Particle-Guided Diffusion for Gas-Phase Reaction Kinetics
Department of Computer and Information Science（计算机与信息科学系）；Linköping University（林雪平大学）；Department of Physics, Chemistry and Biology（物理、化学和生物系）
本文提出利用扩散模型进行物理引导采样，用于解决气相化学反应动力学问题，通过训练求解对流-反应-扩散方程的解，生成物理一致的浓度场并准确预测出口浓度。
2026-03-05 cs.AI cs.LG physics.chem-ph
SSIMBaD: Sigma Scaling with SSIM-Guided Balanced Diffusion for AnimeFace Colorization
Department of Computer Science（计算机科学系）；Seoul National University（首尔国立大学）
本文提出SSIMBaD扩散框架，通过sigma空间线性缩放SSIM感知退化，实现动漫人脸素描的自动着色，在像素精度和感知质量上超越现有方法并支持多样风格泛化。
2025-06-04 cs.AI cs.CV cs.GR
Drag-guided diffusion models for vehicle image generation
Toyota Research Institute（丰田研究院）；Massachusetts Institute of Technology（麻省理工学院）
针对扩散模型难以满足工程设计约束的问题，提出基于物理的引导方法，通过为Stable Diffusion添加拖拽引导，实现生成新型车辆图像的同时最小化预测拖拽系数。
2023-06-16 cs.CV cs.GR cs.LG
Trace and Pace: Controllable Pedestrian Animation via Guided Trajectory Diffusion
NVIDIA（英伟达）；Stanford University（斯坦福大学）；Carnegie Mellon University（卡内基梅隆大学）；Simon Fraser University（西蒙弗雷泽大学）；University of Toronto（多伦多大学）；Vector Institute（向量研究所）
本文提出一种结合引导式轨迹扩散模型与基于物理的人形控制器的闭环行人动画系统，支持通过路径点、速度和社交群体约束轨迹，并利用RL价值函数引导扩散以适应碰撞避免等特定场景。
2023-04-04 cs.CV cs.GR cs.LG
Self-Guided Diffusion Models
TNO（荷兰应用科学研究组织）；University of Amsterdam（阿姆斯特丹大学）
本文提出自引导扩散模型框架，利用自监督信号替代图像标注对，在多粒度上提供引导信号，实验表明其优于无引导模型甚至真实标签引导，且无需任何标签即可生成多样且语义一致的图像。
2023-11-27 cs.AI cs.CV cs.LG
PRedItOR: Text Guided Image Editing with Diffusion Prior
Adobe Applied Research（奥多比应用研究院）
扩散模型在生成高质量和创造性的文本图像方面表现出了卓越的能力。这种模型的一个有趣的应用是结构保持文本引导的图像编辑。现有的方法依赖于文本条件扩散模型，诸如稳定扩散或Imagen，并且需要文本嵌入的计算密集型优化或用于文本引导的图像编辑的模型权重的微调。我们探索文本引导的图像编辑与混合扩散模型（HDM）架构类似DALLE-2。我们的体系结构包括一个扩散先验模型，生成CLIP图像嵌入条件的文本提示和自定义潜空间扩散模型训练生成的图像条件的CLIP图像嵌入。我们发现，扩散先验模型可以用于在CLIP图像嵌入空间上执行文本引导的概念编辑，而无需任何微调或优化。我们将其与结构保持编辑的图像解码器使用现有的方法，如反向DDIM执行文本引导的图像编辑。我们的方法，PredItOR不需要额外的输入，微调，优化或目标，并显示出与基线相同或更好的结果。我们提供了进一步的分析和理解的扩散先验模型，并相信这开辟了新的可能性，在扩散模型的研究。
2023-03-20 cs.CV
Adaptive Diffusion Denoised Smoothing : Certified Robustness via Randomized Smoothing with Differentially Private Guided Denoising Diffusion
University of British Columbia, Vancouver, Canada（不列颠哥伦比亚大学）；ServiceNow Research（ServiceNow研究）
本文提出Adaptive Diffusion Denoised Smoothing方法，将引导去噪扩散模型重解释为自适应GDP机制序列，通过GDP隐私过滤器分析端到端鲁棒性，在ImageNet上针对$\ell_2$威胁模型同时提升了认证与标准准确率。
2025-07-10 cs.CR cs.CV cs.LG
Contextualized Diffusion Models for Text-Guided Image and Video Generation
Peking University（北京大学）；Stanford University（斯坦福大学）
针对现有扩散模型正向与反向过程不一致导致文本语义传达受限的问题，提出ContextDiff模型，通过将跨模态上下文引入正反向全过程调整轨迹，在文本生成图像与视频编辑任务上达到SOTA。
2024-06-04 cs.AI cs.CV cs.LG
SurGen: Text-Guided Diffusion Model for Surgical Video Generation
Stanford Medicine（斯坦福医学院）；Johns Hopkins University（约翰斯·霍普金斯大学）；Penn Medicine（宾夕法尼亚医学院）
本研究提出专为手术视频合成定制的文本引导扩散模型SurGen，其生成的视频在现有同类模型中分辨率最高、时长最长，实验证明该模型可作为外科实习生的有价值教育工具。
2024-09-24 cs.AI cs.CL cs.CV
GLIDE: Towards Photorealistic Image Generation and Editing with Text-Guided Diffusion Models
OpenAI（开放人工智能研究中心）
扩散模型最近已被证明可以生成高质量的合成图像，特别是当与指导技术配对以权衡多样性和保真度时。我们探讨了文本条件图像合成问题的扩散模型，并比较了两种不同的指导策略：CLIP指导和无分类器引导。我们发现，后者是首选的人类评价的真实感和标题相似性，并经常产生真实感的样本。使用无分类器引导的35亿参数文本条件扩散模型的样本比DALL-E的样本更受人类评估者的青睐，即使后者使用昂贵的CLIP重新排序。此外，我们发现，我们的模型可以进行微调，以执行图像修补，使强大的文本驱动的图像编辑。我们在过滤后的数据集上训练一个较小的模型，并在https://github.com/openai/glide-text2im上发布代码和权重。
2022-03-08 cs.CV cs.GR cs.LG
Structure-Guided Adversarial Training of Diffusion Models
Peking University（北京大学）
针对现有扩散模型训练忽略小批次内样本结构信息的问题，提出结构引导对抗训练方法SADM，通过结构判别器与生成器的极小极大博弈学习样本流形结构，在12个数据集的图像生成等任务上刷新SOTA。
2024-03-04 cs.AI cs.CV cs.LG
Zero-Shot Contrastive Loss for Text-Guided Diffusion Image Style Transfer
Kim Jaechul Graduate School of AI（金在哲人工智能研究生院）；Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院（KAIST））
本文提出零样本对比损失方法，利用预训练扩散模型中的分块对比损失，在无需微调或辅助网络的情况下实现文本引导的图像风格迁移，并优于现有方法。
2023-04-12 cs.AI cs.CV cs.LG
Guided Diffusion Model for Adversarial Purification
Shanghai JiaoTong University（上海交通大学）；The Chinese University of Hong Kong（香港中文大学）；Shanghai AI Laboratory（上海人工智能实验室）
随着深度神经网络（DNN）在各种算法和框架中的广泛应用，安全威胁已成为人们关注的问题之一。对抗攻击干扰基于DNN的图像分类器，其中攻击者可以故意在输入图像上添加不可感知的对抗性扰动以欺骗分类器。在本文中，我们提出了一种新的净化方法，被称为引导扩散模型净化（GARCH），以帮助保护分类器免受对抗攻击。该方法的核心是将净化嵌入到去噪扩散概率模型（DDPM）的扩散去噪过程中，使其扩散过程可以用逐渐增加的高斯噪声来消除对抗性扰动，并且这两种噪声可以在引导去噪过程中同时去除。在我们对各种数据集进行的综合实验中，所提出的Gestival将对抗攻击引起的扰动减少到一个较浅的范围，从而显着提高分类的正确性。在CIFAR10数据集上，GARCH将鲁棒准确率提高了5%，在PGD攻击下达到90.1%。此外，Gandhi在具有挑战性的ImageNet数据集上实现了70.94%的鲁棒性。
2022-06-29 cs.AI cs.CV
DiffuSAM: Diffusion Guided Zero-Shot Object Grounding for Remote Sensing Imagery
Indian Institute of Technology Bombay（印度理工学院班加罗尔）
本文提出DiffuSAM，结合扩散模型与先进分割模型，提升遥感影像目标定位精度，实验显示在Acc@0.5上提升超14%。
2026-04-20 cs.CV cs.LG
Dynamic VLM-Guided Negative Prompting for Diffusion Models
KAIST（韩国科学技术院）
我们提出了一种新的方法，利用视觉语言模型（VLM）的动态负提示扩散模型，在去噪过程中自适应地产生负提示。与使用固定否定提示的传统否定去噪方法不同，我们的方法在特定的去噪步骤生成中间图像预测，并查询VLM以生成上下文适当的否定提示。我们在各种基准数据集上评估了我们的方法，并展示了负指导强度和文本图像对齐之间的权衡。
2025-10-30 cs.AI cs.CV
Draw Your Art Dream: Diverse Digital Art Synthesis with Multimodal Guided Diffusion
Jilin University（吉林大学）
数字艺术合成由于能够有效地吸引公众参与艺术创作而在多媒体领域受到越来越多的关注。当前的数字艺术合成方法通常使用单一模态输入作为指导，从而限制了模型的表现力和生成结果的多样性。为了解决这个问题，我们提出了多模态引导艺术品扩散（MGAD）模型，这是一个基于扩散的数字艺术品生成方法，利用多模态提示作为指导，以控制无分类器的扩散模型。此外，对比语言图像预训练（CLIP）模型用于统一文本和图像模态。大量的实验结果的质量和数量的生成的数字艺术画确认的有效性的组合的扩散模型和多模式的指导。代码可在https://github.com/haha-lisa/MGAD-multimodal-guided-artwork-diffusion上获得。
2022-09-28 cs.CV
Diffusion Model Guided Sampling with Pixel-Wise Aleatoric Uncertainty Estimation
针对扩散模型缺乏图像质量定量评估的问题，提出在采样阶段利用扰动去噪分数方差估计逐像素任意不确定性，并以此引导采样，在 ImageNet 和 CIFAR-10 上改善低质样本过滤与 FID。
2024-11-29 cs.CV cs.LG stat.ML
Guided Diffusion Model for Adversarial Purification from Random Noise
Yuanpei College（元培学院）；Peking University（北京大学）
在本文中，我们提出了一种新的引导扩散净化方法，以提供一个强大的防御对抗攻击。在CIFAR-10数据集上，我们的模型在PGD-L_inf攻击（eps = 8/255）下达到了89.62%的鲁棒准确率。我们首先探讨无指导的扩散模型和随机平滑之间的基本相关性，使我们能够将模型应用于认证的鲁棒性。实验结果表明，当认证的L2半径r大于0.5时，我们的模型优于随机平滑5%。
2022-06-22 cs.CR cs.LG
Diffusion-based Image Translation using Disentangled Style and Content Representation
KAIST（韩国科学技术院）
基于扩散的图像翻译以语义文本或单个目标图像为指导，实现了不局限于特定领域的灵活风格转换。不幸的是，由于扩散模型的随机性质，在反向扩散期间通常难以保持图像的原始内容。为了解决这个问题，在这里，我们提出了一种新的基于扩散的无监督图像翻译方法，使用分离的风格和内容表示。具体来说，受拼接视觉Transformer的启发，我们从ViT模型中提取多头自注意层的中间密钥，并将其用作内容保存损失。然后，通过匹配来自去噪样本和目标图像的[CLS]分类标记来执行图像引导的风格转移，而额外的CLIP损失用于文本驱动的风格转移。为了进一步加速反向扩散过程中的语义变化，我们还提出了一种新的语义发散损失和恢复策略。我们的实验结果表明，该方法优于国家的最先进的基线模型在文本引导和图像引导的翻译任务。
2023-02-01 cs.AI cs.CV cs.LG
Marigold-DC: Zero-Shot Monocular Depth Completion with Guided Diffusion
ETH Zürich（苏黎世联邦理工学院）
Marigold-DC将深度补全重构为图像条件深度图生成，基于预训练潜在扩散模型并通过测试时优化注入稀疏深度引导，实现卓越的零样本泛化和极稀疏处理，证明单目深度先验能显著增强鲁棒性。
2025-09-14 cs.CV cs.LG
Uncovering the Generative Landscape of Diffusion Models: A Spectral-Guided Quality-Diversity Diffusion Framework
Imperial College London（帝国理工学院）；University of Coimbra（科英布拉大学）
该研究提出谱引导的质量-多样性扩散框架，将质量-多样性优化与扩散模型结合，通过h空间谱变异算子提升输出多样性，在文本到图像生成任务上的FID分数优于12个基线方法，实现了图像质量与多样性的良好平衡。
2026-10-14 cs.AI cs.LG
TruePose: Human-Parsing-guided Attention Diffusion for Full-ID Preserving Pose Transfer
Zhejiang University（浙江大学）；Alibaba Group（阿里巴巴集团）；Institute of High Performance Computing (IHPC)（高性能计算研究所）；Centre for Frontier AI Research (CFAR)（前沿人工智能研究中心）
TruePose提出人体解析引导的注意力扩散方法，通过孪生UNet、HPFA和CAA模块在姿态迁移中同时保持面部与服装外观，实验证明其优于13种基线方法。
2025-02-05 cs.AI cs.CV
Towards a unified framework for guided diffusion models
Department of Statistics, the Chinese University of Hong Kong, Hong Kong（香港中文大学统计学系）；Department of Statistics and Data Science, the Wharton School, University of Pennsylvania（宾夕法尼亚大学沃顿商学院统计学与数据科学系）
本文提出统一框架，通过引入奖励引导项提升扩散模型奖励表现，并首次理论化无分类器引导的性能指标。
2025-12-04 cs.LG math.ST stat.ML
Spectrally-Guided Diffusion Noise Schedules
Google Research（谷歌研究）
本文提出基于图像光谱特性设计实例特定噪声调度的方法，通过理论界限优化噪声级别，提升单阶段像素扩散模型生成质量，尤其在低步数情况下表现更佳。
2026-05-09 cs.CV cs.LG
Ontology-Guided Diffusion for Zero-Shot Visual Sim2Real Transfer
University of Stuttgart, Germany（斯图加特大学）
本文提出OGD框架，通过本体引导扩散模型实现零样本sim2real迁移，利用知识图谱和符号规划器提升图像真实感识别与生成效果。
2026-03-25 cs.AI cs.CV
HOG-Diff: Higher-Order Guided Diffusion for Graph Generation
HOG-Diff通过高阶拓扑引导和扩散桥梁，实现图生成的高阶拓扑结构捕捉，展示了方法在多样领域和大规模设置中的优越性能。
2026-03-12 cs.AI cs.LG cs.SI
FRIDU: Functional Map Refinement with Guided Image Diffusion
Technion - Israel Institute of Technology（技术学院-以色列理工学院）
本研究提出FRIDU方法，将函数映射视为二维图像，在函数空间训练扩散模型，推理时用逐点映射引导扩散以满足正交性等目标，性能达SOTA，为函数映射处理提供新路径。
2025-06-17 cs.CV cs.LG
Accelerating Guided Diffusion Sampling with Splitting Numerical Methods
VISTEC（泰国国家科技发展局维泰克学院）
引导扩散是一种用于在采样时间调节扩散模型的输出而不针对每个特定任务重新训练网络的技术。然而，扩散模型的一个缺点是其缓慢的采样过程。当将采样过程视为微分方程时，最近的技术可以通过将高阶数值方法应用于采样过程来加速无引导采样。相反，我们发现同样的技术不适用于引导采样，并且很少有人探索其加速。本文探讨了这个问题的罪魁祸首，并提供了一个基于算子分裂方法的解决方案，我们的关键发现，经典的高阶数值方法是不适合的条件函数。我们提出的方法可以重新利用高阶方法进行引导采样，并且可以在ImageNet 256上使用32-58%的采样时间生成与250步DDIM基线相同质量的图像。我们还演示了各种条件生成任务的使用，如文本到图像生成，着色，修复和超分辨率。
2023-01-27 cs.CV
LocRef-Diffusion:Tuning-Free Layout and Appearance-Guided Generation
MetaX
本文提出无需调优的LocRef-Diffusion模型，通过Layout-net和appearance-net分别控制实例位置与外观，在COCO和OpenImages上实现了布局与外观引导生成的最先进性能。
2024-11-22 cs.AI cs.CV
DVG-Diffusion: Dual-View Guided Diffusion Model for CT Reconstruction from X-Rays
Shenyang Institute of Automation, Chinese Academy of Sciences（中国科学院沈阳自动化研究所）；University of Chinese Academy of Sciences（中国科学院大学）；The University of Hong Kong（香港大学）
针对少视角2D X射线直接重建3D CT的难题，提出双视角引导扩散模型DVG-Diffusion，通过视角参数引导编码、双视角特征引导潜在扩散模型优化，实现重建保真度与感知质量的平衡，性能优于现有最优方法。
2025-03-22 cs.CV eess.IV
Particle-Guided Diffusion Models for Partial Differential Equations
Department of Computer and Information Science, Linköping University, Linköping, Sweden（计算机与信息科学系，林雪平大学，林雪平，瑞典）
提出一种粒子引导的随机采样方法，结合扩散模型与基于PDE残差和观测约束的物理引导，通过序贯蒙特卡洛框架实现可扩展的生成式PDE求解器，在多个基准和多物理场系统中数值误差低于现有方法。
2026-05-27 cs.LG
Towards Accurate Guided Diffusion Sampling through Symplectic Adjoint Method
National University of Singapore（新加坡国立大学）；ByteDance（字节跳动）
针对扩散模型免训练引导采样中早期干净图像单步估计不准导致引导偏差的问题，提出辛伴随引导SAG，通过n次函数调用估计干净图像并以辛伴随法高效准确求梯度，提升了图像和视频生成质量。
2023-12-19 cs.AI cs.CV
Text-guided Diffusion Model for 3D Molecule Generation
University of Science and Technology of China（中国科学技术大学）；National University of Singapore（新加坡国立大学）
针对现有分子生成模型仅支持单一属性条件、难以处理复杂文本定制的问题，研究提出融合语言与扩散模型的TextSMOG方法，通过文本引导3D小分子生成，提升了生成稳定性与多样性，可有效响应复杂文本定制需求。
2024-10-04 cs.AI cs.LG physics.chem-ph
Preference-Guided Diffusion for Multi-Objective Offline Optimization
TU Munich（慕尼黑技术大学）；Stanford University（斯坦福大学）；Helmholtz AI（海德堡人工智能研究所）；Gladstone Institutes（加利福尼亚大学旧金山分校格拉德石研究所）
本文提出基于偏好的扩散模型，用于生成多目标离线优化中的帕累托最优解，通过引入多样性感知的偏好引导，提升生成解的质量与分布性。
2025-12-17 cs.AI cs.LG
Prompt-guided Precise Audio Editing with Diffusion Models
Tencent AI Lab（腾讯AI实验室）；Beijing Institute of Technology（北京理工大学）
本文提出无需训练的通用模块PPAE，利用扩散模型交叉注意力图和分层局部-全局流水线，仅通过文本提示实现精确音频编辑。
2024-05-11 cs.AI cs.LG cs.SD
ColorEdit: Training-free Image-Guided Color editing with diffusion model
Zhejiang University（浙江大学）
本文提出了一种无需训练的图像引导颜色编辑方法ColorEdit，通过交叉注意力层的值矩阵对齐实现对象级颜色修改，并构建了首个颜色编辑基准COLORBENCH，在合成与真实图像上均优于现有方法。
2025-04-30 cs.AI cs.CV
DPM-Solver++: Fast Solver for Guided Sampling of Diffusion Probabilistic Models
Dept. of Comp. Sci. & Tech., Institute for AI, BNRist Center, THBI Lab（计算机科学与技术系，人工智能研究院，BNRist中心，THBI实验室）；Tsinghua-Bosch Joint ML Center, Tsinghua University, Beijing, 100084 China（清华大学-博世联合机器学习中心，清华大学，北京，100084中国）；Gaoling School of Artificial Intelligence, Renmin University of China（北京人工智能学院，中国人民大学）；Beijing Key Laboratory of Big Data Management and Analysis Methods, Beijing, China（北京大数据管理与分析方法重点实验室，北京，中国）
针对现有高阶扩散采样器在引导采样下不稳定、大引导尺度时速度慢于DDIM的问题，提出带阈值化和多步变体的高阶求解器DPM-Solver++，仅需15-20步即可为像素和潜空间DPM生成高质量引导采样样本。
2025-05-19 cs.CV cs.LG
EBDM: Exemplar-guided Image Translation with Brownian-bridge Diffusion Models
Yonsei University（延世大学）；NAVER LABS（NAVER实验室）；Korea Institute of Science and Technology (KIST)（韩国科学技术研究院）
本文提出EBDM方法，将示例引导图像翻译建模为随机布朗桥扩散过程，通过Global Encoder等三个组件提取示例风格，在仅依赖示例条件下实现稳健的结构控制图像翻译，性能优于现有方法。
2024-10-13 cs.AI cs.CV
Gradient-Guided Conditional Diffusion Models for Private Image Reconstruction: Analyzing Adversarial Impacts of Differential Privacy and Denoising
School of Computer and Big Data, Minjiang University（闽江学院计算机与大数据学院）；School of Information, Renmin University of China（中国人民大学信息学院）；RMIT University（皇家墨尔本理工大学）；Victoria University（维多利亚大学）
本研究提出两种梯度引导的条件扩散模型方法，无需先验知识即可从带差分隐私噪声的梯度重建私有图像，并通过理论分析与实验验证了噪声、模型架构与重建能力的关系，为隐私风险审计提供新方向。
2024-11-05 cs.AI cs.CV
TexFusion: Synthesizing 3D Textures with Text-Guided Image Diffusion Models
NVIDIA（英伟达）；University of Toronto（多伦多大学）；Vector Institute（矢量研究所）
提出TexFusion，一种利用潜在扩散模型在不同2D视图上采样并聚合去噪预测以生成共享潜在纹理图的新方法，实现了高效、高质量且全局连贯的文本引导3D纹理合成，无需依赖真实3D纹理训练。
2023-10-20 cs.CV cs.LG
Enhanced Low-Density Region Exploration in Classifier-Guided Diffusion Models Through Modified Reverse Diffusion Sampling
University of Allahabad（阿拔斯大学）
提出一种无需额外训练的采样时间密度感知方法，通过修改分类器梯度引导轨迹朝向低置信区域并引导采样朝向预测真实图像，以增强扩散模型对低密度区域的探索。
2026-06-12 cs.LG
Face Animation with an Attribute-Guided Diffusion Model
Beihang University（北京航空航天大学）；Shenzhen Institutes of Advanced Technology, University of Chinese Academy of Sciences（中国科学院大学深圳先进技术研究院）；Zhongguancun Laboratory（中关村实验室）
针对GAN人脸动画易扭曲伪影的问题，提出属性引导扩散模型框架FADM，通过AGCN融合外观与运动条件引导扩散过程，有效纠正伪影并丰富面部细节。
2023-04-06 cs.CV
DiffusionGAN3D: Boosting Text-guided 3D Generation and Domain Adaptation by Combining 3D GANs and Diffusion Priors
Alibaba Group（阿里巴巴集团）
针对文本引导3D人像生成与域适应存在的灵活性差、不稳定等问题，提出结合3D GAN与扩散先验的DiffusionGAN3D框架，通过多模块设计提升生成质量与效率。
2024-04-12 cs.CV
Perceptual Similarity guidance and text guidance optimization for Editing Real Images using Guided Diffusion Models
Shandong University（山东大学）
针对扩散模型图像编辑时修改图与源图差异大的问题，提出结合文本引导优化与感知相似性引导的双引导方法，实现编辑区域真实且未编辑区域高保真的图像编辑效果。
2023-12-09 cs.CV
CLIP-guided Diffusion Model for Backdoor Generation in Sensor-based Human Activity Recognition
提出IMU-DM-CLIP方法，利用扩散模型生成带后门的合成数据，以10%注入率和10%引导数据成功攻击HAR模型。
2026-06-23 cs.AI cs.CR cs.LG
GLIDE: Graph-guided Leap Inference for Diffusion Estimation of Spatio-Temporal Point Processes
University of Electronic Science and Technology of China（电子科技大学）
提出GLIDE框架，利用多尺度历史图编码和双流架构作为条件，结合先验引导的跳跃推理机制，实现高效且准确的时空点过程下一个事件建模与预测。
2026-05-31 cs.LG
EditShield: Protecting Unauthorized Image Editing by Instruction-guided Diffusion Models
Zhejiang University of Technology（浙江工业大学）；University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Lehigh University（理海大学）
针对指令引导扩散模型的未经授权图像编辑问题，提出EditShield方法，通过添加不可感知扰动改变潜在表示，使模型生成不真实图像，实验证明其在多种设置下有效且鲁棒。
2024-07-17 cs.CR cs.CV
Custom-Edit: Text-Guided Image Editing with Customized Diffusion Models
Seoul National University（首尔国立大学）；NAVER AI Lab（NAVER人工智能实验室）
本文提出Custom-Edit方法，通过少量参考图像定制扩散模型并结合增强提示进行文本引导编辑，在保持源图像相似性的同时显著提升参考相似性。
2023-05-25 cs.CV
Self-Supervised Selective-Guided Diffusion Model for Old-Photo Face Restoration
Beijing University of Posts and Telecommunications（北京邮电大学）；Nanjing University of Science and Technology（南京理工大学）
针对老照片人脸修复中破损、褪色和模糊等复合退化问题，提出自监督选择性引导扩散模型SSDiff，利用伪参考人脸和分阶段监督实现区域选择性修复，并构建VintageFace基准，在感知质量、保真度和区域可控性上优于现有方法。
2025-10-14 cs.CV
Text-Guided Molecule Generation with Diffusion Language Model
Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）；University of Chinese Academy of Sciences（中国科学院大学）
本文提出TGM-DLM，利用两阶段扩散语言模型更新SMILES token嵌入，在文本引导下生成有效分子，无需额外数据即超越MolT5-Base，推动药物发现。
2024-02-20 cs.AI cs.CE cs.CL
Manifold-Guided Lyapunov Control with Diffusion Models
University of Waterloo（滑铁卢大学）
本文提出一种基于扩散模型的方法，通过识别预定流形最近的渐近稳定向量场并调整控制函数，为动力学生成稳定控制器，实现了快速零样本控制与泛化。
2024-03-26 cs.CV cs.LG math.DG
Jointly Conditioned Diffusion Model for Multi-View Pose-Guided Person Image Synthesis
Nanjing University of Science and Technology, China（南京理工大学，中国）；NExT++ Research Centre, National University of Singapore, Singapore（NExT++研究中心，新加坡国立大学）
针对单参考视角姿态引导人物图像生成存在纹理缺失、跨视角交互不足的问题，本文提出联合条件扩散模型JCDM，通过APM和JCI模块融合多视角先验，实现了SOTA的生成保真度与跨视角一致性。
2025-11-19 cs.CV
Bone-conduction Guided Multimodal Speech Enhancement with Conditional Diffusion Models
Signal Processing Group, University of Hamburg, Germany（汉堡大学信号处理组）
本文提出一种基于条件扩散模型的多模态语音增强框架，通过整合骨传导传感器与空气传导麦克风，有效提升极端噪声环境下的语音增强性能。
2026-01-18 cs.LG cs.SD eess.AS
DS-Diffusion: Data Style-Guided Diffusion Model for Time-Series Generation
Harbin Institute of Technology（哈尔滨工业大学）；National Key Laboratory of Smart Farm Technologies and Systems（智慧农场技术与系统全国重点实验室）
提出DS-Diffusion，利用风格引导核避免重训，结合时间分层去噪减少分布偏差，提升生成质量与可解释性。
2025-09-24 cs.LG
