图像生成

Attention Is All You Need for KV Cache in Diffusion LLMs

注意力是扩散大语言模型中KV缓存的所有需求

Quan Nguyen-Tri, Mukul Ranjan, Zhiqiang Shen

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出Elastic-Cache方法，通过适应性缓存更新提升扩散LLM的解码效率和生成质量。

Comments Code at: https://github.com/VILA-Lab/Elastic-Cache

Constraint Decoupled Latent Diffusion for Protein Backmapping

约束解耦的潜在扩散用于蛋白质反向映射

Xu Han, Yuancheng Sun, Kai Chen, Yuxuan Ren, Kang Liu, Qiwei Ye

机构 * University of Chinese Academy of Sciences（中国科学院大学） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 CODLAD通过约束解耦的潜在扩散方法，实现了蛋白质反向映射中高精度、多样化的构象生成。

Comments v2: Title changed. Major revision with new experiments. Accepted by JCTC

Journal ref J. Chem. Theory Comput. 2025

Generative prediction of flow fields around an obstacle using the diffusion model

利用扩散模型生成障碍物周围的流场预测

Jiajun Hu, Zhen Lu, Yue Yang

机构 * State Key Laboratory for Turbulence and Complex Systems, College of Engineering, Peking University, Beijing 100871, China（湍流与复杂系统国家重点实验室，工程学院，北京大学，北京100871，中国） ； HEDPS-CAPT, Peking University, Beijing 100871, China（HEDPS-CAPT，北京大学，北京100871，中国） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出了一种基于扩散模型的几何到流场预测方法，通过U-Net和交叉注意力机制实现对障碍物周围流场的高效预测，并在复杂几何条件下展现优越性能。

Journal ref Phys. Rev. Fluids 10, 094903 (2025)

The volume-filling property of semiconductor model with cross-diffusion phenomenon

具有交叉扩散现象的半导体模型的体积填充性质

Xi Lin

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文通过正则化熵和扩散矩阵，证明了具有交叉扩散现象的半导体模型在初始值有界时存在有界的弱解，从而揭示其体积填充性质。

WeDLM: Reconciling Diffusion Language Models with Standard Causal Attention for Fast Inference

WeDLM：弥合扩散语言模型与标准因果注意力以实现快速推理

Aiwei Liu, Minghua He, Shaoxun Zeng, Sijun Zhang, Linhao Zhang, Chuhan Wu, Wei Jia, Yuan Liu, Xiao Zhou, Jie Zhou

机构 * WeChat AI, Tencent（腾讯微信AI） ； Peking University（北京大学） ； Tsinghua University（清华大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 WeDLM通过使用标准因果注意力实现高效并行解码，显著提升推理速度，优于优化的AR引擎。

Comments 23 pages, 8 figures, project page: https://wedlm.github.io/

A Generative Reconstruction of Low-$\ell$ CMB B-Mode Signal using Reverse Diffusion in Deep Learning

利用深度学习中的反向扩散方法生成低$\ell$ CMB B-模信号的重建

Anumanchi Agastya Sai Ram Likhit, Rajib Saha

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出利用深度学习中的反向扩散方法，通过训练分数模型来重建受污染的CMB B-模信号，为未来CMB极化任务提供稳健的原始信号恢复框架。

Comments 18 pages, 11 figures

On the Role of Discreteness in Diffusion LLMs

扩散语言模型中离散性的作用

Ziqi Jin, Bin Wang, Xiang Lin, Lidong Bing, Aixin Sun

机构 * MiroMind AI ； Nanyang Technological University（南洋理工大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文探讨了扩散语言模型中离散性的重要性，指出现有方法在结构权衡上的不足，并提出了更符合文本结构的扩散过程改进方向。

Finite propagation and saturation in reaction-diffusion-advection equations governed by p-Laplacian operator

有限传播与饱和性在由p-拉普拉斯算子所支配的反应-扩散-对流方程中

Cristina Marcelli

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文研究了由p-拉普拉斯算子支配的反应-扩散-对流方程中行波解的有限传播与饱和性问题，探讨了其在有限时间内的平衡态达到情况及解的延续性。

Differentiable Inverse Modeling with Physics-Constrained Latent Diffusion for Heterogeneous Subsurface Parameter Fields

基于物理约束的潜变量扩散模型用于异质地下参数场的可微逆向建模

Zihan Lin, QiZhi He

机构 * Department of Civil, Environmental, and Geo- Engineering, University of Minnesota, 500 Pillsbury Drive S.E., Minneapolis, MN 55455（土木、环境与地球工程系，明尼苏达大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 基于物理约束的潜变量扩散模型用于异质地下参数场的可微逆向建模，通过结合预训练潜变量扩散模型与可微数值求解器，提高数值稳定性并实现高精度参数重建。

Comments 33 pages, 16 figures

The effect of multi-occupancy traps on the diffusion and retention of multiple hydrogen isotopes in irradiated tungsten and vanadium

多占据陷阱对 irradiated 钼和钒中多种氢同位素扩散和滞留效应的影响

Sanjeet Kaur, Daniel R. Mason, Prashanth Srinivasan, Stephen Dixon, Sid Mungale, Teresa Orr, Mikhail Yu. Lavrentiev, Duc Nguyen-Manh

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出了一种多占据陷阱模型，用于研究氢同位素在辐照钼和钒中的扩散与滞留行为，并通过实验验证了该模型的适用性。

Comments 16 pages, 10 figures

Journal ref Phys. Rev. Mat., 9(12), 125404 (2025)

3D Multiphase Heterogeneous Microstructure Generation Using Conditional Latent Diffusion Models

基于条件潜在扩散模型的3D多相非均匀微结构生成

Nirmal Baishnab, Ethan Herron, Aditya Balu, Soumik Sarkar, Adarsh Krishnamurthy, Baskar Ganapathysubramanian

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出一种条件潜在扩散模型，用于高效生成高保真的3D多相微结构，满足用户需求并预测制造参数，加速先进材料设计。

Comments 17 pages, 12 figures. Includes references and appendix

Journal ref Digital Discovery, 2025, 4, 3175-3190

Determining habitat anomalies in cross-diffusion predator-prey chemotaxis models

确定交叉扩散捕食者-猎物化学趋化模型中的栖息地异常

Yuhan Li, Hongyu Liu, Catharine W. K. Lo

专题命中 扩散模型 ：diffusion(title,comments)

AI总结 本文提出了一种通过边界测量唯一确定捕食者-猎物模型中栖息地退化区域的方法，结合数学分析与生态学，为检测栖息地退化提供了理论依据。

Comments 27 pages Key words:Inverse boundary value problems, multi-species cross-diffusion predator-prey chemotaxis models, habitat degradation, anomaly detection, unique identifiability

Diffusion priors enhanced velocity model building from time-lag images using a neural operator

基于扩散先验的时差图像中速度模型构建方法研究

Xiao Ma, Mohammad Hasyim Taufik, Tariq Alkhalifah

机构 * Division of Physical Science and Engineering（物理科学与工程系） ； King Abdullah University of Science and Technology（卡布斯大学） 纠错

专题命中 扩散模型 ：diffusion(title)

AI总结 本文提出一种结合生成模型和神经算子的方法，用于高效构建高分辨率速度模型，通过正则化和自动微分提升预测精度。

Comments 20 pages,19 figures

HY-Motion 1.0: Scaling Flow Matching Models for Text-To-Motion Generation

HY-Motion 1.0：基于流匹配模型的文本到运动生成规模化研究

Yuxin Wen, Qing Shuai, Di Kang, Jing Li, Cheng Wen, Yue Qian, Ningxin Jiao, Changhai Chen, Weijie Chen, Yiran Wang, Jinkun Guo, Dongyue An, Han Liu, Yanyu Tong, Chao Zhang, Qing Guo, Juan Chen, Qiao Zhang, Youyi Zhang, Zihao Yao, Cheng Zhang, Hong Duan, Xiaoping Wu, Qi Chen, Fei Cheng, Liang Dong, Peng He, Hao Zhang, Jiaxin Lin, Chao Zhang, Zhongyi Fan, Yifan Li, Zhichao Hu, Yuhong Liu, Linus, Jie Jiang, Xiaolong Li, Linchao Bao

机构 * Tencent Hunyuan 3D Digital Human Team（腾讯文盈3D数字人团队） 纠错

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

AI总结 HY-Motion 1.0通过大规模流匹配模型实现文本到3D人体运动的生成，采用全流程训练范式提升运动生成精度和多样性。

Comments Github: see https://github.com/Tencent-Hunyuan/HY-Motion-1.0

Memorization in 3D Shape Generation: An Empirical Study

三维形状生成中的记忆现象：一项实证研究

Shu Pu, Boya Zeng, Kaichen Zhou, Mengyu Wang, Zhuang Liu

机构 * Princeton University（普林斯顿大学） ； Harvard University（哈佛大学） 纠错

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

AI总结 本文通过实证研究探讨了3D生成模型中记忆现象的影响因素，并提出减少记忆的策略以提升生成多样性。

ThinkGen: Generalized Thinking for Visual Generation

ThinkGen: 用于视觉生成的通用思考

Siyu Jiao, Yiheng Lin, Yujie Zhong, Qi She, Wei Zhou, Xiaohan Lan, Zilong Huang, Fei Yu, Yingchen Yu, Yunqing Zhao, Yao Zhao, Yunchao Wei

机构 * Beijing Jiaotong University（北京交通大学） ； Bytedance Home（字节跳动） 纠错

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

AI总结 ThinkGen通过结合预训练的大语言模型和扩散变换器，提出了一种基于思考的视觉生成框架，实现了在多种生成任务中的高效推理和高质量图像生成。

Anomaly Detection by Effectively Leveraging Synthetic Images

通过有效利用合成图像进行异常检测

Sungho Kang, Hyunkyu Park, Yeonho Lee, Hanbyul Lee, Mijoo Jeong, YeongHyeon Park, Injae Lee, Juneho Yi

机构 * Department of Electrical and Computer Engineering（电气与计算机工程系） ； Department of Artificial Intelligence（人工智能系） ； Department of Architecture（建筑系） ； Department of Radiation Physics（放射物理系） 纠错

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

AI总结 本文提出了一种利用预训练模型和两阶段训练策略生成高质量合成缺陷图像，以提高异常检测性能的方法。

LidarDM: Generative LiDAR Simulation in a Generated World

LidarDM: 生成世界中的生成激光雷达模拟

Vlas Zyrianov, Henry Che, Zhijian Liu, Shenlong Wang

机构 * UIUC（伊利诺伊大学香槟分校） ； NVIDIA（英伟达） 纠错

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

AI总结 LidarDM通过集成4D世界生成框架，实现了基于驾驶场景的4D激光雷达点云生成，提升自动驾驶模拟的逼真度与时间一致性。

SCPainter: A Unified Framework for Realistic 3D Asset Insertion and Novel View Synthesis

SCPainter：一个用于真实3D资产插入和新视角合成的统一框架

Paul Dobre, Jackson Cooper, Xin Wang, Hongzhou Yang

机构 * Department of Geomatics Engineering, University of Calgary, Calgary, Alberta, Canada（测绘工程系，卡尔加里大学，卡尔加里，阿尔伯塔，加拿大） 纠错

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

AI总结 SCPainter通过整合3D高斯点和点云与扩散生成，实现真实3D资产插入与新视角合成，提升自动驾驶训练数据的多样性和真实性。

DeFloMat: Detection with Flow Matching for Stable and Efficient Generative Object Localization

DeFloMat：基于流匹配的稳定高效生成物体定位检测

Hansang Lee, Chaelin Lee, Nieun Seo, Joon Seok Lim, Helen Hong

机构 * Department of Software Convergence, Seoul Women’s University（软件融合系，首尔女子大学） ； Department of Radiology, Severance Hospital, Yonsei University College of Medicine（放射科，松趾医院，延世大学医学院） 纠错

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

AI总结 DeFloMat通过结合条件流匹配和确定性流场，实现了稳定高效的生成物体定位检测，仅需3步推理即可达到43.32%的AP10:50精度，优于DiffusionDet的31.03%。

Breaking the Vicious Cycle: Coherent 3D Gaussian Splatting from Sparse and Motion-Blurred Views

打破恶性循环：从稀疏和运动模糊视图中进行一致的3D高斯点扩散

Zhankuo Xu, Chaoran Feng, Yingtao Li, Jianbin Zhao, Jiashu Yang, Wangbo Yu, Li Yuan, Yonghong Tian

机构 * Peking University（北京大学） ； School of Electronics and Computer Engineering, Peking University（电子与计算机工程学院，北京大学） 纠错

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

AI总结 CoherentGS通过双先验策略和双生成模型，解决稀疏模糊视图下的3D重建问题，实现高保真重建。

Comments 20 pages, 14 figures. Manuscript v2: add the view selection of training in the appendix

Exploring phase transitions and thermal dynamics in nanoconfined liquid crystals using liquid-phase TEM

探索纳米受限液晶的相变和热动力学特性 using 液相透射电镜

Olga Kaczmarczyk, Konrad Cyprych, Dominika Benkowska-Biernacka, Rafał Kowalczyk, Katarzyna Matczyszyn, Hanglong Wu, Frances M. Ross, Andrzej Miniewicz, Andrzej Żak

专题命中 扩散模型 ：diffusion(abstract)

AI总结 利用液相透射电镜研究纳米受限液晶的相变和热动力学特性，发现电子束诱导的相变及热效应，揭示了纳米受限液晶的热性质差异。

Comments 38 pages, 13 figures

Physical Limits of Proximal Tumor Detection via MAGE-A Extracellular Vesicles

近场肿瘤检测 via MAGE-A 外泌体的物理极限

A. Sila Okcu, M. Etem Bas, Ozgur B. Akan

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文研究了通过 MAGE-A 外泌体近场检测肿瘤的物理极限，提出了一种结合布朗运动和反应扩散模型的智能针传感器，发现最大可行检测半径约为 275 微米。

Phase-field modeling of multicomponent vesicles in viscoelastic fluid

多组分囊泡在粘弹性流体中的相场建模

Zuowei Wen, Navid Valizadeh, Timon Rabczuk, Xiaoying Zhuang

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出了一种相场模型，用于研究粘弹性流体中多组分囊泡的流体动力学，结合了连续表面力方法和高精度数值求解技术。

ChronoConnect: Tracking Pathways Along Highly Dynamic Vertices in Temporal Graphs

ChronoConnect: 在时间图中追踪高度动态顶点的路径

Jiacheng Ding, Cong Guo, Xiaofei Zhang

专题命中 扩散模型 ：diffusion(abstract)

AI总结 ChronoConnect是一种用于追踪时间图中动态顶点路径的系统，通过并行处理提升信息扩散分析效率，支持多种时间遍历算法和交互式可视化。

Comments 4 pages, 4 figures. Demo paper accepted at ICDM 2025

Bismut-Elworthy-Li Formulae for Forward-Backward SDEs with Jumps and Applications

带有跳跃的前向后向SDEs的Bismut-Elworthy-Li公式及其应用

Jiagang Ren, Hua Zhang

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出了一种新的粒子方法，用于建立带有跳跃的前向后向SDEs的Bismut-Elworthy-Li型导数公式，并应用该公式研究了非局部拟线性积分偏微分方程的解的存在性和唯一性。

Comments 49 pages

An Inference-Based Architecture for Intent and Affordance Saturation in Decision-Making

基于推断的意图和可能性饱和决策架构

Wendyam Eric Lionel Ilboudo, Saori C Tanaka

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出了一种基于推断的决策架构，通过分离意图和可能性选择，解释了决策瘫痪的机制，并展示了其在自闭症研究中的应用。

Comments 32 pages, 12 figures

Osmotic Learning: A Self-Supervised Paradigm for Decentralized Contextual Data Representation

渗透学习：一种用于去中心化上下文数据表示的自监督范式

Mario Colosi, Reza Farahani, Maria Fazio, Radu Prodan, Massimo Villari

机构 * MIFT Department, University of Messina, Italy（梅萨纳大学MIFT系） ； Institute of Information Technology, University of Klagenfurt, Austria（克莱根堡大学信息技术研究所） ； Department of Computer Science, University of Innsbruck, Austria（因斯布鲁克大学计算机科学系） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 OSM-L是一种自监督的分布式学习方法，通过渗透机制在无需原始数据交换的情况下，从分布式数据中提取上下文信息并实现高精度的局部信息对齐。

Journal ref International Joint Conference on Neural Networks 2025 International Joint Conference on Neural Networks International Joint Conference on Neural Networks (IJCNN)

Beta-like tracks in a cloud chamber from nickel cathodes after electrolysis

镍阴极电解后云室中beta-like轨迹

Shyam Sunder Lakesar, Raj Ganesh S. Pala, K P Rajeev

专题命中 扩散模型 ：diffusion(abstract)

AI总结 镍阴极电解后在云室中观察到beta-like轨迹，表明电化学反应可生成放射性同位素。

Comments 7 pages, 3 figures

Coherent Absorption Synergizes with Plasmon-Enhanced Graphene Terahertz Photo-thermoelectric Response

相干吸收与等离子体增强的石墨烯太赫兹光电热电响应协同作用

Runli Li, Shaojing Liu, Ximiao Wang, Hongjia Zhu, Yongsheng Zhu, Shangdong Li, Huanjun Chen

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本研究通过结合相干吸收与等离子体增强石墨烯结构，显著提升太赫兹吸收率并实现高响应率的室温光电热电探测技术。

Comments 22 pages, 4 figures