图像生成

EasyOmnimatte: Taming Pretrained Inpainting Diffusion Models for End-to-End Video Layered Decomposition

EasyOmnimatte：驯服预训练的修复扩散模型以实现端到端的视频分层分解

Yihan Hu, Xuelin Chen, Xiaodong Cun

机构 * GVC Lab, Great Bay University（大西洋湾大学GVC实验室） ； Adobe Research（Adobe研究院） 纠错

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

AI总结 EasyOmnimatte通过双专家策略实现端到端视频分层分解，利用Effect Expert和Quality Expert提升分解质量与效率。

Residual Prior Diffusion: A Probabilistic Framework Integrating Coarse Latent Priors with Diffusion Models

残差先验扩散：整合粗粒度潜在先验与扩散模型的概率框架

Takuro Kutsuna

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

AI总结 残差先验扩散通过整合粗粒度潜在先验与扩散模型，有效捕捉数据分布的细粒度细节并保持大型结构，提升生成质量。

Comments 40 pages

High-Fidelity and Long-Duration Human Image Animation with Diffusion Transformer

高保真长时长人类图像动画

Shen Zheng, Jiaran Cai, Yuansheng Guan, Shenneng Huang, Xingpei Ma, Junjie Cao, Hanfeng Zhao, Qiang Zhang, Shunsi Zhang, Xiao-Ping Zhang

机构 * Guangzhou Quwan Network Technology（广州 quirwan 网络技术公司） ； Tsinghua University（清华大学） 纠错

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

AI总结 本文提出基于扩散变压器的框架，通过混合引导信号和位置移适应模块，实现高保真长时长人类图像动画生成。

Diffusion Posterior Sampling for Super-Resolution under Gaussian Measurement Noise

在高斯测量噪声下用于超分辨率的扩散后验采样

Abu Hanif Muhammad Syarubany

机构 * Korea Advanced Institute of Science \& Technology (KAIST) Daejeon, South Korea 纠错

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

AI总结 本文提出了一种在高斯噪声下通过扩散后验采样实现超分辨率的方法，通过优化指导尺度和噪声水平提升重建质量，平衡先验与梯度强度以获得稳定高质量结果。

DiverseGRPO: Mitigating Mode Collapse in Image Generation via Diversity-Aware GRPO

DiverseGRPO: 通过多样性感知的GRPO缓解图像生成中的模式崩溃

Henglin Liu, Huijuan Huang, Jing Wang, Chang Liu, Xiu Li, Xiangyang Ji

机构 * Tsinghua University（清华大学） ； Kling Team, Kuaishou Technology（快手科技 Kling 团队） ； Shenzhen Campus of Sun Yat-sen University（中山大学深圳校区） 纠错

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

AI总结 DiverseGRPO通过引入分布性创造力奖励和结构感知正则化，提升图像生成的多样性与质量平衡。

Comments Project Page: https://henglin-liu.github.io/DiverseGRPO/

Diffusion in Rugged Energy Landscapes in the Presence of Spatial Correlations : A Surprising Route to Zwanzig's Mean-Field Prediction

在存在空间相关性的情况下，粗糙能量景观中的扩散：一个令人惊讶的通往Zwanzig平均场预测的路线

Biman Bagchi

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出统一理论框架，阐明空间相关性如何重塑粗糙度并恢复平均场扩散，同时揭示不相关无序对Zwanzig理论的破坏作用。

Physics-informed Diffusion Models for Multi-scale Prediction of Reference Signal Received Power in Wireless Networks

基于物理信息的扩散模型用于无线网络中参考信号接收功率的多尺度预测

Xiaoqian Qi, Haoye Chai, Yue Wang, Zhaocheng Wang, Yong Li

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出Channel-Diff框架，通过物理信息条件扩散模型实现无线网络中参考信号接收功率的多尺度预测，提升预测精度与模型可迁移性。

Investigation of Numerical Diffusion in Aerodynamic Flow Simulations with Physics Informed Neural Networks

利用物理信息神经网络研究气动流动模拟中的数值扩散

Alok Warey, Taeyoung Han, Shailendra Kaushik

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文研究了使用物理信息神经网络在气动流动模拟中是否产生数值扩散，发现其能准确模拟流体方向的迎风法，具有提升求解器精度的潜力。

UltraShape 1.0: High-Fidelity 3D Shape Generation via Scalable Geometric Refinement

UltraShape 1.0：通过可扩展的几何细化实现高保真的3D形状生成

Tanghui Jia, Dongyu Yan, Dehao Hao, Yang Li, Kaiyi Zhang, Xianyi He, Lanjiong Li, Yuhan Wang, Jinnan Chen, Lutao Jiang, Qishen Yin, Long Quan, Ying-Cong Chen, Li Yuan

机构 * Shenzhen Graduate School, Peking University（北京大学深圳研究生院） ； The Hong Kong University of Science（香港科学大学） ； National University of Singapore（新加坡国立大学） ； S-Lab, Nanyang Technological University（南洋理工大学S实验室） 纠错

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

AI总结 UltraShape 1.0通过可扩展的几何细化方法实现高质量3D形状生成，采用两阶段流程提升几何质量，支持公开数据集的精细化处理。

Comments 14 pages, 10 figures, Technical Report,

Analyzing the Mechanism of Attention Collapse in VGGT from a Dynamics Perspective

从动力学角度分析VGGT中注意力崩溃的机制

Huan Li, Longjun Luo, Yuling Shi, Xiaodong Gu

机构 * Huazhong University of Science and Technology（华中科技大学） ； Guangdong University of Technology（广东工业大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

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

AI总结 VGGT中注意力崩溃现象从动力学角度进行数学解释，揭示token特征流收敛规律及token合并方法对延迟崩溃的作用。

Comments 8 pages, 4 figures

Generative Multi-Focus Image Fusion

生成式多焦点图像融合

Xinzhe Xie, Buyu Guo, Bolin Li, Shuangyan He, Yanzhen Gu, Qingyan Jiang, Peiliang Li

机构 * State Key Laboratory of Ocean Sensing & Ocean College, Zhejiang University（海洋传感国家重点实验室与海洋学院，浙江大学） ； Donghai Laboratory（东海实验室） ； Hainan Institute, Zhejiang University（海南学院，浙江大学） ； Hainan Provincial Observatory of Ecological Environment and Fishery Resource in Yazhou Bay（三亚市生态环境与渔业资源省级观测站） 纠错

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

AI总结 本文提出GMFF框架，通过确定性融合和生成式修复两个阶段，实现高效多焦点图像融合，解决边缘伪影问题并提升实际应用性能。

Towards Deeper Emotional Reflection: Crafting Affective Image Filters with Generative Priors

迈向更深层次的情感反思：基于生成先验的富有情感的图像滤镜

Peixuan Zhang, Shuchen Weng, Jiajun Tang, Si Li, Boxin Shi

机构 * School of Artificial Intelligence, Beijing University of Posts and Telecommunications（北京邮电大学人工智能学院） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院） ； State Key Laboratory of Multimedia Information Processing and National Engineering Research Center of Visual Technology, School of Computer Science, Peking University（北京大学多媒体信息处理国家重点实验室和视觉技术国家工程研究中心） 纠错

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

AI总结 本文提出AIF任务，通过生成先验提升图像情感表达，实现更深层次的情感反思。

From In Silico to In Vitro: Evaluating Molecule Generative Models for Hit Generation

从计算机模拟到体外：评估分子生成模型用于命中生成

Nagham Osman, Vittorio Lembo, Giovanni Bottegoni, Laura Toni

机构 * University College London（伦敦大学学院） ； University of Urbino Carlo Bo（乌尔比诺卡尔洛·博大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文评估分子生成模型在命中生成中的有效性，通过实验验证其在药物发现流程中的应用潜力及局限性。

Journal ref NeurIPS 2025 AI for Science Workshop

Revealing the transient ionization dynamics and mode-coupling mechanisms of helicon discharge through a self-consistent multiphysics model

通过自洽多物理模型揭示回旋放电的瞬态离子化动力学及模式耦合机制

Jing-Jing Ma, Lei Chang, Ming-Yang Wu, Hua Zhou, Yi-Wei Zhang, Ilya Zadiriev, Elena Kralkina, Shogo Isayama, Shin-Jae You

专题命中 扩散模型 ：diffusion(abstract)

AI总结 通过自洽多物理模型揭示回旋放电的瞬态离子化动力学及模式耦合机制，为等离子体源设计与优化提供预测工具。

A Closer Look at Model Collapse: From a Generalization-to-Memorization Perspective

对模型崩溃的深入观察：从泛化到记忆的视角

Lianghe Shi, Meng Wu, Huijie Zhang, Zekai Zhang, Molei Tao, Qing Qu

机构 * University of Michigan（密歇根大学） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出基于熵的数据选择策略，缓解扩散模型中从泛化到记忆的转变，防止模型崩溃。

Comments NeurIPS 2025 Spotlight paper

Accelerated Inorganic Materials Design with Generative AI Agents

利用生成式AI代理加速无机材料设计

Izumi Takahara, Teruyasu Mizoguchi, Bang Liu

专题命中 扩散模型 ：diffusion(abstract)

AI总结 MatAgent通过结合生成模型和预测模型，利用大语言模型的推理能力，实现高效、可解释的无机材料设计与发现。

Short-time existence and uniqueness for some infinite-dimensional Nash systems

一些无限维纳什系统短期存在性和唯一性的证明

Davide Francesco Redaelli

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文研究了无限维纳什系统在时间局部的存在性和唯一性，同时给出了传输-扩散方程的先验估计结果。

Comments 24 pages

Dynamic Attention (DynAttn): Interpretable High-Dimensional Spatio-Temporal Forecasting (with Application to Conflict Fatalities)

动态注意力（DynAttn）：可解释的高维时空预测（应用于冲突死亡人数）

Stefano M. Iacus, Haodong Qi, Marcello Carammia, Thomas Juneau

机构 * Harvard University, Institute for Quantitative Social Science（哈佛大学量化社会科学研究所） ； Stockholm University Demography Unit（斯德哥尔摩大学人口学单位） ； Malmö University, Department of Global Political Studies（马尔默大学全球政治研究系） ； University of Catania, Department of Political and Social Sciences（卡塔尼亚大学政治与社会科学系） ； University of Toronto, Graduate School of Public and International Affairs（多伦多大学公共与国际事务研究生院） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 DynAttn通过动态注意力机制实现高维时空预测，应用于冲突死亡人数预测，提供可解释的预测结果和结构化分析。

Exact $q$-exponential Multi-Mode Solutions with Independent Centres and Power-Law Relaxation in the Plastino-Plastino Equation

精确的q-指数多模式解：具有独立中心和幂律松弛的Plastino-Plastino方程

Airton Deppman

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出了一种精确的q-指数多模式解，通过独立中心和幂律松弛机制，统一了非线性扩散、分形空间和多尺度松弛动力学。

Comments 17 pages, 2 figures