A Diffusion Process on Riemannian Manifold for Visual Tracking
专题命中 视频扩散模型 ：long video(abstract)；分类 cs.CV
AI 大模型
视频大模型
视频理解、视频生成、视频语言模型和时序视觉推理。
1. 视频扩散模型 1299 篇
Convergence of Diffusion Models Under the Manifold Hypothesis in High-Dimensions
高维流形假设下扩散模型的收敛性
专题命中 视频扩散模型 ：video generation(abstract)
AI总结 该研究在流形假设下证明 DDPM 的分数学习和采样复杂度均实现与高维 ambient 空间维度无关的速率，通过建立扩散模型与高斯过程极值理论的新框架完成，解释了其经验成功。
Zellige: Moldable Sequence Placement for Mixed Image-Video DiT Training
Zellige：用于混合图像-视频DiT训练的可塑序列放置
专题命中 视频扩散模型 ：video generation(abstract)
AI总结 Zellige是一种可塑序列放置系统，通过硬件分析器、两阶段规划器和合并注意力引擎解决混合图像-视频DiT训练的GPU序列放置问题，在多GPU环境下性能优于KnapFormer。
DSTAR: Accelerating Diffusion Transformers via Spatial and Temporal Redundancy Reduction
DSTAR：通过减少空间和时间冗余加速扩散变换器
专题命中 视频扩散模型 ：video generation(abstract)
AI总结 研究针对扩散变换器多迭代推理低效耗能问题，提出软硬件协同设计框架DSTAR。算法上用细粒度混合精度量化和稀疏注意力重用机制，架构上设计专用硬件加速器，经评估在多个典型DiTs上实现显著延迟加速和节能，且不降低精度。
Comments Accepted to the 59th IEEE/ACM International Symposium on Microarchitecture (MICRO 2026)
Pretrained Video Models as Differentiable Physics Simulators for Urban Wind Flows
预训练视频模型作为可微物理模拟器用于城市风流
机构 * ETH Zurich（苏黎世联邦理工学院） ； Tel Aviv University（特拉维夫大学） ； TU Darmstadt（达姆施塔特工业大学）
专题命中 视频扩散模型 ：video diffusion(abstract)
AI总结 本文提出WinDiNet，一种预训练视频扩散模型，用于快速模拟城市风流，通过反向传播优化建筑布局以提升风安全性和行人舒适度。
Flow-DPPO: Divergence Proximal Policy Optimization for Flow Matching Models
Flow-DPPO：用于流匹配模型的散度近端策略优化
机构 * Xi’an Jiaotong University（西安交通大学） ； Tencent Hunyuan（腾讯混元） ； National University of Singapore（新加坡国立大学）
专题命中 视频扩散模型 ：video generation(abstract)
AI总结 针对流匹配模型中PPO比率裁剪的结构性缺陷，提出Flow-DPPO方法，利用高斯策略的精确KL散度计算实现散度近端约束，提升奖励和训练稳定性。
Unleashing Infinite Motion: Scaling Expressive Quadrupedal Motion via Generative Video Priors
释放无限运动：通过生成式视频先验扩展富有表现力的四足运动
机构 * Amap, Alibaba Group（高德，阿里巴巴集团）
专题命中 视频扩散模型 ：video diffusion(abstract)
AI总结 提出Uni-Mo全自动流水线，利用LLM和视频扩散模型生成四足机器人运动数据，通过身份一致性损失提取3D轨迹，训练真实机器人跟踪策略，并发布包含7488个语言标注运动的数据集。
Pulse: Training Acceleration for Large Diffusion Models with Automatic Pipeline Parallelism
Pulse: 面向大规模扩散模型的自动流水线并行训练加速
专题命中 视频扩散模型 ：video generation(abstract)
AI总结 提出PULSE自动流水线并行策略，通过将跳跃连接层同设备放置、局部缓存激活值，消除跨流水线通信，结合动态规划分区器、ILP调度合成器和混合并行调优器，在通信受限硬件上实现最高2.3倍吞吐提升。
Comments Accepted by International Conference on Distributed Computing Systems(ICDCS'26)
AoiZora: Topology-Aware Auto-Parallel Optimization for Inference of Diffusion Transformers
AoiZora: 面向扩散变换器推理的拓扑感知自动并行优化
机构 * Rice University（里士大学） ； Independent Researcher（独立研究者） ； Google（谷歌）
专题命中 视频扩散模型 ：video diffusion(abstract)
AI总结 针对扩散变换器推理中的低延迟需求，提出AoiZora编译器，通过拓扑感知的物理布局优化自动并行策略，在TPU子片上实现高达1.42倍的加速。
Toward Richer Material Generation via Procedural Data Enhancement
通过程序化数据增强实现更丰富的材质生成
专题命中 视频扩散模型 ：video diffusion(abstract)
AI总结 提出一种程序化数据增强方法，将简单PBR材质的单瓣GGX镜面反射扩展为多层模型，以捕获更丰富的非漫反射效果，并通过神经材质编码和扩散模型生成实现更丰富的材质生成。
ImagineUAV: Aerial Vision-Language Navigation via World-Action Modeling and Kinodynamic Planning
ImagineUAV：通过世界-动作建模和动力学规划实现空中视觉语言导航
机构 * Pengcheng Laboratory（鹏城实验室） ； School of Computer Science and Cyber Engineering（计算机科学与网络工程学院） ； Guangzhou University（广州大学） ； Southern University of Science and Technology（南方科技大学）
专题命中 视频扩散模型 ：video diffusion(abstract)
AI总结 针对无人机视觉语言导航中几何不一致和动力学失配问题，提出基于潜视频扩散模型的世界-动作建模框架，通过生成未来观测推断6自由度运动并规划无碰撞轨迹，以1.3B参数在基准和实际飞行中超越先前方法。
Comments Video demo: https://www.youtube.com/watch?v=Ng1alP0yhc0
LLM-Guided Future Hypotheses for Horizon-Aware Exploration in Multi-Step Robot Manipulation
LLM引导的未来假设用于多步机器人操作中的视野感知探索
机构 * Institute of Artificial Intelligence, University of Bremen（人工智能研究所，不莱梅大学）
专题命中 视频扩散模型 ：video diffusion(abstract)
AI总结 提出未来经验条件化（FEC）框架，利用LLM生成短期未来视频作为结构化先验，结合行为克隆和强化学习微调，提升多步机器人操作中的探索和策略适应能力。
Diffusion and Flow Matching Models for Tabular Data: A Survey
表格数据的扩散与流匹配模型：综述
机构 * Great Bay University（大湾大学） ； Vrije Universiteit Amsterdam（阿姆斯特丹自由大学） ； LIACS, Leiden University（莱顿大学LIACS）
专题命中 视频扩散模型 ：video generation(abstract)
AI总结 本文系统综述了扩散模型和流匹配模型在表格数据生成、缺失值填补、可信数据生成和异常检测等任务中的应用，分析了数据工程挑战、设计选择、评估维度及开放问题。
Comments We substantially updated the previous version "Diffusion Models for Tabular Data: Challenges, Current Progress, and Future Directions" by including flow matching models for tabular data
WIND: Weather Inverse Diffusion for Zero-Shot Atmospheric Modeling
WIND：用于零样本大气建模的天气反向扩散
机构 * Munich Climate Center（慕尼黑气候中心） ； Earth System Modelling Group, TUM School of Engineering（地球系统建模组，技术大学工程学院） ； Design, Technical University of Munich, Germany（设计，慕尼黑技术大学，德国） ； ELLIS Unit, LIT AI Lab, Institute for Machine Learning, JKU Linz, Austria（ELLIS单元，LIT人工智能实验室，机器学习研究所，JKU林茨，奥地利） ； Emmi AI GmbH, Linz, Austria（Emmi AI GmbH，林茨，奥地利） ； Potsdam Institute for Climate Impact Research, Potsdam, Germany（波茨坦气候影响研究所，波茨坦，德国） ； Department of Mathematics, University of Exeter, Exeter, United Kingdom（数学系，埃克塞特大学，埃克塞特，英国）
专题命中 视频扩散模型 ：video diffusion(abstract)
AI总结 本文提出WIND，一种统一的预训练基础模型，能够无需任务特定微调即可替代各种任务的专用基线，通过自监督视频重建目标预训练，实现了对大气的鲁棒、任务无关的先验学习，从而解决天气和气候问题，如概率预报、空间时间降尺度、从稀疏观测重建空间场以及强制全球干空气质量守恒。
Comments Published at the 43rd International Conference on Machine Learning (ICML 2026)
SIPO: Stabilized and Improved Preference Optimization for Aligning Diffusion Models
SIPO: 用于对齐扩散模型的人类偏好优化的稳定与改进方法
机构 * Shanghai Science and Intelligence Institute, Shanghai, China（上海科学与智能研究所） ； Fudan University, Shanghai, China（复旦大学） ； Australian Institute for Machine Learning, The University of Adelaide（澳大利亚机器学习研究所，阿德莱德大学）
专题命中 视频扩散模型 ：video generation(abstract)
AI总结 本研究提出SIPO框架，通过时间步感知的重要性重新加权和梯度稳定技术，解决扩散模型对齐中训练不稳定和策略偏差问题，提升了对齐效果和稳定性。
Comments This version supplements with more detailed content on reasoning and proof, additional experimental results, and ablation studies
Action-to-Action Flow Matching
动作到动作流匹配
机构 * MARS Lab, Nanyang Technological University（南洋理工大学MARS实验室）
专题命中 视频扩散模型 ：video generation(abstract)
AI总结 本文提出A2A方法，通过利用前一动作的本体感知信息进行初始化，避免了随机噪声采样带来的高延迟问题，提升了动作生成的效率和鲁棒性。
Comments 20 pages, 19 figures
D-Rex : Diffusion Rendering for Relightable Expressive Avatars
D-Rex：基于扩散的可重新照明表达性人体虚拟角色
专题命中 视频扩散模型 ：video diffusion(abstract)
AI总结 D-Rex提出一种人特定框架，实现真实感、可重新照明、表达性和可动画化的全身体虚拟角色，通过图像空间后处理实现与虚拟角色建模的解耦，优于基于物理的可重新照明虚拟角色基线。
ABC: Any-Subset Autoregression via Non-Markovian Diffusion Bridges in Continuous Time and Space
ABC：通过非马尔可夫扩散桥实现连续时间和空间中的任意子集自回归
机构 * Stanford University（斯坦福大学）
专题命中 视频扩散模型 ：video generation(abstract)
AI总结 本文提出ABC模型，通过非马尔可夫扩散桥在连续时间和空间中实现任意子集的自回归，解决了传统方法在结构相似性捕捉、噪声注入和条件化任意子集方面的不足。
Mask World Model: Predicting What Matters for Robust Robot Policy Learning
遮罩世界模型：为鲁棒机器人策略学习预测重要的内容
机构 * Peking University, Beijing, China ； State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University ； Beijing Academy of Artificial Intelligence, Beijing, China ； National University of Singapore, Singapore ； The Hong Kong University of Science ； Nanjing University, Nanjing, China
专题命中 视频扩散模型 ：video diffusion(abstract)
AI总结 本文提出Mask World Model，通过预测语义遮罩而非像素，提升机器人策略学习的鲁棒性与泛化能力，实验证明其在仿真和现实任务中均优于现有方法。
Comments 16 pages,5 figures
Flow marching for a generative PDE foundation model
基于生成PDE基础模型的流推进
机构 * Department of Mechanical Engineering（机械工程系） ； Massachusetts Institute of Technology（麻省理工学院）
专题命中 视频扩散模型 ：video diffusion(abstract)
AI总结 本文提出Flow Marching算法，结合物理动力学误差分析，构建生成PDE基础模型，通过联合采样噪声和时间步长，学习统一速度场以减少长期漂移并实现不确定性感知的生成。同时引入P2VAE和FMT提升效率，实现大规模预训练。
Comments This work has been substantially expanded and superseded by arXiv:2602.11229
GENSERVE: Efficient Co-Serving of Heterogeneous Diffusion Model Workloads
GENSERVE：高效共服务异构扩散模型工作负载
专题命中 视频扩散模型 ：text-to-video(abstract)
AI总结 GENSERVE通过利用扩散过程的可预测性，优化共服务效率，解决异构工作负载下的延迟SLA问题，实验表明其在多种配置下将SLA达成率提升44%。
Flow Matching is Adaptive to Manifold Structures
流匹配适应于流形结构
机构 * Booth School of Business, University of Chicago（芝加哥大学布斯商学院） ； Department of Statistics, University of Michigan（密歇根大学统计系） ； Department of Mathematics, University of Maryland, College Park（马里兰大学帕克分校数学系）
专题命中 视频扩散模型 ：video generation(abstract)
AI总结 本文研究流匹配在流形支持下的收敛性，证明其在高维数据中适应数据几何并避免维度灾难。
ZEUS: Accelerating Diffusion Models with Only Second-Order Predictor
ZEUS：仅使用二阶预测器加速扩散模型
机构 * Department of Electrical and Computer Engineering, Duke University（杜克大学电气与计算机工程系） ； Department of Computer Science, Duke University（杜克大学计算机科学系） ； Department of Statistical Science, Duke University（杜克大学统计科学系）
专题命中 视频扩散模型 ：video generation(abstract)
AI总结 本文提出ZEUS方法，通过二阶预测器减少去噪器调用，结合交错方案稳定连续跳过，实现高效加速，提升速度-保真度性能，达到3.2倍端到端提速。
Advances in GRPO for Generation Models: A Survey
生成模型中GRPO的进展：综述
机构 * SJTU（上海交通大学） ； THU（清华大学） ； CUHK（香港大学）
专题命中 视频扩散模型 ：video generation(abstract)
AI总结 本文综述了流GRPO在生成模型中的应用与进展，探讨了方法论改进和跨模态扩展，强调其作为通用对齐框架的重要性及未来挑战。
Compositional Visual Planning via Inference-Time Diffusion Scaling
通过推理时扩散缩放进行组合式视觉规划
机构 * Georgia Institute of Technology（佐治亚理工学院） ； University of Michigan（密歇根大学）
专题命中 视频扩散模型 ：video diffusion(abstract)
AI总结 本文提出通过推理时扩散缩放进行组合式视觉规划，利用Tweedie估计强制边界一致，实现长时间范围的稳定规划。
DiTS: Multimodal Diffusion Transformers Are Time Series Forecasters
DiTS：多模态扩散变换器是时间序列预测器
机构 * School of Software, BNRist, Tsinghua University（软件学院、BNRist、清华大学）
专题命中 视频扩散模型 ：video generation(abstract)
AI总结 DiTS通过双流Transformer块处理时间序列的内生和外生变量依赖，实现高效生成预测。
Cosmos Policy: Fine-Tuning Video Models for Visuomotor Control and Planning
Cosmos Policy: 为视觉运动控制和规划微调视频模型
机构 * NVIDIA ； Stanford University（斯坦福大学）
专题命中 视频扩散模型 ：video generation(abstract)
AI总结 Cosmos Policy通过单阶段后训练将预训练视频模型转化为高效机器人策略，实现视觉运动控制与规划的先进性能。
Data-regularized Reinforcement Learning for Diffusion Models at Scale
大规模扩散模型中的数据正则化强化学习
机构 * Stanford University（斯坦福大学） ； NVIDIA ； Tsinghua University（清华大学）
专题命中 视频扩散模型 ：video generation(abstract)
AI总结 DDRL通过数据正则化方法提升扩散模型的奖励表现，有效缓解奖励黑客问题，实现高分辨率视频生成中的高人偏好和可扩展训练。
AnimaMimic: Imitating 3D Animation from Video Priors
AnimaMimic：从视频先验模仿3D动画
专题命中 视频扩散模型 ：video diffusion(abstract)
AI总结 AnimaMimic通过视频扩散模型学习的运动先验，实现静态3D网格的自动动画生成，结合物理模拟提升真实感，整合进标准动画流程。
Dream, Lift, Animate: From Single Images to Animatable Gaussian Avatars
机构 * ETH Zurich（苏黎世联邦理工学院） ； NVIDIA（英伟达） ； Chinese University of Hong Kong（香港中文大学）
专题命中 视频扩散模型 ：video diffusion(abstract)
Comments Accepted to 3DV 2026
