图像生成

DiffRegCD: Integrated Registration and Change Detection with Diffusion Features

DiffRegCD：集成注册与变化检测的扩散特征

Seyedehanita Madani, Rama Chellappa, Vishal M. Patel

机构 * Johns Hopkins University（约翰霍普金斯大学） 纠错

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

AI总结 DiffRegCD通过结合扩散特征与分类任务，实现统一的注册与变化检测，提升在复杂场景下的鲁棒性和精度。

Comments 10 pages, 6 figures. Accepted to WACV 2026

MusicInfuser: Making Video Diffusion Listen and Dance

MusicInfuser: 使视频扩散模型听音乐并跳舞

Susung Hong, Ira Kemelmacher-Shlizerman, Brian Curless, Steven M. Seitz

机构 * University of Washington（华盛顿大学） 纠错

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

AI总结 MusicInfuser通过调整预训练视频扩散模型，使视频能与指定音乐同步生成舞蹈，无需运动数据，训练高效且泛化能力强。

Comments Project page: https://susunghong.github.io/MusicInfuser

Estimating parameters of the diffusion model via asymptotic expansions

通过渐近展开估计扩散模型的参数

Konstantinos Kalimeris, Leonidas Mindrinos

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文通过渐近展开方法，提出了一种从单个测量数据估计热方程中扩散参数及其它相关参数的新方法，并在土壤科学中验证了其有效性。

Comments 20 pages, 6 figures, 5 tables

Beyond Next-Token Prediction: A Performance Characterization of Diffusion versus Autoregressive Language Models

超越单个令牌预测：扩散模型与自回归语言模型性能的对比分析

Minseo Kim, Coleman Hooper, Aditya Tomar, Chenfeng Xu, Mehrdad Farajtabar, Michael W. Mahoney, Kurt Keutzer, Amir Gholami

机构 * Seoul National University（首尔国立大学） ； University of California, Berkeley（加州大学伯克利分校） ； ICSI ； LBNL（劳伦斯伯克利国家实验室） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文比较了扩散模型与自回归语言模型在性能上的差异，发现DLMs在算术强度上占优但难以扩展，而ARMs在批量推理中表现更优。

Comments 11 pages, 5 figures

The principal eigenvalue of an age-structured operator with diffusion and advection: qualitative analysis and an application

具有扩散和对流的年龄结构算子的主特征值：定性分析及其应用

Hao Kang, Rui Peng, Maolin Zhou

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文研究了具有扩散和对流的年龄结构算子的主特征值行为，并将其应用于非线性年龄结构模型，探讨了扩散和对流对物种空间分布的影响。

Crossover Dynamics of Non-Fickian Ionic Diffusion in Solids

非弗ิก离子扩散在固体中的交叉动力学

Gangbin Yan, Pierfrancesco Ombrini, Zhichu Tang, Shakul Pathak, Maoyu Wang, Barbara Lavina, Alexandros Vasileiadis, Suin Choi, Mingzhan Wang, Dongchen Ying, Qizhang Li, Esen E. Alp, Hua Zhou, Martin Z. Bazant, Qian Chen, Marnix Wagemaker, Chong Liu

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 通过示踪交换研究揭示了非弗ิก离子扩散在固体中的交叉动力学，发现电子传输是电化学反应的速率限制步骤，并揭示了晶格力学对离子扩散的影响。

Diffusion Model-Based Posterior Sampling in Full Waveform Inversion

基于扩散模型的全波形反演后验采样

Mohammad H. Taufik, Tariq Alkhalifah

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出基于扩散模型的全波形反演后验采样方法，通过结合同时源FWI数据和无条件扩散先验，实现大规模调查中的高效校准后验推断。

On Approaches to Building Surrogate ODE Models for Diffusion Bridges

构建扩散桥梁的替代ODE模型的方法

Maria Khilchuk, Vladimir Latypov, Pavel Kleshchev, Alexander Hvatov

机构 * NSS Lab ITMO University（ITMO大学NSS实验室） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出SINDy-FM和DSBM-NeuralODE两种算法，通过替代模型提升扩散桥梁模型的效率和可解释性，适用于高斯传输和MNIST潜在翻译任务。

Pattern Formation Beyond Turing: Physical Principles of Mass-Conserving Reaction--Diffusion Systems

超越图灵模式：质量守恒反应-扩散系统的物理原理

Erwin Frey, Henrik Weyer

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出基于质量守恒反应-扩散系统的理论框架，研究细胞内蛋白质模式的形成机制，并以大肠杆菌Min蛋白系统为例，展示如何从生化细节中提取多尺度理论。

Comments 12 pages, 4 figures

Metastability of diffusion processes in narrow tubes

狭窄管域中扩散过程的亚稳态

Wen-Tai Hsu

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究狭窄管域中扩散过程的亚稳态行为，通过分析特征时间尺度和退出分布，揭示了其渐近性质及瓶颈效应下的逃逸机制。

Stability and bifurcation of 2D viscous primitive equations with full diffusion

二维粘性原始方程的稳定性与分支

Song Jiang, Quan Wang

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文研究了二维粘性原始方程在不同热力学 regime 下的稳定性与分支问题，揭示了临界温度差对系统动态转换的影响，并建立了非线性稳定性理论的数学基础。

Learning to Integrate Diffusion ODEs by Averaging the Derivatives

通过平均导数学习整合扩散ODEs

Wenze Liu, Xiangyu Yue

机构 * MMLab, The Chinese University of Hong Kong（中国香港大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出割线损失方法，通过学习ODE整合来提升扩散模型的推断速度和稳定性，实验表明其在CIFAR-10和ImageNet-256×256上取得良好效果。

Comments Accepted to NeurIPS 2025

State Combinatorial Generalization In Decision Making With Conditional Diffusion Models

决策中的状态组合泛化与条件扩散模型

Xintong Duan, Yutong He, Fahim Tajwar, Wen-Tse Chen, Ruslan Salakhutdinov, Jeff Schneider

机构 * Carnegie Mellon University（卡内基梅隆大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出利用条件扩散模型实现决策中的状态组合泛化，通过实验展示其在多环境中的优越性能。

Comments Accepted to Transactions on Machine Learning Research (TMLR), 2025

Current Fluctuations in One-Dimensional Diffusion-Reaction Systems via Tensor Networks

一维扩散-反应系统中电流波动的张量网络研究

Jiayin Gu

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 该研究利用张量网络分析一维扩散-反应系统中的电流波动，通过密度矩阵重正化群计算大型偏差函数，并发现反应对电流波动具有阻尼效应。

Comments Accepted for publication in Physical Review E

Enhancing Sample Efficiency and Exploration in Reinforcement Learning through the Integration of Diffusion Models and Proximal Policy Optimization

通过整合扩散模型和近端策略优化提升强化学习的样本效率和探索

Tianci Gao, Konstantin A. Neusypin, Dmitry D. Dmitriev, Bo Yang, Shengren Rao

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出PPO-DAP方法，通过整合扩散模型和近端策略优化，提升强化学习的样本效率和探索能力，有效改进了连续控制任务中的学习效率和性能。

A Schauder-Tychonoff fixed-point approach for nonlinear Lévy driven reaction-diffusion systems

非线性莱维驱动反应扩散系统的Schauder-tychonoff不动点方法

Erika Hausenblas, Michael A. Högele, Fahim Kistosil

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出了一种基于Schauder-Tychonoff不动点定理的随机方法，用于解决由莱维过程驱动的非线性反应扩散系统的问题。

HydroDiffusion: Diffusion-Based Probabilistic Streamflow Forecasting with a State Space Backbone

HydroDiffusion：基于状态空间框架的扩散式概率径流预测

Yihan Wang, Annan Yu, Lujun Zhang, Charuleka Varadharajan, N. Benjamin Erichson

机构 * Lawrence Berkeley National Laboratory（伯克利劳伦斯国家实验室） ； University of Oklahoma（俄克拉荷马大学） ； Cornell University（康奈尔大学） ； International Computer Science Institute（国际计算机科学研究所） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 HydroDiffusion是一种基于状态空间框架的扩散式概率径流预测模型，通过单次通过联合去噪多日轨迹，提升预测一致性与准确性，展现优于现有方法的预测能力。

Robust series linearization of nonlinear advection-diffusion equations

非线性对流-扩散方程的鲁棒级数线性化

T. Forrest Kieffer, Jakob Cupp, John S. Van Dyke, Paraj Titum, Michael L. Wall

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出了一种非线性对流-扩散方程的鲁棒级数线性化方法，通过级数展开分析了不同变形下的收敛性，并展示了在非微扰范围内的应用潜力。

Comments 23 pages, 12 figures, submitted to PRE

Hierarchical Task Offloading and Trajectory Optimization in Low-Altitude Intelligent Networks Via Auction and Diffusion-based MARL

低空智能网络中的分层任务卸载与轨迹优化：通过拍卖和基于扩散的MARL

Jiahao You, Ziye Jia, Can Cui, Chao Dong, Qihui Wu, Zhu Han

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出了一种基于拍卖和扩散的MARL方法，用于低空智能网络中的分层任务卸载与轨迹优化，以提升能耗效率和任务成功率。

An Operator-Consistent Graph Neural Network for Learning Diffusion Dynamics on Irregular Meshes

用于在不规则网格上学习扩散动力学的运算符一致图神经网络

Yuelian Li, Andrew Rushing Hands

机构 * Computational and Applied Mathematics, University of Chicago（应用数学与计算数学系，芝加哥大学） ； Computer Science, University of Chicago（计算机科学系，芝加哥大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出一种运算符一致的图神经网络，用于在不规则网格上稳定求解扩散动力学问题，提升预测精度并接近传统求解器性能。

Generative Stochastic Optimal Transport: Guided Harmonic Path-Integral Diffusion

生成随机最优传输：引导谐波路径积分扩散

Michael Chertkov

机构 * Applied Mathematics Graduate Interdisciplinary Program and Department of Mathematics, University of Arizona（应用数学研究生跨学科项目和数学系，亚利桑那大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 GH-PID通过引导谐波路径积分扩散方法，实现具有硬终端分布和软路径成本的随机最优传输，提供可解释的变分假设和高效的协议学习。

Comments 40 pages, 8 figures

Adaptive Path Integral Diffusion: AdaPID

自适应路径积分扩散：AdaPID

Michael Chertkov, Hamidreza Behjoo

机构 * Program in Applied Mathematics & Department of Mathematics, University of Arizona（应用数学项目及数学系，亚利桑那大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 AdaPID提出了一种自适应路径积分扩散方法，通过时间变化刚度的调度方案提升采样质量，适用于高斯混合目标的高效采样。

Comments 51 pages, 17 figures

Diffusion-Driven Inertial Generated Data for Smartphone Location Classification

基于扩散的惯性生成数据用于智能手机位置分类

Noa Cohen, Rotem Dror, Itzik Klein

机构 * The Hatter Department of Marine Technologies, University of Haifa, Israel（海洋技术系，海法大学，以色列） ； The Department of Information Systems, University of Haifa, Israel（信息系统系，海法大学，以色列） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出基于扩散模型的惯性生成数据方法，用于提升智能手机位置识别的训练数据质量，通过合成数据减少实际数据收集的负担。

TextGuider: Training-Free Guidance for Text Rendering via Attention Alignment

TextGuider: 通过注意力对齐实现文本渲染的无训练指导

Kanghyun Baek, Sangyub Lee, Jin Young Choi, Jaewoo Song, Daemin Park, Jooyoung Choi, Chaehun Shin, Bohyung Han, Sungroh Yoon

机构 * Interdisciplinary Program in Artificial Intelligence, Seoul National University（人工智能交叉学科项目，首尔国立大学） ； Department of Electrical and Computer Engineering, Seoul National University（电子与计算机工程系，首尔国立大学） ； Global Technology Research, Samsung Electronics（三星电子全球技术研究） ； AIIS, ASRI, INMC, ISRC, Seoul National University（AIIS、ASRI、INMC、ISRC、首尔国立大学） 纠错

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

AI总结 TextGuider通过注意力对齐实现文本渲染的无训练指导，提升文本生成的准确性和召回率。

Towards Unified Co-Speech Gesture Generation via Hierarchical Implicit Periodicity Learning

基于层次隐周期学习的统一语音同步手势生成

Xin Guo, Yifan Zhao, Jia Li

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

AI总结 本文提出基于层次隐周期学习的统一语音同步手势生成方法，通过周期自动编码器和级联指导技术提升手势生成的自然性和协调性。

Comments IEEE Transactions on Image Processing

Animus3D: Text-driven 3D Animation via Motion Score Distillation

Animus3D: 通过运动分数蒸馏实现文本驱动的3D动画

Qi Sun, Can Wang, Jiaxiang Shang, Wensen Feng, Jing Liao

机构 * City University of Hong Kong（香港城市大学） ； Central Media Technology Institute, Huawei（华为中央媒体技术研究院） 纠错

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

AI总结 Animus3D通过运动分数蒸馏技术实现文本驱动的3D动画生成，提升运动细节与视觉完整性。

Comments SIGGRAPH Asia 2025

Balanced conic rectified flow

平衡的锥形修正流

Shin Seong Kim, Mingi Kwon, Jaeseok Jeong, Youngjung Uh

机构 * Yonsei University（延世大学） 纠错

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

AI总结 本文提出一种结合真实图像的修正流方法，通过减少对生成数据的依赖，提升生成质量与稳定性。

Comments Main paper: 10 pages (total 40 pages including appendix), 5 figures. Accepted at NeurIPS 2025 (Poster). Acknowledgment: Supported by the NRF of Korea (RS-2023-00223062) and IITP grants (RS-2020-II201361, RS-2024-00439762) funded by the Korean government (MSIT)

Journal ref Proceedings of the 39th Annual Conference on Neural Information Processing Systems (NeurIPS 2025)

SneakPeek: Future-Guided Instructional Streaming Video Generation

SneakPeek: 基于未来的指导性视频生成

Cheeun Hong, German Barquero, Fadime Sener, Markos Georgopoulos, Edgar Schönfeld, Stefan Popov, Yuming Du, Oscar Mañas, Albert Pumarola

机构 * Meta Superintelligence Labs（Meta超智能实验室） ； Seoul National University（首尔国立大学） 纠错

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

AI总结 SneakPeek通过预测因果适应、未来引导自我强制和多提示条件，实现了基于未来的指导性视频生成，提高了时间一致性和可控性。

Generative Spatiotemporal Data Augmentation

生成性时空数据增强

Jinfan Zhou, Lixin Luo, Sungmin Eum, Heesung Kwon, Jeong Joon Park

机构 * University of Chicago（芝加哥大学） ； University of Michigan, Ann Arbor（安娜堡大学） ； DEVCOM Army Research Laboratory（陆军研究实验室） 纠错

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

AI总结 本文提出利用视频扩散模型生成时空数据以增强模型性能，尤其在数据稀缺情况下提升模型表现。

ArtGen: Conditional Generative Modeling of Articulated Objects in Arbitrary Part-Level States

ArtGen: 条件生成建模任意部分级状态的关节物体

Haowen Wang, Xiaoping Yuan, Fugang Zhang, Rui Jian, Yuanwei Zhu, Xiuquan Qiao, Yakun Huang

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

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

AI总结 ArtGen通过条件扩散框架生成任意部分级状态的关节3D物体，采用跨状态采样和思维链推理模块，提升运动学一致性与结构先验推断。