图像生成

IGAN: A New Inception-based Model for Stable and High-Fidelity Image Synthesis Using Generative Adversarial Networks

IGAN：一种基于 inception 的新模型，用于使用生成对抗网络进行稳定且高保真的图像合成

Ahmed A. Hashim, Ali Al-Shuwaili, Asraa Saeed, Ali Al-Bayaty

专题命中 文生图 ：image synthesis(title,abstract)；image generation(abstract)；分类 cs.CV

AI总结 IGAN通过引入更深的inception启发式卷积和扩张卷积，提升图像生成质量与训练稳定性，实现更优的FID和IS指标。

Comments 11 pages, 6 figures

FastFLUX: Pruning FLUX with Block-wise Replacement and Sandwich Training

FastFLUX: 通过块级替换和 sandwich 训练进行 FLUX 剪枝

Fuhan Cai, Yong Guo, Jie Li, Wenbo Li, Jian Chen, Xiangzhong Fang

机构 * Shanghai Jiao Tong University（上海交通大学） ； Max Planck Institute for Informatics（马克斯·普朗克研究所（信息学）） ； South China University of Technology（华南理工大学） ； Chinese University of Hong Kong（香港中文大学） 纠错

专题命中 文生图 ：text-to-image(abstract)；diffusion(abstract)；分类 cs.GR

AI总结 FastFLUX 通过块级替换和 sandwich 训练方法，提高 FLUX 模型的推理效率和图像质量。

Comments 14 pages

Aggregating Diverse Cue Experts for AI-Generated Image Detection

聚合多样化线索专家用于AI生成图像检测

Lei Tan, Shuwei Li, Mohan Kankanhalli, Robby T. Tan

专题命中 文生图 ：image synthesis(abstract)；分类 cs.CV

AI总结 本文提出MCAN框架，通过整合多种互补线索提升AI生成图像检测的泛化能力，实验显示在GenImage数据集上性能优于现有方法。

Comments Accepted by AAAI 2026

Rescind: Countering Image Misconduct in Biomedical Publications with Vision-Language and State-Space Modeling

Rescind: 通过视觉-语言和状态空间建模对抗生物医学出版物中的图像不当行为

Soumyaroop Nandi, Prem Natarajan

专题命中 图像编辑 ：diffusion(abstract)；分类 cs.CV

AI总结 Rescind通过视觉-语言和状态空间建模方法，提出首个生物医学图像伪造生成与检测框架，实现高精度伪造定位与验证。

From Prompts to Deployment: Auto-Curated Domain-Specific Dataset Generation via Diffusion Models

从提示到部署：通过扩散模型实现自动定制的领域特定数据集生成

Dongsik Yoon, Jongeun Kim

机构 * HDC LABS（HDC实验室） 纠错

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

AI总结 本文提出通过扩散模型生成领域特定合成数据集的方法，解决预训练模型与现实部署间的分布偏移问题，通过三阶段框架高效构建高质量可部署数据集。

Comments To appear in the Workshop on Synthetic & Adversarial ForEnsics (SAFE), WACV 2026 (oral presentation)

PathoSyn: Imaging-Pathology MRI Synthesis via Disentangled Deviation Diffusion

PathoSyn: 通过解耦偏差扩散实现影像-病理MRI合成

Jian Wang, Sixing Rong, Jiarui Xing, Yuling Xu, Weide Liu

机构 * Department of Radiology, Boston Children’s Hospital, Harvard Medical School（放射科，波士顿儿童医院，哈佛医学院） ； College of Science, Northeastern University（科学学院，东北大学） ； School of Medicine, Yale University（医学院，耶鲁大学） ； Department of Cardiac Surgery, The Second Affiliated Hospital of Jiangxi Medical College, Nanchang University（心脏外科科，江西医学院第二附属医院，南昌大学） ； College of Computing and Data Science, Nanyang Technological University（计算与数据科学学院，南洋理工大学） 纠错

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

AI总结 PathoSyn通过解耦偏差扩散模型生成高保真MRI合成数据，提升低数据环境下诊断算法的鲁棒性。

DGAE: Diffusion-Guided Autoencoder for Efficient Latent Representation Learning

DGAE：基于扩散的自编码器用于高效潜在表示学习

Dongxu Liu, Jiahui Zhu, Yuang Peng, Haomiao Tang, Yuwei Chen, Chunrui Han, Zheng Ge, Daxin Jiang, Mingxue Liao

机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Tsinghua University（清华大学） ； Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） 纠错

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

AI总结 DGAE通过结合扩散模型提升解码器表达能力，实现高效潜在表示学习，在高压缩率下提升性能并减少潜在空间维度。

Structure-guided Diffusion Transformer for Low-Light Image Enhancement

结构引导的扩散变换器用于低光照图像增强

Xiangchen Yin, Zhenda Yu, Longtao Jiang, Xin Gao, Xiao Sun, Zhi Liu, Xun Yang

机构 * University of Science and Technology of China（中国科学技术大学） ； Institute of Artificial Intelligence, Hefei Comprehensive National Science Center（合肥综合国家科学中心人工智能研究院） ； Anhui University（安徽大学） ； School of Vehicle and Mobility, Tsinghua University（清华大学车辆与移动技术学院） ； State Key Laboratory of Automotive Safety and Energy, Tsinghua University（清华大学汽车安全与能源国家重点实验室） ； School of Computer Science and Information Engineering, Hefei University of Technology（合肥工业大学计算机科学与信息工程学院） ； Department of Computer and Network Engineering, The University of Electro-Communications（电通大学计算机与网络工程系） 纠错

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

AI总结 本文提出结构引导的扩散变换器框架，通过小波变换和结构增强模块提升低光照图像增强效果，实现SOTA性能。

Comments Accepted by IEEE Transactions on Multimedia (TMM)

Journal ref IEEE Transactions on Multimedia, Vol. 27, pp. 9505 - 9515, 22 September 2025

Training Free Zero-Shot Visual Anomaly Localization via Diffusion Inversion

无需训练的零样本视觉异常定位 via 扩散倒置

Samet Hicsonmez, Abd El Rahman Shabayek, Djamila Aouada

机构 * University of Luxembourg（卢森堡大学） 纠错

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

AI总结 本文提出无需训练的视觉-only零样本异常检测框架，通过扩散倒置技术实现高精度异常定位，无需细粒度提示，提升零样本检测性能。

Explicit Asymptotics on First Passage Times of Diffusion Processes

扩散过程首次通过时间的显式渐进行为

Angelos Dassios, Luting Li

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出了一种统一框架，用于求解扩散过程的首次通过时间，通过势理论和扰动理论推导闭式解，并应用于奥本-乌尔本克和贝塞尔过程。

Comments 31 pages, 16 figures

Journal ref Adv. Appl. Probab. 52 (2020) 681-704

Quantitative weak propagation of chaos for McKean--Vlasov branching diffusion processes

McKean-Vlasov分支扩散过程的定量化弱传播混沌

Wenjing Cao, Zhenjie Ren, Xiaolu Tan

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文研究了具有分支的 McKean-Vlasov 扩散过程的弱传播混沌，通过 Itô 公式和函数导数估计，推导了有限种群分支扩散过程的定量化弱收敛速率。

Comments 35 pages

Coupled Diffusion-Encoder Models for Reconstruction of Flow Fields

耦合扩散-编码器模型用于流场重建

AmirPouya Hemmasian, Amir Barati Farimani

机构 * Mechanical Engineering Department, Carnegie Mellon University, Pittsburgh, PA, USA（机械工程系，卡内基梅隆大学，匹兹堡，PA，USA） ； Machine Learning Department, Carnegie Mellon University, Pittsburgh, PA, USA（机器学习系，卡内基梅隆大学，匹兹堡，PA，USA） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 DiffCoder通过耦合扩散模型与残差网络编码器，实现了流场重建中更准确的统计特性保留，尤其在强压缩下表现优于VAEs。

Revealing the Attention Floating Mechanism in Masked Diffusion Models

揭示掩码扩散模型中的注意力漂浮机制

Xin Dai, Pengcheng Huang, Zhenghao Liu, Shuo Wang, Yukun Yan, Chaojun Xiao, Yu Gu, Ge Yu, Maosong Sun

机构 * School of Computer Science and Engineering, Northeastern University（东北大学计算机科学与工程学院） ； Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文揭示了掩码扩散模型中注意力漂浮机制，通过动态分散的注意力锚点和浅层结构感知、深层内容聚焦的机制，解释了其在知识密集型任务中性能优势。

Material Decomposition in Photon-Counting Computed Tomography with Diffusion Models: Comparative Study and Hybridization with Variational Regularizers

光子计数计算机断层摄影中的材料分解：比较研究与与变分正则化器的混合

Corentin Vazia, Thore Dassow, Alexandre Bousse, Jacques Froment, Béatrice Vedel, Franck Vermet, Alessandro Perelli, Jean-Pierre Tasu, Dimitris Visvikis

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材料分解方法，通过比较不同扩散模型在PCCT中的表现，结合变分正则化器提升材料分解质量。

Comments 13 pages, 10 figures, 4 tables

Very-Long Baseline Interferometry Imaging with Closure Invariants using Conditional Image Diffusion

利用条件图像扩散的非常长基线干涉成像与闭合不变量

Samuel Lai, Nithyanandan Thyagarajan, O. Ivy Wong, Foivos Diakogiannis

专题命中 扩散模型 ：diffusion(title)

AI总结 本文提出利用条件图像扩散方法，通过生成式深度学习解决闭合不变量到图像的逆问题，实现校准无关的VLBI成像重建。

Comments 20 pages, 8 figures, 2 tables, accepted in PASA

Journal ref Publ. Astron. Soc. Aust. 42 (2025) e148

Symmetry-aware Conditional Generation of Crystal Structures Using Diffusion Models

利用扩散模型实现具有对称性的晶体结构条件生成

Takanori Ishii, Kaoru Hisama, Kohei Shinohara

专题命中 扩散模型 ：diffusion(title)

AI总结 本文提出WyckoffDiff-Adaptor，通过有效扩散Wyckoff位置实现对称性意识的晶体结构条件生成，用于发现具有特定物理性质的新材料。

3DGS-Drag: Dragging Gaussians for Intuitive Point-Based 3D Editing

3DGS-Drag：基于高斯分布的直观点基3D编辑

Jiahua Dong, Yu-Xiong Wang

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

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

AI总结 3DGS-Drag通过结合变形引导和扩散引导，实现高效直观的点基3D场景拖动编辑，提升几何内容编辑的性能与效率。

Reconstruct, Inpaint, Test-Time Finetune: Dynamic Novel-view Synthesis from Monocular Videos

重建、修复、测试时微调：从单目视频动态生成新视角

Kaihua Chen, Tarasha Khurana, Deva Ramanan

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

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

AI总结 本文提出CogNVS模型，通过自监督学习和测试时微调，实现从单目视频动态场景生成新视角的高效方法。

Comments NeurIPS 2025. Project page: https://cog-nvs.github.io/

UniF$^2$ace: A Unified Fine-grained Face Understanding and Generation Model

UniF$^2$ace: 一个统一的细粒度人脸理解和生成模型

Junzhe Li, Sifan Zhou, Liya Guo, Xuerui Qiu, Linrui Xu, Delin Qu, Tingting Long, Chun Fan, Ming Li, Hehe Fan, Jun Liu, Shuicheng Yan

机构 * Peking University（北京大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Tsinghua University（清华大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Central South University（中南大学） ； Fudan University（复旦大学） ； Guangming Lab（光明实验室） ； Zhejiang University（浙江大学） ； Lancaster University（兰卡斯特大学） ； National University of Singapore（新加坡国立大学） 纠错

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

AI总结 UniF$^2$ace是一个专门针对细粒度人脸理解和生成的统一多模态模型，通过双离散扩散损失和多级分组专家混合架构，提升高质量面部细节生成和细粒度属性处理能力。

RAVEN: Erasing Invisible Watermarks via Novel View Synthesis

RAVEN：通过新颖的视角合成消除不可见水印

Fahad Shamshad, Nils Lukas, Karthik Nandakumar

机构 * MBZUAI, UAE（阿联酋MBZUAI） ； Michigan State University, USA（美国密歇根州立大学） 纠错

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

AI总结 RAVEN通过新颖的视角合成方法，在不依赖检测器或水印知识的情况下，实现了对多种水印方案的高效抑制，提升了水印去除的鲁棒性。

Comments 13 pages

ISLA: A U-Net for MRI-based acute ischemic stroke lesion segmentation with deep supervision, attention, domain adaptation, and ensemble learning

ISLA：一种用于基于MRI的急性缺血性中风病变分割的U-Net模型，结合深度监督、注意力、领域适应和集成学习

Vincent Roca, Martin Bretzner, Hilde Henon, Laurent Puy, Grégory Kuchcinski, Renaud Lopes

机构 * Univ. Lille, CNRS, Inserm, CHU Lille, Institut Pasteur de Lille, US 41 - UAR 2014 - PLBS, F-59000 Lille, France（里尔大学，法国国家科学研究中心，法国国家医学研究院，里尔大学医院，里尔巴斯德研究所，US 41 - UAR 2014 - PLBS，法国里尔） 纠错

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

AI总结 ISLA是一种基于U-Net的深度学习模型，通过深度监督、注意力、领域适应和集成学习技术，实现了对MRI中急性缺血性中风病变的高效分割。

Interpretability and Individuality in Knee MRI: Patient-Specific Radiomic Fingerprint with Reconstructed Healthy Personas

膝关节MRI的可解释性与个体性：基于重建健康人格的患者特定放射组学指纹

Yaxi Chen, Simin Ni, Shuai Li, Shaheer U. Saeed, Aleksandra Ivanova, Rikin Hargunani, Jie Huang, Chaozong Liu, Yipeng Hu

机构 * organization= Department of Mechanical Engineering, University College London , city= London , country= UK ； organization= Hawkes Institute, University College London , city= London , country= UK ； organization= Institute of Orthopaedic \& Musculoskeletal Science, University College London, Royal National Orthopaedic Hospital , city= Stanmore , country= UK ； organization= Royal National Orthopaedic Hospital , city= Stanmore , country= UK ； organization= School of Engineering ； Materials Science, Queen Mary University of London , city= London , country= UK ； organization= Centre for Bioengineering, Queen Mary University of London , city= London , country= UK ； organization= Department of Medical Physics ； Biomedical Engineering, University College London , city= London , country= UK 纠错

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

AI总结 本文提出放射组学指纹和健康人格两种方法，用于提升膝关节MRI分析的可解释性和个体性，通过动态特征选择和病理对比实现患者特异性解释。

CasTex: Cascaded Text-to-Texture Synthesis via Explicit Texture Maps and Physically-Based Shading

CasTex：通过显式纹理映射和基于物理的着色进行级联文本到纹理合成

Mishan Aliev, Dmitry Baranchuk, Kirill Struminsky

机构 * HSE University（俄罗斯莫斯科高等经济大学） ； Yandex Research（Yandex研究） 纠错

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

AI总结 CasTex通过级联扩散模型实现文本到纹理合成，采用显式纹理参数化提升生成质量，优于现有优化方法。

Comments WACV'2026; v2: camera ready

Generating crossmodal gene expression from cancer histopathology improves multimodal AI predictions

从癌症组织病理学生成跨模态基因表达以提高多模态AI预测

Samiran Dey, Christopher R. S. Banerji, Partha Basuchowdhuri, Sanjoy K. Saha, Deepak Parashar, Tapabrata Chakraborti

机构 * School of Mathematical & Computational Sciences, Indian Association for the Cultivation of Science（数学与计算科学学院，印度科学培养协会） ； The Alan Turing Institute（艾伦·图灵研究所） ； Comprehensive Cancer Center, King’s College London（国王学院综合癌症中心） ； Department of Computer Science and Engineering, Jadavpur University（计算机科学与工程系，贾瓦德pur大学） ； MRC Biostatistics Unit, University of Cambridge（剑桥大学医学研究委员会生物统计学单位） ； Department of Biostatistics, Bioinformatics and Biomathematics, Georgetown University（生物统计学、生物信息学与生物数学系，杰斐逊大学） ； UCL Cancer Institute, Dept of Medical Physics & Biomedical Engineering, University College London（伦敦大学学院癌症研究所，医学物理与生物医学工程系） 纠错

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

AI总结 PathGen通过生成跨模态基因表达提升癌症分级和生存风险预测的多模态AI性能

Dust back-reaction on gas around planets modifies the cold thermal torque

尘埃反作用力对行星周围气体的冷热扭矩影响

Raúl O. Chametla, Ondřej Chrenko, F. J. Sánchez-Salcedo, Mauricio Reyes-Ruiz, Clément Baruteau, Alicia Moranchel-Basurto, Joanna Drążkowska, Gabriel-Dominique Marleau, Yasuhiro Hasegawa, Sonia Cornejo

专题命中 扩散模型 ：diffusion(abstract)

AI总结 尘埃反作用力显著影响行星径向迁移，当斯托克斯数大于10^-2时，尘埃扭矩主导，否则总扭矩由气体部分决定。

Comments 10 pages, 9 figures, 1 table, accepted for publication in A&A

Journal ref A&A 704, A207 (2025)

A Diffuse-Interface Marangoni Instability

扩散界面马兰戈尼不稳定性

Xiangwei Li, Dongdong Wan, Haohao Hao, Christian Diddens, Mengqi Zhang, Huanshu Tan

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文研究了扩散界面中由马兰戈尼效应引起的不稳定性，发现临界厚度与马兰戈尼数成反比，揭示了扩散主导与对流主导的临界交叉点。

Journal ref J. Fluid Mech. 1024 (2025) A37

Rheology of bidisperse suspensions at the colloidal-to-granular transition

胶体到颗粒过渡时双分散悬浮液的流变学

Xuan Li, John R. Royer, Christopher Ness

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究双分散悬浮液在胶体到颗粒过渡时的流变学行为，揭示了不同组分比例下粘度和剪切变稠特性变化规律。

Journal ref J. Fluid Mech. 1023 (2025) A45

Antithetic Multilevel Particle Filters

反向多级粒子滤波器

Ajay Jasra, Mohamed Maama, Hernando Ombao

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出了一种基于反向截断米尔斯坦方案的多级粒子滤波器，证明其在估计误差均方误差方面具有更低的计算成本。

Journal ref Adv. Appl. Probab. 56 (2024) 1400-1439

Markov Chain Approximation of One-Dimensional Sticky Diffusions

一维粘性扩散的马尔可夫链近似

Christian Meier, Lingfei Li, Gongqiu Zhang

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出了一种基于连续时间马尔可夫链的粘性扩散近似方法，用于高效计算粘性扩散的首次通过概率和债券定价。

Journal ref Adv. Appl. Probab. 53 (2021) 335-369

Central Limit Theorems for Coupled Particle Filters

耦合粒子滤波器的中心极限定理

Ajay Jasra, Fangyuan Yu

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出了一种新的耦合粒子滤波器，用于在PODDP中实现更高效的ML估计，其渐近方差被Δ_l相关表达式上界所限制，保持了扩散的正向速率。

Journal ref Adv. Appl. Probab. 52 (2020) 942-1001