图像生成

Pointmap-Conditioned Diffusion for Consistent Novel View Synthesis

基于点图的扩散模型用于一致的新型视角合成

Thang-Anh-Quan Nguyen, Nathan Piasco, Luis Roldão, Moussab Bennehar, Dzmitry Tsishkou, Laurent Caraffa, Jean-Philippe Tarel, Roland Brémond

机构 * Noah’s Ark, Huawei Paris Research Center（Noah’s Ark，华为巴黎研究中心） ； COSYS, Gustave Eiffel University（COSYS，格拉夫-埃菲尔大学） ； LASTIG, IGN-ENSG, Gustave Eiffel University（LASTIG，IGN-ENSG，格拉夫-埃菲尔大学） 纠错

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

AI总结 PointmapDiff通过利用点图作为条件信号，结合预训练的2D扩散模型，实现城市驾驶场景中一致的新型视角合成，并能生成高质量结果。

Comments WACV 2026. Project page: https://ntaquan0125.github.io/pointmap-conditioned-diffusion

Enhancing diffusion models with Gaussianization preprocessing

通过高斯化预处理增强扩散模型

Li Cunzhi, Louis Kang, Hideaki Shimazaki

机构 * Graduate School of Informatics, Kyoto University（京都大学信息学研究生院） ； Neural Circuits and Computations Unit, RIKEN Center for Brain Science（脑科学研究所神经回路与计算单元） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)；image generation(abstract)

AI总结 通过高斯化预处理提升扩散模型的生成质量与效率

Comments 17 pages, 9 figures

STLDM: Spatio-Temporal Latent Diffusion Model for Precipitation Nowcasting

STLDM：用于降水现在预测的时空潜在扩散模型

Shi Quan Foo, Chi-Ho Wong, Zhihan Gao, Dit-Yan Yeung, Ka-Hing Wong, Wai-Kin Wong

机构 * The Hong Kong University of Science and Technology（香港科技大学） ； Hong Kong Observatory（香港天文台） 纠错

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

AI总结 STLDM通过结合变分自编码器和条件网络，提出了一种基于扩散的模型，用于提升降水现在预测的精度和效率。

Comments Accepted by TMLR. Camera-ready submission

NavDP: Learning Sim-to-Real Navigation Diffusion Policy with Privileged Information Guidance

NavDP: 基于特权信息引导的学习导航扩散策略

Wenzhe Cai, Jiaqi Peng, Yuqiang Yang, Yujian Zhang, Meng Wei, Hanqing Wang, Yilun Chen, Tai Wang, Jiangmiao Pang

机构 * Shanghai AI Lab（上海人工智能实验室） ； Tsinghua University（清华大学） ； Zhejiang University（浙江大学） ； The University of Hong Kong（香港大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 NavDP通过基于特权信息引导的学习方法，实现自主机器人在多样化环境中的零样本模拟到现实导航转移。

Comments Project Page: https://wzcai99.github.io/navigation-diffusion-policy.github.io/

Optimizing Decoding Paths in Masked Diffusion Models by Quantifying Uncertainty

通过量化不确定性优化掩码扩散模型的解码路径

Ziyu Chen, Xinbei Jiang, Peng Sun, Tao Lin

机构 * Zhejiang University（浙江大学） ； Westlake University（西湖大学） ； University of Chicago（芝加哥大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 通过引入去噪熵度量，优化掩码扩散模型的解码路径以提升生成质量与准确性。

Encrypted Traffic Detection in Resource Constrained IoT Networks: A Diffusion Model and LLM Integrated Framework

资源受限物联网网络中加密流量检测：扩散模型与大语言模型集成框架

Hongjuan Li, Hui Kang, Chenbang Liu, Ruolin Wang, Jiahui Li, Geng Sun, Jiacheng Wang, Shuang Liang, Shiwen Mao

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 DMLITE通过结合扩散模型和大语言模型，有效提升资源受限物联网网络中加密流量检测的准确率和效率。

Comments This paper is accepted by IEEE Transactions on Network Science and Engineering

Emotion Diffusion in Real and Simulated Social Graphs: Structural Limits of LLM-Based Social Simulation

现实与模拟社交图中的情感扩散：基于大语言模型的社会模拟的结构限制

Qiqi Qiang

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本研究比较了现实与模拟社交图中的情感扩散，发现LLM生成的数据在结构和动态上存在显著差异，影响下游任务性能。

Diffusion of rod-like particles in complex fluids

复杂流体中细长粒子的扩散

Władysław Sokołowski, Huma Jamil, Karol Makuch

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文通过线性响应理论，将粘度函数框架扩展到细长粒子，推导出其在复杂流体中的扩散系数表达式，并指出该方法适用于复杂液体但不适用于凝胶。

Comments 6 pages, 2 figures

LLaDA2.0: Scaling Up Diffusion Language Models to 100B

LLaDA2.0：将扩散语言模型扩展到100B参数

Tiwei Bie, Maosong Cao, Kun Chen, Lun Du, Mingliang Gong, Zhuochen Gong, Yanmei Gu, Jiaqi Hu, Zenan Huang, Zhenzhong Lan, Chengxi Li, Chongxuan Li, Jianguo Li, Zehuan Li, Huabin Liu, Lin Liu, Guoshan Lu, Xiaocheng Lu, Yuxin Ma, Jianfeng Tan, Lanning Wei, Ji-Rong Wen, Yipeng Xing, Xiaolu Zhang, Junbo Zhao, Da Zheng, Jun Zhou, Junlin Zhou, Zhanchao Zhou, Liwang Zhu, Yihong Zhuang

机构 * Ant Group（蚂蚁集团） ； Renmin University of China（中国人民大学） ； Zhejiang University（浙江大学） ； Westlake University（西湖大学） ； HongKong University of Science and Technology（香港科学与技术大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 LLaDA2.0通过三阶段块级训练方案将扩散语言模型扩展至100B参数，实现高效前沿规模部署。

Comments 19 pages

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

Haotian Ye, Kaiwen Zheng, Jiashu Xu, Puheng Li, Huayu Chen, Jiaqi Han, Sheng Liu, Qinsheng Zhang, Hanzi Mao, Zekun Hao, Prithvijit Chattopadhyay, Dinghao Yang, Liang Feng, Maosheng Liao, Junjie Bai, Ming-Yu Liu, James Zou, Stefano Ermon

机构 * Stanford University（斯坦福大学） ； NVIDIA ； Tsinghua University（清华大学） 纠错

专题命中 扩散模型 ：diffusion(title,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。

DiTSinger: Scaling Singing Voice Synthesis with Diffusion Transformer and Implicit Alignment

DiTSinger: 通过扩散变换器和隐式对齐扩展歌唱语音合成

Zongcai Du, Guilin Deng, Xiaofeng Guo, Xin Gao, Linke Li, Kaichang Cheng, Fubo Han, Siyu Yang, Peng Liu, Pan Zhong, Qiang Fu

机构 * Migu Music, China Mobile Communications Corporation, China（咪咕音乐，中国移动通信集团，中国） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 DiTSinger通过扩散变换器和隐式对齐机制实现高效且高保真的歌唱语音合成，解决了数据稀缺和模型扩展性问题。

Comments ICASSP26 under review. Demo page: https://nju-jet.github.io/DiTSinger

TimeBridge: Better Diffusion Prior Design with Bridge Models for Time Series Generation

TimeBridge: 通过桥模型改进扩散先验设计以实现时间序列生成

Jinseong Park, Seungyun Lee, Woojin Jeong, Yujin Choi, Jaewook Lee

机构 * Korea Institute for Advanced Study（韩国高级研究院） ； Seoul National University（首尔国立大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 TimeBridge通过桥模型改进扩散先验设计，提升时间序列生成的灵活性和性能。

Comments KDD 2026

Gradient Diffusion: Sensitivity-Matrix Co-Simulation Enables Activity Adaptation and Learnable Plasticity in Neural Simulators

梯度扩散：灵敏度矩阵协同模拟实现神经模拟器中的活动适应与可学习的可塑性

Lennart P. L. Landsmeer, Mario Negrello, Said Hamdioui, Christos Strydis

专题命中 扩散模型 ：diffusion(title)

AI总结 本文提出通过梯度扩散和灵敏度矩阵协同模拟，实现神经模拟器中活动适应与可学习可塑性，以提升脑模拟的灵活性和生物合理性。

PIS3R: Very Large Parallax Image Stitching via Deep 3D Reconstruction

PIS3R: 通过深度3D重建实现非常大的视差图像拼接

Muhua Zhu, Xinhao Jin, Chengbo Wang, Yongcong Zhang, Yifei Xue, Tie Ji, Yizhen Lao

机构 * Hunan University（湖南大学） ； Institut Pascal, Université Clermont Auvergne / CNRS（帕斯卡尔研究所，克莱蒙特-奥弗涅大学 / CNRS） 纠错

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

AI总结 PIS3R通过深度3D重建技术实现对大视差图像的高效拼接，保留几何完整性并提升下游3D视觉任务的应用能力。

AIAuditTrack: A Framework for AI Security system

AIAuditTrack：AI安全系统的框架

Zixun Luo, Yuhang Fan, Yufei Li, Youzhi Zhang, Hengyu Lin, Ziqi Wang

机构 * organization= Huazhong University of Science ； organization= Lingnan University ； organization= Centre for Artificial Intelligence ； Robotics (CAIR) Hong Kong Institute of Science \& Innovation, Chinese Academy of Sciences ； Tsinghua University ； Fujian Jiangxia University 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 AIAuditTrack通过区块链技术实现AI交互轨迹记录与治理，提供可扩展的AI安全审计与责任追溯方案。

Psychometric Validation of the Sophotechnic Mediation Scale and a New Understanding of the Development of GenAI Mastery: Lessons from 3,932 Adult Brazilian Workers

生成式人工智能（GenAI）中介量表的心理测量验证及对GenAI掌握发展的新理解：来自3932名巴西成人工作者的启示

Bruno Campello de Souza

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本研究通过心理测量验证了Sophotechnic Mediation量表，揭示了GenAI掌握发展的新理解，发现其与累积的GenAI经验及年龄因素相关。

Comments 35 pages, 28 Manuscript, Portuguese and English Versions of the Instrument in Annex

Turing-Turing Bifurcation and Normal Form in a Predator-Prey Model with Predator-Taxis and Prey Refuge

图灵-图灵分支和正常形式在具有捕食趋化和猎物庇护的捕食-被捕食模型中

Yehu Lv

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文研究了具有捕食趋化和猎物庇护的捕食-被捕食模型的图灵-图灵分支及其正常形式计算，通过理论分析和数值模拟验证了分支条件和动态特征。

Hydrogen trapping in sub-stoichiometric niobium and vanadium carbide precipitates in high-strength steels

氢在高强度钢中铌和钒碳化物亚化学计量沉淀中的捕获

Xiaohan Bie, Baihua Ren, Xiao Zhou, Salim Brahimi, Stephen Yue, Jun Song

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本研究通过第一性原理计算揭示了高强度钢中铌和钒碳化物亚化学计量沉淀中氢捕获与扩散的机制，为提高钢的抗氢致脆化能力提供理论支持。

Robustness of the Floquet-assisted superradiant phase and possible laser operation

Floquet辅助超辐射相的鲁棒性及可能的激光操作

Lukas Broers, Ludwig Mathey

专题命中 扩散模型 ：diffusion(abstract)

AI总结 该研究证明了Floquet辅助超辐射相在参数驱动耗散Dicke模型中的鲁棒性，并探讨了其在激光操作中的可行性。

ACD: Direct Conditional Control for Video Diffusion Models via Attention Supervision

ACD: 通过注意力监督实现视频扩散模型的直接条件控制

Weiqi Li, Zehao Zhang, Liang Lin, Guangrun Wang

机构 * Sun Yat-sen University（中山大学） ； Yonsei University（延世大学） ； Guangdong Key Laboratory of Big Data Analysis and Processing（广东大数据分析与处理重点实验室） ； X-Era AI Lab（X-Era人工智能实验室） 纠错

专题命中 可控生成 ：diffusion(title,abstract)；分类 cs.CV

AI总结 ACD通过注意力监督实现视频扩散模型的直接条件控制，引入稀疏3D-aware对象布局和专用布局控制网络，提升视频生成的可控性和一致性。

Pointwise explicit estimates for derivatives of solutions to linear parabolic PDEs with Neumann boundary conditions

关于线性抛物型PDE带Neumann边界条件的解的导数的点wise显式估计

C Ciccarella

专题命中 可控生成 ：diffusion(abstract)

AI总结 本文通过概率方法推导了具有Neumann边界条件的线性抛物型PDE解的导数显式点界，并应用于最优控制中的验证定理。

Stochastic Control Problems Motivated by Sailboat Trajectory Optimization

由帆船轨迹优化启发的随机控制问题

Carlo Ciccarella, Robert C. Dalang, Laura Vinckenbosch

专题命中 可控生成 ：diffusion(abstract)

AI总结 本文提出两个随机控制问题，旨在快速到达圆形迎风目标，通过分析帆船在随机风场中的运动模型，探讨了冲击控制与奇异控制的数学特性及解的存在性。

Comments 28 pages, 9 figures

FreeInpaint: Tuning-free Prompt Alignment and Visual Rationality Enhancement in Image Inpainting

FreeInpaint: 图像修复中无调优的提示对齐与视觉合理性增强

Chao Gong, Dong Li, Yingwei Pan, Jingjing Chen, Ting Yao, Tao Mei

专题命中 图像修复 ：inpainting(title,abstract)；text-to-image(abstract)；diffusion(abstract)；分类 cs.CV

AI总结 FreeInpaint通过无调优的扩散潜在特征优化方法，提升图像修复的提示对齐和视觉合理性。

Comments Accepted by AAAI 2026

Matrix Completion Via Reweighted Logarithmic Norm Minimization

通过加权对数范数最小化实现矩阵补全

Zhijie Wang, Liangtian He, Qinghua Zhang, Jifei Miao, Liang-Jian Deng, Jun Liu

专题命中 图像修复 ：inpainting(abstract)；分类 cs.CV

AI总结 本文提出加权对数范数作为低秩矩阵补全的非凸替代方法，通过ADMM实现高效优化，实验显示其在图像修复中优于现有方法。

A Turn Toward Better Alignment: Few-Shot Generative Adaptation with Equivariant Feature Rotation

迈向更好的对齐：基于等变特征旋转的少样本生成适应

Chenghao Xu, Qi Liu, Jiexi Yan, Muli Yang, Cheng Deng

机构 * Hohai university（河海大学） ； School of Electronic Engineering, Xidian University（西安电子科技大学电子工程学院） ； School of Computer Science and Technology, Xidian University（西安电子科技大学计算机科学与技术学院） ； Institute for Infocomm Research (I 2 R), A*STAR（信息通信研究院（I2R），A*STAR） 纠错

专题命中 个性化与一致性 ：image generation(abstract)；分类 cs.CV

AI总结 本文提出等变特征旋转（EFR）方法，通过自旋转代理特征空间实现源域与目标域的双层面对齐，有效提升少样本生成任务的性能。

Rethinking Direct Preference Optimization in Diffusion Models

重新思考扩散模型中的直接偏好优化

Junyong Kang, Seohyun Lim, Kyungjune Baek, Hyunjung Shim

专题命中 图像生成评测 ：diffusion(title,abstract)；text-to-image(abstract)；分类 cs.CV

AI总结 本文提出了一种改进扩散模型偏好优化的方法，通过稳定参考模型更新和时间步感知训练策略，提升模型在人类偏好评估中的性能。

Comments Accepted by SPIGM@NeurIPS 2025 and AAAI-26 (Oral)

Equilibrium investment under dynamic preference uncertainty

动态偏好不确定性下的均衡投资

Luca De Gennaro Aquino, Sascha Desmettre, Yevhen Havrylenko, Mogens Steffensen

专题命中 图像生成评测 ：diffusion(abstract)

AI总结 本文研究了在动态偏好不确定性下，通过一般均衡框架和扩展的哈密尔顿-雅可比-贝尔曼系统，分析了投资者的均衡投资策略，并提出了半显式的投资策略表示。

Variationally correct operator learning: Reduced basis neural operator with a posteriori error estimation

变分正确的算子学习：带有后验误差估计的降阶神经算子

Yuan Qiu, Wolfgang Dahmen, Peng Chen

机构 * School of Computational Science and Engineering（计算科学与工程学院） ； Georgia Institute of Technology（佐治亚理工学院） ； Department of Mathematics（数学系） ； University of South Carolina（南卡罗来纳大学） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出一种变分正确的降阶神经算子，通过FOSLS目标函数和后验误差估计提升PDE兼容性，实现高效准确的算子学习。

SA-DiffuSeq: Addressing Computational and Scalability Challenges in Long-Document Generation with Sparse Attention

SA-DiffuSeq：通过稀疏注意力解决长文档生成中的计算和可扩展性挑战

Alexandros Christoforos, Chadbourne Davis

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 SA-DiffuSeq通过稀疏注意力机制提升长文档生成的效率和可扩展性，有效降低计算成本并增强生成质量。

Comments Under submission