, Ziyin Zhou, Ke Sun, Yunpeng Luo, Jiayi Ji, Xiaoshuai Sun, Rongrong Ji

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(abstract)；分类 cs.CV

AI总结 提出ForensicConcept框架，通过Transformer归因定位关键补丁、构建概念码本并利用扩散特征对齐，实现AI生成图像检测中可迁移取证概念的提取与跨骨干网络迁移。

Comments Accepted by ICML 2026

FreeAnimate: Training-Free Human Image Animation with Preview-Guided Denoising

FreeAnimate: 基于预览引导去噪的无训练人体图像动画

Yuan Zeng, Yujia Shi, Zongqing Lu, QingMin Liao

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(abstract)；分类 cs.CV

AI总结 提出FreeAnimate框架，利用图像扩散模型内在能力实现无训练的人体图像动画，通过预览生成策略提供时序和结构先验，结合反演增强注意力和参考锚定自注意力模块，保证时序一致性和身份保持。

Comments Accepted to IEEE ICASSP 2026

When ratios fall: A dynamic approach to contingent convertibles

当比率下降：或有可转换债券的动态方法

Li Chen, Liang Wang, Weixuan Xia

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本研究针对或有可转换债券，构建纳入监管自由裁量权、幂转换方案等创新的双变量跳扩散模型，经案例验证可提升定价对冲表现并支持短期预测。

Comments 44 pages, 2 tables, 2 figures

Rough Volatility Across Assets

跨资产的粗糙波动率

Saad Mouti

专题命中 扩散模型 ：diffusion(abstract)

AI总结 该研究采用统一流程测算多类资产2010-2025年的波动率粗糙性，发现所有资产已实现波动率均具粗糙性，推导了相关二阶矩估计的均值回复污染公式，提出了粗糙波动率方法的适用失效分类体系。

Stochastic Pharmacokinetic Escape: A Field-Theoretic Approach to Fluctuation-Induced Tumor Relapse

随机药代动力学逃逸：一种基于场论的波动诱导肿瘤复发研究方法

Jose de Jesus Bernal-Alvarado, David Delepine, Georges Delepine

专题命中 扩散模型 ：diffusion(abstract)

AI总结 该研究针对经典数学肿瘤学忽略种群波动的缺陷，构建随机PK-PD场论揭示高剂量化疗下肿瘤微簇因种群噪声产生的随机药代动力学逃逸机制，推导节拍式给药等抑制条件并经临床数据验证。

Comments 25 pages, 11 figures

MatchingPolicy: Correspondence-Aware Policy Enables Cross-Object In-Context Learning

MatchingPolicy：具备对应感知能力的策略实现跨物体的上下文学习

Qijin She, Hanyang Yu, Zeming Li, Ping Tan

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

专题命中 扩散模型 ：diffusion(abstract)

AI总结 该研究提出MatchingPolicy框架，通过解耦演示-场景匹配与策略学习，结合视觉基础模型和两阶段匹配算法，在RLBench及真实操作任务上实现了跨物体的少样本泛化性能提升。

"If It Looks Like a User": Measuring Real-Time Moderation Effects via Social Media Simulation

“看起来像用户”：通过社交媒体模拟测量实时审核效果

Enrico Verdolotti, Gianluca Nogara, Luca Luceri, Silvia Giordano

专题命中 扩散模型 ：diffusion(abstract)

AI总结 该研究开发了校准后的SimSoM社交媒体模拟器，通过实验验证后发现静态审核会高估用户封禁效果，实时审核时补偿性转发会削弱低质量内容减少效果，为内容审核政策评估提供了基于模拟的框架。

Comments 15 pages, 4 figures, 2 tables. Accepted for presentation at the Social Simulation Conference (SSC) 2026

Arm-Aware Guided Dexterous Grasp Generation with Arm-Agnostic Grasp Models

感知机械臂的灵巧抓取生成：基于与机械臂无关的抓取模型

Yongyi Jia, Yongpeng Jiang, Kangchen Lv, Yi Ren, Mingrui Yu, Xiang Li

专题命中 扩散模型 ：diffusion(abstract)

AI总结 该研究提出一种感知机械臂的灵巧抓取生成框架，利用预训练的与机械臂无关的抓取模型，在6个场景的1万物体评估中，显著提升了高度约束场景下可行抓取的生成概率。

Deploying Frontier Agentic Technology in MOOSEnger, a Multiphysics-Capable AI Assistant

在多物理场AI助手MOOSEnger中部署前沿智能体技术

Zaid Abulawi, Mengnan Li, Guillaume Giudicelli, Yang Liu, Cody Permann

机构 * Texas A&M University (TAMU)（德克萨斯农工大学） ； Idaho National Laboratory (INL)（爱达荷国家实验室） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本研究为面向MOOSE框架的AI智能体MOOSEnger扩展本地托管模型管控层，经多类工程任务测试，MOOSEnger-GPT-5.2成功率达90%，凸显智能体管控层对多物理场仿真的支撑价值。

Temporal Graph Prototype-conditioned Conformal Prediction for Fraud Detection

面向欺诈检测的时序图原型条件共形预测

Xudong Chen, Shengbo Gong, Lu Cheng, Wei Jin

机构 * Emory University（埃默里大学） ； University of Illinois at Chicago（伊利诺伊大学芝加哥分校） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 针对时序图边级欺诈检测中现有共形预测器预测集低效的问题，提出ProtoCP框架，通过原型和邻域相对得分机制优化校准，在四个基准上实现目标覆盖率且预测集更小。

Comments Accpeted by KDD 2026

BERTopic-Virality Prioritisation: A Scalable Framework for Thematic and Comparative Analysis of COVID-19 and Monkeypox Misinformation on Twitter

BERTopic-病毒传播优先级框架：用于Twitter上COVID-19与猴痘错误信息的主题及对比分析的可扩展框架

Mkululi Sikosana, Sean Maudsley-Barton, Oluwaseun Ajao

机构 * Manchester Metropolitan University（曼彻斯特城市大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本研究提出BERTopic-VP框架，结合BERTopic与病毒传播优先级层，搭配混合错误信息检测模块，可高效分析Twitter上COVID-19与猴痘错误信息，能识别高影响力簇，支持监测预警。

Comments 21 pages, 3 figures, 12 tables. Preprint

Adoption of Generative AI in the Workplace: Increasing and Shifting the Balance of Productivity and Communication Activity

生成式AI在工作场所的应用：提升并转变生产力与沟通活动的平衡

Yulin Yu, Yan Chen, Rui Hu, Siddharth Suri, Scott Counts

专题命中 扩散模型 ：diffusion(abstract)

AI总结 该研究基于微软M365数据，用双重差分法发现，生成式AI应用后，高频用户生产力操作增21.2%、沟通操作增7.1%，推动工作向文档化转变，或提升效率、减少信息过载，但需避免削弱人际沟通与信息传播。

Spectral Saliency for Machine Unlearning

用于机器遗忘的光谱显著性

Cedar Site Bai, Amber Yijia Zheng, Raymond A. Yeh, Brian Bullins

机构 * Purdue University（普渡大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 该研究针对机器遗忘问题，受Muon启发提出光谱显著性遗忘（SSU）方法，通过对弱奇异分量设阈值更新，在图像分类器、扩散模型和LLM上验证了其有效性。

Does 1/2-Tsallis-INF Also Work Well for Best-Arm Identification?

1/2-Tsallis-INF 是否也能很好地用于最优臂识别？

Jingxin Zhan, Yuze Han, Zhihua Zhang

机构 * School of Mathematical Sciences, Peking University（北京大学数学科学学院） ； Center for Applied Statistics and School of Statistics, Renmin University of China（中国人民大学应用统计中心与统计学院） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 该研究探讨 1/2-Tsallis-INF 能否用于最优臂识别，通过构造 Lyapunov 函数得出其失败概率的多项式上下界，证明指数 2 本质紧。