图像生成

ProteinGuide: On-the-fly property guidance for protein sequence generative models

ProteinGuide: 为蛋白质序列生成模型实现即插即用的属性指导

Junhao Xiong, Ishan Gaur, Maria Lukarska, Hunter Nisonoff, Luke M. Oltrogge, David F. Savage, Jennifer Listgarten

机构 * Department of Electrical Engineering and Computer Sciences, University of California, Berkeley（电气工程与计算机科学系，加州大学伯克利分校） ； Center for Computational Biology, University of California, Berkeley（计算生物学中心，加州大学伯克利分校） ； Department of Molecular and Cell Biology, University of California, Berkeley（分子与细胞生物学系，加州大学伯克利分校） ； Innovative Genomics Institute, University of California, Berkeley（创新基因组研究所，加州大学伯克利分校） ； Howard Hughes Medical Institute, University of California, Berkeley（霍华德·休斯医学研究所，加州大学伯克利分校） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 ProteinGuide为蛋白质序列生成模型提供即插即用的属性指导方法，通过实验验证其在提高编辑效率方面的有效性。

Effects of Strain-Induced Pseudogauge Fields on Exciton Dispersion, Transport, and Interactions in Transition Metal Dichalcogenides Nanoribbons

应变诱导伪规范场对过渡金属二硫化物纳米带中激子色散、输运及相互作用的影响

Shiva Heidari, Shervin Parsi, Pouyan Ghaemi

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本研究通过应变诱导伪规范场调控过渡金属二硫化物纳米带中激子的色散、输运及相互作用，揭示了应变工程在控制激子行为方面的潜力。

Comments 11 pages, 9 figures

Journal ref Phys. Rev. B 112, 155149 (2025)

Feature Propagation on Knowledge Graphs using Cellular Sheaves

基于细胞sheaf的知识图谱特征传播

John Cobb, Thomas Gebhart

机构 * Department of Mathematics and Statistics, Auburn University, Auburn, AL（数学与统计学系，阿伯拉罕大学） ； Department of Computer Science, University of Minnesota, 200 Union St. SE, Minneapolis, MN 55455（计算机科学系，明尼苏达大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出基于细胞sheaf的知识图谱特征传播方法，通过高效迭代方案实现对新实体的归纳表示，实验表明其在多个基准上表现优异。

The Optimal Control Problem of Stochastic Differential System with Extended Mixed Delays and Applications

具有扩展混合延迟的随机微分系统的最优控制问题及其应用

Xinpo Li, Jingtao Shi

专题命中 可控生成 ：diffusion(abstract)

AI总结 本文提出了一种解决具有扩展混合延迟的随机微分系统最优控制问题的方法，通过引入反向随机Volterra积分方程和Malliavin导数，建立了随机最大原理，并应用到非零和随机博弈和线性二次问题中。

Comments 45 pages

M3DDM+: An improved video outpainting by a modified masking strategy

M3DDM+: 通过改进的遮蔽策略实现更高效的视频外补全

Takuya Murakawa, Takumi Fukuzawa, Ning Ding, Toru Tamaki

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

AI总结 M3DDM+通过改进的遮蔽策略提升视频外补全的视觉保真度和时间一致性，同时保持计算效率。

Comments proc. of IWAIT2026

NanoSD: Edge Efficient Foundation Model for Real Time Image Restoration

NanoSD：面向边缘设备的高效图像修复扩散基础模型

Subhajit Sanyal, Srinivas Soumitri Miriyala, Akshay Janardan Bankar, Manjunath Arveti, Sowmya Vajrala, Shreyas Pandith, Sravanth Kodavanti, Abhishek Ameta, Harshit, Amit Satish Unde

机构 * Samsung Research India, Bangalore（三星印度研究, 波哥达） 纠错

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

AI总结 NanoSD通过网络手术、特征蒸馏和结构化扩展，构建了高效扩散基础模型家族，实现边缘设备上的实时图像修复与生成。

Comments Submitted to CVPR 2026

A Safety Report on GPT-5.2, Gemini 3 Pro, Qwen3-VL, Grok 4.1 Fast, Nano Banana Pro, and Seedream 4.5

GPT-5.2、Gemini 3 Pro、Qwen3-VL、Grok 4.1 Fast、Nano Banana Pro 和 Seedream 4.5 的安全报告

Xingjun Ma, Yixu Wang, Hengyuan Xu, Yutao Wu, Yifan Ding, Yunhan Zhao, Zilong Wang, Jiabin Hua, Ming Wen, Jianan Liu, Ranjie Duan, Yifeng Gao, Yingshui Tan, Yunhao Chen, Hui Xue, Xin Wang, Wei Cheng, Jingjing Chen, Zuxuan Wu, Bo Li, Yu-Gang Jiang

机构 * Fudan University（复旦大学） ； Shanghai Innovation institute（上海创新研究院） ； Deakin University（德克萨斯大学） ； UIUC（伊利诺伊大学香槟分校） 纠错

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

AI总结 本报告对六个前沿模型进行综合安全性评估，揭示其在安全性和鲁棒性方面的差异，强调需要标准化评估以指导负责任的部署。

Comments 41 pages, 22 figures

X-Distill: Cross-Architecture Vision Distillation for Visuomotor Learning

X-Distill：跨架构视觉蒸馏用于视觉-运动学习

Maanping Shao, Feihong Zhang, Gu Zhang, Baiye Cheng, Zhengrong Xue, Huazhe Xu

机构 * Tsinghua University（清华大学） ； Institute for Interdisciplinary Information Sciences（交叉信息研究院） ； Shanghai Qi Zhi Institute（上海启智研究院） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Huazhong University of Science and Technology（华中科技大学） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)；分类 cs.CV

AI总结 X-Distill通过跨架构知识蒸馏结合视觉转换器和紧凑型CNN，实现了在数据有限的机器人操作任务中优于其他方法的性能。

Strong Solutions and Quantization-Based Numerical Schemes for a Class of Non-Markovian Volatility Models

强解与基于量化的方法在一类非马尔可夫波动模型中的应用

Martino Grasselli, Gilles Pagès

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出了一种基于扩展Lamperti变换的函数量化方案，用于解决非马尔可夫波动模型中的强解存在性和唯一性问题。

A Distributed Generative AI Approach for Heterogeneous Multi-Domain Environments under Data Sharing constraints

在数据共享约束下用于异构多域环境的分布式生成AI方法

Youssef Tawfilis, Hossam Amer, Minar El-Aasser, Tallal Elshabrawy

专题命中 其他图像生成 ：image generation(abstract)

AI总结 本研究提出了一种在数据共享约束下用于异构多域环境的分布式生成AI方法，结合KLD加权聚类联邦学习和异构U型分割学习，提升多域生成模型的训练效率和性能。

Comments Accepted and published in Transactions on Machine Learning Research (TMLR), 2026