Semantic Image Synthesis via Diffusion Models
通过扩散模型进行语义图像合成
专题命中 扩散模型 ：diffusion(title,abstract)；image synthesis(title,abstract)；image generation(abstract)；分类 cs.CV
AI总结 本文提出基于DDPM的语义图像合成框架，通过改进的采样策略和网络结构提升生成质量和语义可解释性。
视觉与机器人
图像生成
图像生成、文生图、图像编辑、扩散模型和可控生成。
1. 扩散模型 48 篇
RI3D: Few-Shot Gaussian Splatting With Repair and Inpainting Diffusion Priors
RI3D: 少样本高斯点云渲染与修复与修复扩散先验
机构 * Texas A&M University（德克萨斯A&M大学） ； Meta Reality Labs（Meta现实实验室） ； Max Planck Institute for Informatics（马克斯·普朗克信息研究所）
专题命中 扩散模型 ：diffusion(title,abstract)；inpainting(title,abstract)；分类 cs.CV、cs.GR
AI总结 RI3D通过分离视图合成任务并结合修复与修复扩散模型，实现了高质量的少样本3D渲染与缺失区域重建。
Comments ICCV 2025, Project page: https://people.engr.tamu.edu/nimak/Papers/RI3D, Code: https://github.com/avinashpaliwal/RI3D
Safeguarding Facial Identity against Diffusion-based Face Swapping via Cascading Pathway Disruption
通过级联路径破坏保障面部身份免受基于扩散的面部交换攻击
机构 * MoE Key Laboratory of Information Technology, Sun Yat-sen University, Guangzhou, China（信息科技教育部重点实验室，中山大学，广州，中国） ； State Key Laboratory of Mathematical Engineering and Advanced Computing, Zhengzhou, China（数学工程与先进计算国家重点实验室，郑州，中国）
专题命中 扩散模型 ：diffusion(title,abstract)；image editing(abstract)；分类 cs.CV
AI总结 VoidFace通过级联路径破坏技术，有效防御基于扩散模型的面部交换攻击，提升身份安全性。
PanoDreamer: Optimization-Based Single Image to 360 3D Scene With Diffusion
PanoDreamer: 基于优化的单张图像到360度3D场景
机构 * Texas A\&M University（德克萨斯A&M大学） ； Max Planck Institute for Informatics（马克斯·普朗克信息研究所） ； Leia Inc.（Leia公司）
专题命中 扩散模型 ：diffusion(title)；inpainting(abstract)；分类 cs.CV、cs.GR
AI总结 PanoDreamer通过优化方法实现单图像到360度3D场景的重建，提出两种优化任务和交替最小化策略以提升一致性和质量。
Comments SIGGRAPH Asia 2025, Project page: https://people.engr.tamu.edu/nimak/Papers/PanoDreamer, Code: https://github.com/avinashpaliwal/PanoDreamer
When Are Two Scores Better Than One? Investigating Ensembles of Diffusion Models
当两个分数比一个更好吗？调查扩散模型的集成
机构 * Université Côte d’Azur（索邦大学（海岸）） ； Inria（法国国家科学研究中心） ； CNRS（法国国家科学研究中心） ； I3S（信息科学与系统研究所） ； Maasai（马赛机构） ； Julius-Maximilians-Universität Würzburg（维尔茨堡约瑟夫-玛克西米利安大学） ； Institute for Computer Science（计算机科学研究所） ； CAIDAS（计算机辅助设计与应用研究所） ； LJAD（图像与视觉研究所）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文研究了扩散模型集成对生成建模的影响，发现虽然集成能提升模型性能，但对感知质量指标效果有限，并通过实验和理论分析探讨了其局限性。
Comments Accepted at Transactions on Machine Learning Research (reviewed on OpenReview: https://openreview.net/forum?id=4iRx9b0Csu). Code: https://github.com/rarazafin/score_diffusion_ensemble
FlowSSC: Universal Generative Monocular Semantic Scene Completion via One-Step Latent Diffusion
FlowSSC: 通过一步潜在扩散实现通用生成单目语义场景补全
机构 * Ant Group（蚂蚁集团） ； Tsinghua University（清华大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Instituto Superior Técnico（里斯本大学理工学院）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 FlowSSC通过一步潜在扩散模型实现高效单目语义场景补全，显著提升性能并适用于自动驾驶系统。
Comments Under Review
ScenDi: 3D-to-2D Scene Diffusion Cascades for Urban Generation
ScenDi: 3D到2D场景扩散级联用于城市生成
机构 * Zhejiang University（浙江大学） ； Ant Group（蚂蚁集团） ； The University of British Columbia（不列颠哥伦比亚大学）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 ScenDi通过整合3D和2D扩散模型，解决3D城市生成中外观细节与相机可控性的平衡问题，实现高质量场景生成。
Synthetic Data Augmentation for Multi-Task Chinese Porcelain Classification: A Stable Diffusion Approach
多任务中国瓷器分类的合成数据增强：一种稳定扩散方法
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本研究利用稳定扩散与LoRA生成合成数据，提升多任务中国瓷器分类的性能，验证了合成数据在增强真实数据集中的有效性及任务特定的改进效果。
Diffusion Epistemic Uncertainty with Asymmetric Learning for Diffusion-Generated Image Detection
扩散epistemic不确定性与非对称学习用于扩散生成图像检测
机构 * Tencent Inc.（腾讯公司） ； Hikvision（海康威视） ； Microsoft MAI（微软MAI）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文提出DEUA框架，通过非对称学习和扩散epistemic不确定性估计，提升扩散生成图像检测的性能。
Trustworthy Longitudinal Brain MRI Completion: A Deformation-Based Approach with KAN-Enhanced Diffusion Model
可信的纵向脑部MRI补全：基于变形的KAN增强扩散模型
机构 * School of Biomedical Engineering and Imaging Science, King's College London, London, UK（生物医学工程与成像科学学院，伦敦国王学院） ； School of Biomedical Engineering, ShanghaiTech University, Shanghai, China（生物医学工程学院，上海科技大学） ； School of Computer Science and Digital Technologies, Aston University, Birmingham, UK（计算机科学与数字技术学院，阿斯顿大学） ； Kunming Medical University, Kunming, China（昆明医学院）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文提出DF-DiffCom模型，通过KAN增强扩散模型结合变形场，实现纵向脑部MRI补全，提升图像保真度和应用灵活性。
$\mathrm{D}^\mathrm{3}$-Predictor: Noise-Free Deterministic Diffusion for Dense Prediction
D³-预测器：无噪声确定性扩散用于密集预测
机构 * School of Computer Science and Technology, Xi’an Jiaotong University（西安交通大学计算机科学与技术学院）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 D³-预测器通过无噪声确定性扩散模型解决密集预测中随机噪声导致的几何结构破坏问题，实现高效且高质量的密集预测性能。
Extendable Generalization Self-Supervised Diffusion for Low-Dose CT Reconstruction
可扩展泛化自监督扩散用于低剂量CT重建
机构 * School of Information Engineering, Nanchang University（南昌大学信息工程学院） ； School of Mathematics and Computer Sciences, Nanchang University（南昌大学数学与计算机科学学院） ； Jinan Laboratory of Applied Nuclear Science（济南应用核科学实验室） ； Institute of High Energy Physics, Chinese Academy of Sciences（中国科学院高能物理研究所）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文提出EGenDiff方法，通过自增强相似性策略和像素级自校正融合技术，实现仅用单剂量数据训练的低剂量CT重建，显著提升多剂量泛化能力。
Diffusion In Diffusion: Reclaiming Global Coherence in Semi-Autoregressive Diffusion
扩散中的扩散：在半自回归扩散中恢复全球一致性
机构 * Noah’s Ark Lab, Huawei Montreal, Canada & Beijing, China（华为蒙特利尔实验室及北京）
专题命中 扩散模型 ：diffusion(title,abstract)
AI总结 Diffusion in Diffusion通过'草稿-然后细化'框架，利用块扩散生成草稿并用全局双向扩散进行细化，提升离散扩散模型的全局一致性与性能。
Comments Work In Progress
Traveling waves for bistable reaction-diffusion-convection equations with discontinuous density-dependent coefficients
双稳反应-扩散-对流方程的行波解：具有不连续密度依赖系数的情况
专题命中 扩散模型 ：diffusion(title,abstract)
AI总结 本文研究了具有不连续密度依赖系数的双稳反应-扩散-对流方程的行波解存在性，扩展了之前在更高正则性假设下的结果到弱正则性设置中。
CO Diffusion on Interstellar Amorphous Solid Water: A Computational Study
CO在星际非晶固态水上的扩散：一项计算研究
专题命中 扩散模型 ：diffusion(title,abstract)
AI总结 本文通过量子化学方法研究了CO在星际非晶固态水表面的扩散动力学，揭示了ASW表面的拓扑异质性，并指出星化学模型中关键参数需重新评估。
Comments 24 pages, 6 figures
Journal ref ACS Earth Space Chem. 2026, 10, 224-234
Fractional Diffusion on Graphs: Superposition of Laplacian Semigroups and Memory
图上的分数扩散：拉普拉斯半群的叠加与记忆
专题命中 扩散模型 ：diffusion(title,abstract)
AI总结 本文提出图上亚扩散的分数扩散模型，通过拉普拉斯半群叠加揭示记忆驱动机制，展示多尺度扩散特性及传输偏置。
Comments 47 pages, 4 figures
Mild Solutions for Time--Fractional Stochastic Nonlocal Diffusion Equations
时间-分数阶随机非局部扩散方程的温和解
专题命中 扩散模型 ：diffusion(title,abstract)
AI总结 本文研究了时间-分数阶随机非局部扩散方程的温和解，通过Caputo导数和非局部卷积算子结合局部扩散，提出基于Mittag-Leffler函数的显式解公式，并明确了参数对解存在的影响。
STEAD: Robust Provably Secure Linguistic Steganography with Diffusion Language Model
STEAD: 基于扩散语言模型的鲁棒可证明安全语言隐写术
专题命中 扩散模型 ：diffusion(title,abstract)
AI总结 STEAD利用扩散语言模型实现鲁棒且可证明安全的语言隐写术，通过部分并行生成和纠错策略提升隐写文本的抗篡改能力。
Comments NeurIPS 2025 poster
Super Time Stepping Methods for Diffusion using Discontinuous-Galerkin Spatial Discretizations
用于扩散的超时间步进方法与不连续伽辽金空间离散化
专题命中 扩散模型 ：diffusion(title,abstract)
AI总结 本文提出了一种用于高维扩散问题的显式超时间步进方法，结合不连续伽辽金离散化，并引入了新的误差范数和自动特征值估计算法以提升计算效率。
Diffusion Large Language Models for Black-Box Optimization
扩散大语言模型用于黑盒优化
机构 * McGill（麦吉尔大学） ； MILA - Quebec AI Institute（魁北克人工智能研究所） ； Microsoft Research（微软研究院） ； Polytechnique Montreal（蒙特利尔大学） ； Canada CIFAR AI Chair（加拿大CIFAR人工智能主席）
专题命中 扩散模型 ：diffusion(title,abstract)
AI总结 本文提出dLLM，利用扩散LLMs的双向建模能力，结合遮蔽扩散树搜索，实现高效离线黑盒优化。
Cosmo-FOLD: Fast generation and upscaling of field-level cosmological maps with overlap latent diffusion
Cosmo-FOLD：利用重叠潜在扩散模型快速生成和放大场级宇宙地图
机构 * Theoretical and Scientific Data Science, SISSA（SISSA理论与科学数据科学） ； Astroparticle and Gravitational Physics Group, SISSA（SISSA天体粒子与引力物理组） ； INFN – National Institute for Nuclear Physics（国家核物理研究所） ； ICSC - Centro Nazionale di Ricerca in High Performance Computing, Big Data e Quantum Computing（高性能计算、大数据和量子计算国家研究中心） ； Astrophysics Group, Physics Department, Blackett Lab, Imperial College London（帝国理工伦敦学院物理系天体物理学组） ； INAF – Osservatorio Astronomico di Trieste（特伦蒂诺天文台） ； IFPU – Institute for Fundamental Physics of the Universe（宇宙基本物理研究所）
专题命中 扩散模型 ：diffusion(title,abstract)
AI总结 Cosmo-FOLD通过重叠潜在扩散模型快速生成和放大宇宙场，实现高效且高精度的宇宙学模拟与推断。
Comments 15 pages, 10 figures
GCG Attack On A Diffusion LLM
对扩散语言模型的GCG攻击
机构 * University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
专题命中 扩散模型 ：diffusion(title,abstract)
AI总结 本文研究了GCG攻击对扩散语言模型LLaDA的影响，评估了多种攻击变体并探讨了模型的鲁棒性及对抗分析策略。
DiEC: Diffusion Embedded Clustering
DiEC：扩散嵌入聚类
专题命中 扩散模型 ：diffusion(title,abstract)
AI总结 DiEC通过利用预训练扩散模型的最优中间表示进行无监督聚类，通过优化层*时间步空间中的聚类最优层和时间步，提升聚类性能并减少计算开销。
Ultra-Strong Gradient Diffusion MRI with Self-Supervised Learning for Prostate Cancer Characterization
超强梯度扩散磁共振成像结合自监督学习用于前列腺癌表征
专题命中 扩散模型 ：diffusion(title,abstract)
AI总结 本研究利用超强梯度和自监督学习提升前列腺微结构表征，通过深度学习方法改进VERDICT拟合，提高信噪比和对比度。
Comments 25 pages, 14 figures, 7 tables
Convergence of Reflected Langevin Diffusion for Constrained Sampling
反射拉格朗日扩散在约束采样中的收敛性
专题命中 扩散模型 ：diffusion(title,abstract)
AI总结 本文研究了反射拉格朗日扩散在约束采样中的收敛性，通过惩罚随机微分方程和时间离散化方案，证明了其在Wasserstein-2距离下的收敛性及多项式速率。
\textit{Ab initio} studies of influence of periodic-direction electric fields on spin lifetime and spin diffusion length and the validation of an \textit{ab initio} matrix-drift-diffusion model
从头计算研究周期方向电场对自旋寿命和自旋扩散长度的影响及对从头计算矩阵漂移扩散模型的验证
专题命中 扩散模型 ：diffusion(title,abstract)
AI总结 本文提出了一种从头计算矩阵漂移扩散模型，用于研究电场对自旋寿命和扩散长度的影响，并验证了该模型在不同材料中的有效性。
Comments 19 pages, 6 figures
Effective diffusion of Brownian motion in spatially quasi-periodic noise
布朗运动在空间近周期噪声中的有效扩散
专题命中 扩散模型 ：diffusion(title,abstract)
AI总结 本研究提出了一种统一处理周期性和准周期性系统中布朗运动有效扩散的框架，通过引入空间准周期噪声并检验不同随机解释，扩展了Lifson公式在非周期性势场中的适用性。
Comments 5pages,1 figures
Nodal error behind discrepancies between coupled cluster and diffusion Monte Carlo in hydrogen-bonded systems
缔合误差导致耦合簇与扩散蒙特卡洛方法在氢键系统中的差异
专题命中 扩散模型 ：diffusion(title,abstract)
AI总结 研究揭示了耦合簇与扩散蒙特卡洛方法在氢键系统中差异的主要原因，指出固定节点误差是导致差异的关键因素，并强调CC方法在这些系统中的基准地位。
De Giorgi's regularity theory for elliptic, parabolic and kinetic equations
椭圆、抛物线和动能方程的德·吉奥吉正则性理论
专题命中 扩散模型 ：diffusion(abstract)
AI总结 本书系统梳理了椭圆、抛物线和动能方程的正则性理论，从经典椭圆问题到最新动能方程发展，涵盖德·吉奥吉和纳什等人的核心方法与贡献。
Comments This first version does not contain results for integral diffusions. I hope I will include them in a second version
Beyond Automation: Rethinking Work, Creativity, and Governance in the Age of Generative AI
超越自动化：在生成式人工智能时代重新思考工作、创造力与治理
专题命中 扩散模型 ：diffusion(abstract)
AI总结 本文探讨生成式AI对工作、创造力和治理的影响，提出包容性AI治理框架，强调UBI与技能发展等的结合以应对AI带来的挑战。
Comments Improved structure and clarity of the introduction and literature review; explicit articulation of the paper's contributions; refined the integration of AI across labour, UBI, and governance
