Multi-Scale Diffusion: Enhancing Spatial Layout in High-Resolution Panoramic Image Generation
Zhejiang University(浙江大学)
本文提出多尺度扩散(MSD)框架,利用梯度下降将低分辨率结构信息融入高分辨率输出,解决了高分辨率全景图生成中空间布局不一致的问题,显著提升了生成连贯性。
2025-04-06 cs.CV
Enhancing Fetal Plane Classification Accuracy with Data Augmentation Using Diffusion Models
School of Engineering and Informatics University of Sussex(工程与信息学院 英国 Sussex 大学)
本文针对超声图像数据稀缺问题,提出利用扩散模型生成合成图像进行数据增强,并通过先合成后真实微调的训练策略提升胎儿平面分类精度。
2025-07-03 cs.CV
Diffusion Prism: Enhancing Diversity and Morphology Consistency in Mask-to-Image Diffusion
Clemson University(克莱姆森大学);Stevens Institute of Technology(史蒂文斯理工学院)
针对低熵稀疏输入下扩散模型生成多样性不足的问题,提出无需训练的Diffusion Prism框架,借助少量人工噪声辅助去噪,在保留形态特征的同时生成多样真实样本,在纳米枝晶等场景表现优于现有可控扩散模型,具备多领域应用潜力。
2025-01-11 cs.CV eess.IV
LDM-ISP: Enhancing Neural ISP for Low Light with Latent Diffusion Models
The Hong Kong University of Science and Technology(香港科技大学)
针对极弱光下RAW图像增强难题,提出LDM-ISP方法,通过轻量级驯服模块将RAW信息注入预训练潜在扩散模型的UNet中间特征,分解任务为潜在空间低频生成与解码高频维护,实验证明其性能优于强基线。
2025-04-18 cs.CV
Enhancing Low Back Pain Assessment with Diffusion Models for Lumbar Spine MRI Segmentation
ETH Zürich(苏黎世联邦理工学院);Swiss Institute of Bioinformatics (SIB)(瑞士生物信息学研究所)
本研究提出SpineSegDiff扩散框架,基于SPIDER数据集实现腰椎MRI的语义分割,性能接近nnUnet,可提升退化椎间盘识别,不确定性图助力临床审查,有望增强下腰痛的诊断与管理。
2026-08-06 cs.CV
Comparative Analysis of Generative Models: Enhancing Image Synthesis with VAEs, GANs, and Stable Diffusion
Huddersfield University(哈德斯菲尔德大学)
本文对比分析VAEs、GANs、Stable Diffusion三类生成模型的优劣,探索结合Grounding DINO与Grounded SAM优化Stable Diffusion的图像精度,为场景选型和后续研究提供参考。
2024-08-16 cs.CV eess.IV
Enhancing Image Layout Control with Loss-Guided Diffusion Models
University of Toronto(多伦多大学);Ecomtent
本研究针对扩散模型的图像空间布局控制问题,提出结合两类免训练注意力约束方法的策略,证明二者互补,联合使用可提升控制性能。
2024-09-16 cs.CV cs.GR cs.LG
Enhancing Diffusion Face Generation with Contrastive Embeddings and SegFormer Guidance
University of Surrey, UK(英国萨里大学)
本文提出在小规模 CelebAMask-HQ 数据集上评估扩散模型的人脸生成基准,主要贡献是引入 InfoNCE 损失和 SegFormer 分割编码器,显著提升了有限数据下属性引导生成的语义对齐与可控性。
2025-08-13 cs.CV
LLM-grounded Diffusion: Enhancing Prompt Understanding of Text-to-Image Diffusion Models with Large Language Models
UC Berkeley(加州大学伯克利分校);UCSF(加州大学旧金山分校)
本文提出LLM-grounded Diffusion,通过LLM生成带标题边界框的场景布局,再由控制器引导现成扩散模型完成布局定位生成,显著提升复杂提示理解与图像生成准确率。
2024-03-04 cs.CV
Calibri: Enhancing Diffusion Transformers via Parameter-Efficient Calibration
MSU(莫斯科国立大学);FusionBrain Lab, AXXX(FusionBrain实验室,AXXX)
本文通过深入分析去噪过程,提出Calibri方法,通过引入单个学习缩放参数提升DiT性能,优化校准以提高生成质量,减少推理步骤并保持高质量输出。
2026-07-30 cs.CV
StyleBlend: Enhancing Style-Specific Content Creation in Text-to-Image Diffusion Models
Shenzhen University(深圳大学);Visual Computing Research Center(视觉计算研究中心)
针对文本到图像扩散模型中难以同时对齐文本提示与特定艺术风格的问题,提出StyleBlend方法,通过分解风格为构图和纹理并采用双分支合成策略,实现文本对齐且风格一致的内容生成,解决了文本错位和风格弱表示问题。
2025-02-13 cs.CV
Group Diffusion: Enhancing Image Generation by Unlocking Cross-Sample Collaboration
University of California, Los Angeles(加州大学洛杉矶分校);University of Wisconsin–Madison(威斯康星大学麦迪逊分校);Adobe Research(Adobe研究)
组扩散通过解锁跨样本协作机制,提升图像生成质量,实现32.2%的FID改进。
2025-12-11 cs.CV
Understanding Diffusion Models: A Unified Perspective
Google Research(谷歌研究院)
扩散模型作为生成模型已经显示出令人难以置信的能力;事实上,它们为当前最先进的文本条件图像生成模型(如Imagen和DALL-E 2)提供动力。在这项工作中,我们审查,揭秘,并统一的理解扩散模型在变分和分数为基础的观点。我们首先推导出变分扩散模型(VDM)作为马尔可夫分层变分自编码器的一个特殊情况下,其中三个关键的假设,使易处理的计算和可扩展的优化ELBO。然后,我们证明,优化VDM归结为学习神经网络预测三个潜在的目标之一:从任何任意噪声化的原始源输入,从任何任意噪声化的输入,或在任何任意噪声水平的噪声化输入的得分函数的原始源噪声。然后,我们深入研究学习得分函数的意义,并通过Tweedie公式将扩散模型的变分视角与基于得分的生成建模视角显式连接起来。最后,我们将介绍如何通过指导使用扩散模型学习条件分布。
2022-08-25 cs.CV cs.LG
Noise Diffusion for Enhancing Semantic Faithfulness in Text-to-Image Synthesis
Beijing Normal University(北京师范大学);University of Chinese Academy of Sciences(中国科学院大学);University of Manchester(曼彻斯特大学);The Chinese University of Hong Kong, Shenzhen(香港中文大学(深圳));Tsinghua University(清华大学)
本文提出利用大型视觉-语言模型引导初始噪声潜变量优化,通过噪声扩散过程增强文本到图像合成的语义保真度,并在多种扩散模型上验证了有效性。
2025-10-27 cs.CV
Enhancing Multi-Class Anomaly Detection via Diffusion Refinement with Dual Conditioning
Tencent Youtu Lab(腾讯优图实验室)
针对单类别模型泛化不足及特征重建易复制异常、结果模糊的问题,本文提出结合扩散模型与 transformer 的双重条件图像修复框架,并通过时空融合提升多类别异常检测性能。
2024-07-02 cs.CV
Enhancing Privacy-Utility Trade-offs to Mitigate Memorization in Diffusion Models
School of Computer Science, Faculty of Engineering, The University of Sydney, Australia(悉尼大学计算机科学学院,工程学院);School of Physics, Mathematics and Computing, The University of Western Australia, Australia(西澳大学物理、数学与计算学院);Center for Research in Computer Vision, University of Central Florida, USA(佛罗里达中央大学计算机视觉研究中心)
提出PRSS方法,通过提示重锚定和语义提示搜索改进扩散模型的无分类器引导,在缓解记忆化的同时优化隐私-效用权衡,实现新最先进性能。
2025-04-25 cs.CV
Enhancing Fourier-based Doppler Resolution with Diffusion Models
Cognitive Radar Methods, Fraunhofer FHR(弗劳恩霍夫高频物理与雷达技术研究所,认知雷达方法)
本文利用扩散模型生成网络,在零填充FFT基础上细化距离-多普勒图,提升多普勒分辨率,有效分离紧密间隔目标,克服传统FFT局限。
2025-05-23 cs.CV eess.SP
CorrFill: Enhancing Faithfulness in Reference-based Inpainting with Correspondence Guidance in Diffusion Models
National Yang Ming Chiao Tung University(国立阳明交通大学);National Taiwan University(国立台湾大学);NVIDIA(英伟达);MediaTek Inc.(联发科股份有限公司)
本文提出无需训练的 CorrFill 模块,通过修复时估计的对应约束、自注意力掩码和输入张量更新,增强扩散修复对参考图像几何关系的忠实性,并提升多种基线及 SOTA 方法性能。
2025-01-04 cs.CV
Enhancing Monocular 3D Scene Completion with Diffusion Model
Australian National University(澳大利亚国立大学)
提出 FlashDreamer,利用预训练视觉语言模型生成提示并引导扩散模型从单张图像生成多视角图像,融合实现无需训练的单目 3D 场景完整重建。
2025-03-02 cs.AI cs.CV cs.GR
What Appears Appealing May Not be Significant! -- A Clinical Perspective of Diffusion Models
Indian Institute of Technology Guwahati(古瓦哈提印度理工学院)
针对临床场景下扩散模型生成的合成图像视觉效果好但临床意义难评估的问题,该研究探索了不同病理合成息肉图像临床意义的评估策略及定性结果与临床相关性的关联。
2024-07-14 cs.CV
PiCo: Enhancing Text-Image Alignment with Improved Noise Selection and Precise Mask Control in Diffusion Models
Nanjing University of Aeronautics and Astronautics(南京航空航天大学)
PiCo 提出一种免训练方法,通过噪声选择模块筛选适合目标文本的随机噪声,并利用参考掩码模块精确调制交叉注意力,从而提升复杂文本提示下的文本-图像对齐效果。
2025-05-06 cs.CV
Enhancing Perceptual Quality in Video Super-Resolution through Temporally-Consistent Detail Synthesis using Diffusion Models
University of Milano-Bicocca(米兰比可卡大学);Universitat Autònoma de Barcelona(巴塞罗那自治大学)
提出StableVSR,基于扩散模型并引入时间调节模块和双向采样策略,在视频超分辨率中合成时间一致细节,提升感知质量并优于现有方法。
2024-07-16 cs.CV
Enhancing Semantic Fidelity in Text-to-Image Synthesis: Attention Regulation in Diffusion Models
National University of Singapore(新加坡国立大学)
针对扩散模型交叉注意力过度集中于少数 token 导致语义失真的问题,提出无需训练、可即插即用的推理期注意力调控方法,在多数据集和模型上以更低开销提升文本-图像语义一致性。
2024-03-11 cs.CV
Enhancing Diffusion-Based Image Synthesis with Robust Classifier Guidance
Technion(以色列理工学院)
去噪扩散概率模型(DDPM)是近年来出现的一类具有最新研究成果的生成模型。为了获得类条件生成,建议通过来自时间依赖分类器的梯度来引导扩散过程。虽然这个想法在理论上是合理的,但基于深度学习的分类器容易受到基于梯度的对抗攻击的影响。因此,虽然传统的分类器可以实现良好的准确性分数,但它们的梯度可能是不可靠的,并且可能阻碍生成结果的改进。最近的工作发现,对抗性强的分类器表现出与人类感知一致的梯度,这些可以更好地引导生成过程,使其生成语义有意义的图像。我们利用这一观察定义和训练的时间依赖的adversarially强大的分类器,并使用它作为指导的生成扩散模型。在极具挑战性和多样性的ImageNet数据集上进行的实验中,我们的方案引入了更易于理解的中间梯度,与理论研究结果更好地对齐,以及在几个评估指标下改进的生成结果。此外,我们还进行了一项意见调查,其结果表明人类评分者更喜欢我们方法的结果。
2023-03-15 cs.CV cs.LG
RealDeal: Enhancing Realism and Details in Brain Image Generation via Image-to-Image Diffusion Models
University of Virginia(弗吉尼亚大学)
针对潜在扩散模型生成脑部 MRI 过于平滑、缺乏解剖细节与采集噪声的问题,本文提出 RealDeal 图像到图像扩散框架,并结合 FID、LPIPS 及噪声、锐度和纹理指标验证其真实感增强效果。
2025-07-24 cs.CV cs.LG eess.IV
Mask, Stitch, and Re-Sample: Enhancing Robustness and Generalizability in Anomaly Detection through Automatic Diffusion Models
Technical University of Munich(慕尼黑工业大学);Helmholtz Center Munich(慕尼黑亥姆霍兹中心);Imperial College London(伦敦帝国理工学院);King’s College London(伦敦国王学院)
本文提出AutoDDPM方法,通过扩散模型生成异常似然图并与原图联合噪声重采样,实现异常区域替换与健康组织保留,从而增强医学影像异常检测的鲁棒性和泛化能力。
2023-05-31 cs.AI cs.CV eess.IV
EpiDiff: Enhancing Multi-View Synthesis via Localized Epipolar-Constrained Diffusion
Beihang University(北京航空航天大学);Shanghai AI Laboratory(上海人工智能实验室);VAST
EpiDiff 通过在冻结扩散模型中插入轻量级极线注意力模块,利用极线约束实现相邻视图特征交互,在 12 秒内生成 16 张高质量多视图图像,并在多项质量指标上超越现有方法。
2024-04-02 cs.CV
SmartSpatial: Enhancing the 3D Spatial Arrangement Capabilities of Stable Diffusion Models and Introducing a Novel 3D Spatial Evaluation Framework
National Chengchi University(国立政治大学);Academia Sinica(中央研究院)
针对稳定扩散模型在3D空间排列上的不足,提出SmartSpatial方法,结合深度注入与注意力控制提升空间精度,并配套SmartSpatialEval评估框架,实验证明其显著优于现有方法。
2025-02-23 cs.AI cs.CV
Beyond Blur: A Fluid Perspective on Generative Diffusion Models
提出基于平流-扩散过程的新型PDE驱动腐败过程,通过GPU加速格子玻尔兹曼求解器实现,结合随机速度场诱导湍流,泛化现有PDE方法,提升生成图像多样性与质量,桥接流体动力学与深度生成建模。
2025-08-23 cs.CV cs.GR cs.LG
DiffusionXRay: A Diffusion and GAN-Based Approach for Enhancing Digitally Reconstructed Chest Radiographs
Indian Institute of Technology Bombay, India(印度理工学院班加罗尔学院);Qure.ai, India
DiffusionXRay通过结合扩散模型和GAN解决胸部X光影像质量退化问题,提升诊断价值。
2026-03-02 cs.CV
Diverse Diffusion: Enhancing Image Diversity in Text-to-Image Generation
Univ Gustave Eiffel(古斯塔夫·埃菲尔大学);CNRS(法国国家科学研究中心);LIGM(马恩拉瓦莱计算机科学实验室);INRIA(法国国家信息与自动化研究所);LRI(计算机科学基础实验室)
针对文本到图像生成缺乏多样性的问题,提出 Diverse Diffusion 无监督方法,通过在 Stable Diffusion 潜在空间中寻找彼此相距较远的向量来提升色彩、种族与性别等多维度多样性,为生成更具包容性和代表性的 AI 艺术图像提供了有效改进。
2023-10-19 cs.CV
Enhancing Zero-Shot Pedestrian Attribute Recognition with Synthetic Data Generation: A Comparative Study with Image-To-Image Diffusion Models
Universidad Autónoma de Madrid(西班牙马德里自治大学)
针对行人属性识别标注数据稀缺的问题,研究图像到图像扩散模型生成合成数据的关键参数影响,通过最优扩展方法丰富零样本数据集,实现4.5%的性能提升。
2025-09-02 cs.CV
Enhancing Hyperspectral Images via Diffusion Model and Group-Autoencoder Super-resolution Network
Alibaba(阿里巴巴)
针对高光谱图像超分辨率中光谱-空间关系建模难及扩散模型训练收敛慢、推理久的问题,提出 GAE 低维潜在编码框架并结合扩散模型构建 DMGASR,在多类数据集上实现优于现有方法的视觉与指标表现。
2024-02-27 cs.AI cs.CV
Dfilled: Repurposing Edge-Enhancing Diffusion for Guided DSM Void Filling
The Remote Sensing Technology Institute German Aerospace Center (DLR)(德国航空航天中心遥感技术研究所)
针对DSM空洞填充问题,提出Dfilled方法,利用边缘增强扩散和Perlin噪声掩码,重新利用深度各向异性扩散模型进行修复,在复杂特征处理上超越传统插值和深度学习方法。
2025-01-31 cs.CV
DiffPlace: Street View Generation via Place-Controllable Diffusion Model Enhancing Place Recognition
DiffPlace通过引入位置ID控制器,实现了位置可控的多视角图像生成,提升了视觉位置识别任务中的生成质量和训练支持。
2026-02-12 cs.CV cs.RO
Enhancing Diffusion-Based Quantitatively Controllable Image Generation via Matrix-Form EDM and Adaptive Vicinal Training
本文提出改进的CCDM框架iCCDM,结合矩阵形式EDM和自适应邻近训练,提升图像生成质量和采样效率。
2026-02-02 cs.CV cs.LG
Enhancing Scene Text Detectors with Realistic Text Image Synthesis Using Diffusion Models
Huazhong University of Science and Technology(华中科技大学)
本文提出基于扩散模型的DiffText文本图像生成流程,通过无缝融合前景文本与背景特征并减少拼写错误,以更少的文本实例生成逼真合成数据,有效提升各类场景文本检测器的性能。
2023-11-28 cs.CV
Diffusion as Reasoning: Enhancing Object Navigation via Diffusion Model Conditioned on LLM-based Object-Room Knowledge
State Key Laboratory of Robotics and Systems, Harbin Institute of Technology, Harbin 150001, China(机器人系统国家重点实验室,哈尔滨工业大学,哈尔滨);School of Mechanical and Aerospace Engineering, Nanyang Technological University, Singapore 639798, Singapore(机械与航空航天工程学院,南洋理工大学,新加坡)
针对ObjectNav长期目标推理中上下文关系与已知环境信息利用不足的问题,本文提出DAR,用条件扩散模型补全未知语义地图,并结合LLM房间常识引导分布,实验验证有效。
2025-06-06 cs.AI cs.CV
TwinDiffusion: Enhancing Coherence and Efficiency in Panoramic Image Generation with Diffusion Models
College of Computer Science and Technology, Zhejiang University(浙江大学计算机科学与技术学院)
TwinDiffusion 通过 Crop Fusion 和 Cross Sampling 两项创新,在无需训练的情况下提升全景图像生成的一致性与效率,实现无缝连贯的全景图生成。
2024-07-06 cs.CV
DDIL: Diversity Enhancing Diffusion Distillation With Imitation Learning
Qualcomm AI Research(高通人工智能研究部)
本文提出DDIL框架,通过模仿学习结合数据分布与学生分布训练,解决扩散蒸馏中的协变量偏移,提升生成多样性与稳定性,优于PD、LCM和DMD2等基线方法。
2025-03-29 cs.AI cs.CV cs.LG
Rethinking the Diffusion Model from a Langevin Perspective
Department of Mathematics, The Hong Kong University of Science and Technology(香港科技大学数学系)
本文从兰格罕视角系统整理扩散模型,提供更直观的解释,探讨ODE和SDE模型统一框架及扩散模型优于VAE的理论依据。
2026-04-12 cs.AI cs.CV cs.LG
Enhancing Image Aesthetics with Dual-Conditioned Diffusion Models Guided by Multimodal Perception
本文提出双监督图像美学增强模型DIAE,通过多模态感知和双分支监督框架提升图像美学质量与内容一致性。
2026-03-12 cs.CV
Diffscaler: Enhancing the Generative Prowess of Diffusion Transformers
Johns Hopkins University(约翰斯·霍普金斯大学);Stanford University(斯坦福大学)
针对扩散Transformer跨数据集生成能力拓展不足的问题,提出高效缩放策略DiffScaler,通过训练少量任务特定参数实现单模型多任务适配,性能接近全量微调且优于CNN类扩散模型。
2024-04-15 cs.CV
Debiasing Diffusion Model: Enhancing Fairness through Latent Representation Learning in Stable Diffusion Model
National Cheng Kung University(成功大学)
针对扩散图像生成模型继承数据集偏见且传统去偏依赖预定义敏感属性的问题,提出 DDM,利用指示器学习平衡潜在表示以增强公平性。
2025-03-16 cs.CV cs.CY cs.LG
Enhancing User-Centric Privacy Protection: An Interactive Framework through Diffusion Models and Machine Unlearning
Data61
本文提出一种交互式图像隐私保护框架,结合扩散模型在属性层修改图像并利用机器遗忘算法更新模型参数,在数据共享与模型发布阶段同时保护隐私,并在面部数据集上验证了其优于现有方法的效果。
2024-09-05 cs.CV
SUDO: Enhancing Text-to-Image Diffusion Models with Self-Supervised Direct Preference Optimization
FABU Inc.(FABU公司);Zhejiang University(浙江大学)
SUDO提出自监督直接偏好优化,结合像素级MSE损失与全局偏好学习,无需额外标注,显著提升文本到图像扩散模型的图像质量。
2025-04-20 cs.CV
Enhancing Diffusion Models for High-Quality Image Generation
本报告全面实现并优化了DDPMs和DDIMs,通过引入CFG、结合VAE的Latent Diffusion Models及噪声调度策略提升生成能力,实验证明DDIM + CFG在CIFAR-10和ImageNet-100上实现了更快推理与更优图像质量。
2024-12-19 cs.AI cs.CV cs.LG
Enhancing Photogrammetric Digital Surface Models with Pretrained Diffusion Models and Multimodal Conditioning
Thales(泰雷兹集团);Centre National d’Études Spatiales (CNES)(法国国家空间研究中心)
本研究提出利用预训练扩散模型,结合摄影测量DSM与Pléiades影像的多模态条件,精化卫星立体摄影测量生成的高程模型,显著降低密集城区高程误差。
2026-09-28 cs.CV eess.IV
SV4D 2.0: Enhancing Spatio-Temporal Consistency in Multi-View Video Diffusion for High-Quality 4D Generation
Stability AI;Northeastern University(东北大学)
SV4D 2.0通过改进网络架构、数据、训练策略和4D优化,增强了多视角视频扩散的时空一致性,在动态3D生成中显著提升细节和4D一致性。
2025-03-25 cs.CV
JIGMARK: A Black-Box Approach for Enhancing Image Watermarks against Diffusion Model Edits
Northeastern University(东北大学);Virginia Tech(弗吉尼亚理工大学);Netflix(网飞公司);Eyeline Studios(Eyeline工作室);University of California, Los Angeles(加州大学洛杉矶分校);Princeton University(普林斯顿大学)
针对图像水印易受扩散模型编辑破坏且梯度信息难以获取的问题,本文提出黑盒水印方法 JIGMARK,通过对比学习增强鲁棒性,并引入 HAV 分数量化编辑衍生图像,显著超越现有方案。
2024-06-06 cs.CV cs.MM
StarVid: Enhancing Semantic Alignment in Video Diffusion Models via Spatial and SynTactic Guided Attention Refocusing
提出即插即用、免训练的StarVid方法,利用LLM进行两阶段轨迹规划作为空间先验引导交叉注意力重聚焦,并结合句法引导对比约束增强运动与主体绑定,显著提升了多主体组合场景下T2V模型的语义对齐与视频质量。
2025-03-03 cs.AI cs.CV
Enhancing Label-efficient Medical Image Segmentation with Text-guided Diffusion Models
Agency for Science, Technology and Research (A*STAR)(新加坡科技研究局);Institute of High Performance Computing (IHPC)(高性能计算研究所)
针对扩散模型医学图像分割依赖大量像素标注的问题,提出TextDiff模型,结合诊断文本与预训练扩散模型的中间激活,仅训练少量模块增强语义表征,在少样本场景下性能优于现有多模态分割方法。
2024-07-07 cs.CV eess.IV
DiffSLT: Enhancing Diversity in Sign Language Translation via Diffusion Model
Yonsei University(延世大学)
提出DiffSLT无gloss手语翻译框架,利用扩散模型和引导融合模块增强视觉条件,变体DiffSLT-P引入伪gloss减少模态差距,在两个数据集上显著提升多样性和翻译性能。
2024-11-26 cs.CV
FedDM: Enhancing Communication Efficiency and Handling Data Heterogeneity in Federated Diffusion Models
University of California, Davis(加利福尼亚大学戴维斯分校);University of South Florida(南佛罗里达大学)
FedDM提出面向扩散模型的联邦训练框架,含多种算法处理数据异构并量化更新,在多个数据集上提升通信效率至4倍,但FID略有增加。
2024-07-20 cs.CV cs.DC cs.LG