图像生成

Diffusion for De-Occlusion: Accessory-Aware Diffusion Inpainting for Robust Ear Biometric Recognition

扩散用于去遮挡：面向鲁棒耳生物识别的辅助意识扩散修复

Deeksha Arun, Kevin W. Bowyer, Patrick Flynn

机构 * Department of Computer Science and Engineering, University of Notre Dame（计算机科学与工程系，圣母大学） 纠错

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

AI总结 本文提出了一种基于扩散的耳部修复方法，用于缓解耳饰遮挡问题，提升基于耳部的生物识别系统性能。

Cortex-Grounded Diffusion Models for Brain Image Generation

基于皮层的扩散模型用于脑图像生成

Fabian Bongratz, Yitong Li, Sama Elbaroudy, Christian Wachinger

机构 * Lab for AI in Medical Imaging, Technical University of Munich, Germany（慕尼黑技术大学医学影像人工智能实验室） ； Munich Center for Machine Learning, Germany（慕尼黑机器学习中心） 纠错

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

AI总结 Cor2Vox通过结合皮层结构先验，实现了高精度的脑MRI合成，能生成解剖学一致且生物合理的图像，适用于多种脑部疾病模拟和数据集和谐化任务。

Comments preprint

iFSQ: Improving FSQ for Image Generation with 1 Line of Code

iFSQ：通过一行代码改进图像生成的FSQ

Bin Lin, Zongjian Li, Yuwei Niu, Kaixiong Gong, Yunyang Ge, Yunlong Lin, Mingzhe Zheng, JianWei Zhang, Miles Yang, Zhao Zhong, Liefeng Bo, Li Yuan

机构 * Peking University（北京大学） ； Tencent Hunyuan（腾讯文言） 纠错

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

AI总结 iFSQ通过一行代码改进图像生成的FSQ，解决了重建保真度与信息效率的平衡问题，并揭示了离散与连续表示的最佳平衡点及AR与扩散模型的性能差异。

Comments Technical Report; Fixed eq.7 & 8 and corresponding content

Beyond Memorization: Selective Learning for Copyright-Safe Diffusion Model Training

超越记忆：面向版权安全的扩散模型训练中的选择性学习

Divya Kothandaraman, Jaclyn Pytlarz

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

AI总结 本文提出了一种基于梯度投影的选择性学习方法，用于在扩散模型训练中有效控制记忆化，以保障版权安全和隐私保护。

SWA-LDM: Toward Stealthy Watermarks for Latent Diffusion Models

SWA-LDM：迈向潜在扩散模型的隐蔽水印

Zhonghao Yang, Linye Lyu, Xuanhang Chang, Daojing He, YU LI

机构 * Software Engineering Institute, East China Normal University（华东师范大学软件工程学院） ； School of Computer Science and Technology, Harbin Institute of Technology (Shen Zhen)（哈尔滨工业大学（深圳）计算机科学与技术学院） ； College of Integrated Circuits, Zhejiang University（浙江大学集成电路学院） 纠错

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

AI总结 SWA-LDM通过动态随机化潜在噪声中的水印，提升潜在扩散模型的隐蔽性，实现更安全的水印部署。

Comments 12 pages, 5 figures

Advances in Diffusion-Based Generative Compression

扩散生成压缩的进展

Yibo Yang, Stephan Mandt

机构 * Chan Zuckerberg Biohub（查纳·泽克拜尔生物枢纽） ； University of California Irvine（加州大学尔湾分校） 纠错

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

AI总结 本文探讨了扩散模型在图像生成压缩中的应用，通过统一回顾和理论分析，提出了一种基于率-失真-感知理论的压缩方法，并指出了未来的研究方向。

Comments Preprint

Avoid Catastrophic Forgetting with Rank-1 Fisher from Diffusion Models

通过扩散模型的秩1 Fisher避免灾难性遗忘

Zekun Wang, Anant Gupta, Zihan Dong, Christopher J. MacLellan

机构 * College of Computing（计算学院） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

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

AI总结 本文提出基于扩散模型的秩1 EWC 方法，通过改进 Fisher 估计减少持续学习中的灾难性遗忘，提升图像生成任务的 FID 指标。

Comments 19 pages, 14 figures

Journal ref ICLR 2026

Structured Pattern Expansion with Diffusion Models

基于扩散模型的结构模式扩展

Marzia Riso, Giuseppe Vecchio, Fabio Pellacini

机构 * Sapienza University of Rome（罗马大学） ； Independent Researcher（独立研究者） ； University of Modena and Reggio Emilia（摩德纳和雷吉奥艾米利亚大学） 纠错

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

AI总结 本文提出一种基于扩散模型的结构模式扩展方法，通过微调和噪声滚动技术提升模式生成质量，实现对用户输入的直接控制。

Universal Multi-Domain Translation via Diffusion Routers

通用多领域翻译 via 扩散路由器

Duc Kieu, Kien Do, Tuan Hoang, Thao Minh Le, Tung Kieu, Dang Nguyen, Thin Nguyen

机构 * Applied Artificial Intelligence Initiative, Deakin University, Australia（德肯大学应用人工智能计划，澳大利亚） ； Pennsylvania State University, USA（宾夕法尼亚州立大学，美国） ； Aalborg University, Denmark（奥胡斯大学，丹麦） 纠错

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

AI总结 本文提出扩散路由器（DR）框架，通过中心域路由实现多领域翻译，实现通用多领域翻译任务，提升翻译效率与任务多样性。

Comments Accepted in ICLR 2026

Diffusion models for multivariate subsurface generation and efficient probabilistic inversion

扩散模型用于多变量地下生成及高效的概率反演

Roberto Miele, Niklas Linde

机构 * Institute of Earth Sciences University of Lausanne（地球科学研究所 雅各布大学） 纠错

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

AI总结 本文提出了一种基于扩散模型的多变量地下生成与高效概率反演方法，通过改进的后验采样方法提升了统计鲁棒性和计算效率。

Comments 35 p., 16 figs. This updated version corrects an error with the analysis of the denoising scores' magnitudes in the results section. The discussion and conclusions of our study remain unchanged. The scores' trends were erroneously reported with inverted time-step order, now fixed in Figure 5a and b (now with the correct increasing trends) and in the corresponding analysis in the Results section

Journal ref Comput. Geosci. 207 (2026) 106076

A Gift from the Integration of Discriminative and Diffusion-based Generative Learning: Boundary Refinement Remote Sensing Semantic Segmentation

整合判别与基于扩散的生成学习：边界细化遥感语义分割

Hao Wang, Keyan Hu, Xin Guo, Haifeng Li, Chao Tao

机构 * School of Geosciences and Info-Physics, Central South University（地质科学与信息物理学院，中南大学） ； College of Computer Science, Inner Mongolia University（计算机学院，内蒙古大学） 纠错

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

AI总结 本文提出IDGBR框架，整合判别与生成学习，通过粗分割图与原始图像的联合学习，利用迭代去噪扩散过程实现遥感图像边界精细化分割。

Comments Accepted for publication in IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI)

Bounding Box-Guided Diffusion for Synthesizing Industrial Images and Segmentation Map

边界框引导的扩散模型用于合成工业图像和分割图

Emanuele Caruso, Alessandro Simoni, Francesco Pelosin

机构 * Covision Lab（科维森实验室） 纠错

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

AI总结 本文提出基于扩散模型的边界框引导方法，用于生成高保真的工业图像和分割图，提升缺陷一致性和空间准确性，通过定量指标评估方法有效性，推动更可靠的分割模型发展。

Comments Accepted at Synthetic Data for Computer Vision Workshop - CVPR 2025

R-Meshfusion: Reinforcement Learning Powered Sparse-View Mesh Reconstruction with Diffusion Priors

R-Meshfusion：基于强化学习的扩散先验的稀疏视图网格重建

Haoyang Wang, Liming Liu, Peiheng Wang, Junlin Hao, Jiangkai Wu, Xinggong Zhang

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

AI总结 R-Meshfusion通过扩散模型与强化学习结合，提升稀疏视图下网格重建的几何与渲染质量。

Comments needs to be revised and updated

Revealing Subtle Phenotypes in Small Microscopy Datasets Using Latent Diffusion Models

利用潜在扩散模型揭示小样本显微图像中的细微表型

Anis Bourou, Biel Castaño Segade, Thomas Boyer, Valérie Mezger, Auguste Genovesio

机构 * Ecole Normale Supérieure（法国国家科学研究院） ； Université Paris Cité（巴黎cité大学） 纠错

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

AI总结 本文提出利用预训练的潜在扩散模型，在小样本显微图像中有效检测细微表型变化。

Comments Published to CVPR CVDD 2025

There and Back Again: On the relation between Noise and Image Inversions in Diffusion Models

往返之间：关于扩散模型中噪声与图像逆向之间的关系

Łukasz Staniszewski, Łukasz Kuciński, Kamil Deja

机构 * Warsaw University of Technology（华沙技术大学） ； IDEAS Research Institute（IDEAS研究机构） ； University of Warsaw（华沙大学） ； Institute of Mathematics, Polish Academy of Sciences（波兰科学院数学研究所） ； IDEAS NCBR 纠错

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中噪声与图像逆向之间的关系，通过替换DDIM逆向步骤为正向扩散过程，解相关潜在编码并提升编辑与插值质量。

Comments ICLR 2026

Joint Diffusion for Universal Hand-Object Grasp Generation

联合扩散用于通用手-物体抓取生成

Jinkun Cao, Jingyuan Liu, Kris Kitani, Yi Zhou

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Adobe（Adobe公司） ； Roblox（Roblox公司） 纠错

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

AI总结 本文提出联合手-物体扩散模型，通过统一潜在表示生成手和物体的抓取，利用大规模物体数据提升通用性，实现无条件和条件抓取生成。

Comments accepted by TMLR

Divergence-Free Diffusion Models for Incompressible Fluid Flows

无散度扩散模型用于不可压缩流体流动

Wilfried Genuist, Éric Savin, Filippo Gatti, Didier Clouteau

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本研究提出无散度扩散模型用于模拟不可压缩流体流动，通过引入物理约束提升预测精度。

Comments This paper proposes an autoregressive divergence-free diffusion model for 2D Kolmogorov fluid flow forecasting

Error estimates of a training-free diffusion model for high-dimensional sampling

高维采样中无训练扩散模型的误差估计

Pengjun Wang, Zezhong Zhang, Minglei Yang, Feng Bao, Yanzhao Cao, Guannan Zhang

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出了一种无训练扩散模型的误差分析方法，通过精确分数函数避免误差传播，实现了高维采样中的高效收敛性与可验证的误差界。

Generalizable Equivariant Diffusion Models for Non-Abelian Lattice Gauge Theory

可推广的非阿贝尔晶格规范理论等价扩散模型

Gert Aarts, Diaa E. Habibi, Andreas Ipp, David I. Müller, Thomas R. Ranner, Lingxiao Wang, Wei Wang, Qianteng Zhu

机构 * Centre for Quantum Fields and Gravity, Department of Physics, Swansea University（量子场与引力中心，物理系，萨瑟兰大学） ； Institute for Theoretical Physics, TU Wien（理论物理研究所，维也纳技术大学） ； RIKEN Center for Interdisciplinary Theoretical and Mathematical Sciences (iTHEMS)（理化学研究所跨学科理论和数学科学中心（iTHEMS）） ； Institute for Physics of Intelligence, Graduate School of Science, The University of Tokyo（智能物理研究所，科学研究生院，东京大学） ； State Key Laboratory of Dark Matter Physics, Key Laboratory for Particle Astrophysics and Cosmology (MOE), Shanghai Key Laboratory for Particle Physics and Cosmology, Shanghai Jiao Tong University（暗物质物理国家重点实验室，粒子天体物理与宇宙学重点实验室（MOE），粒子物理与宇宙学上海重点实验室，上海交通大学） ； Southern Center for Nuclear-Science Theory (SCNT), Institute of Modern Physics, Chinese Academy of Sciences（南方核科学理论中心（SCNT），现代物理研究所，中国科学院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出了一种可推广的非阿贝尔晶格规范理论等价扩散模型，利用MAALA算法在不同规模和耦合条件下保持高精度和接受率。

Comments 9 pages, 5 figures, 2 tables

Existence of Weak Solutions to a Constrained Aggregation-Diffusion-Reaction Model for Multiple Sclerosis

多重 sclerosis 模型中带约束的聚集-扩散-反应方程弱解的存在性

S. Fagioli, M. Kamath Katapady

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文研究了多重 sclerosis 模型中带约束的聚集-扩散-反应方程弱解的存在性，通过变分分裂方案分离传输和反应贡献，利用约束结构恢复少突胶质细胞密度。

LightSBB-M: Bridging Schrödinger and Bass for Generative Diffusion Modeling

LightSBB-M：连接施图德林桥梁与巴斯以生成扩散建模

Alexandre Alouadi, Pierre Henry-Labordère, Grégoire Loeper, Othmane Mazhar, Huyên Pham, Nizar Touzi

机构 * New York University（纽约大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 LightSBB-M通过结合施图德林桥梁与巴斯方法，实现了高效的生成扩散建模，提升了合成和现实任务中的生成质量。

DART: Diffusion-Inspired Speculative Decoding for Fast LLM Inference

DART：基于扩散的推测解码用于快速大语言模型推理

Fuliang Liu, Xue Li, Ketai Zhao, Yinxi Gao, Ziyan Zhou, Zhonghui Zhang, Zhibin Wang, Wanchun Dou, Sheng Zhong, Chen Tian

机构 * State Key Laboratory of Novel Software Technology, Nanjing University（南京大学新型软件技术国家重点实验室） ； Alibaba Group（阿里巴巴集团） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 DART通过并行生成和高效树修剪算法，提升大语言模型推理速度，比EAGLE3快30%。

Structure-based RNA Design by Step-wise Optimization of Latent Diffusion Model

基于结构的RNA设计：通过潜在扩散模型的分步优化

Qi Si, Xuyang Liu, Penglei Wang, Xin Guo, Yuan Qi, Yuan Cheng

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出SOLD框架，通过强化学习优化潜在扩散模型，提升RNA结构设计的准确性与效率。

Comments 20 pages (7 pages content + 2 pages references + 11 pages appendix), 11 figures, 8 tables. Source code available at https://github.com/darkflash03/SOLD Accepted to AAAI 2026

A Probabilistic Interpretation of the Master Equation Arising from Mean Field Games with Jump Diffusion

马尔可夫方程的概率解释：源自具有跳跃扩散的均场博弈

Jiusheng Liu, Jing Zhang

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文通过概率方法将跳跃扩散驱动的均场博弈主方程的解转化为耦合的MV-FBSDEs，证明了其存在性和唯一性，并扩展了之前关于扩散驱动MFGs的研究。

Comments 33 pages

Effect of Controlled Magnetic Island Bifurcation on Electron Diffusion

受控磁岛分叉对电子扩散的影响

Jessica Eskew, D. M. Orlov, B. Andrew, E. Bursch, M. Koepke, F. Skiff, M. E. Austin, T. Cote, C. Marini, E. G. Kostadinova

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究通过磁岛分叉改变电子扩散路径，揭示了不同磁岛模式和发射位置对电子输运的影响，为粒子约束提供新见解。

Comments 20 pages, 12 figures

PhenDiff: Revealing Subtle Phenotypes with Diffusion Models in Real Images

PhenDiff: 通过扩散模型在真实图像中揭示细微表型

Anis Bourou, Thomas Boyer, Kévin Daupin, Véronique Dubreuil, Aurélie De Thonel, Valérie Mezger, Auguste Genovesio

机构 * ENS（巴黎综合理工学院） ； Université de Paris Cité（巴黎城市大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 PhenDiff利用扩散模型在真实图像中识别细胞表型变化，提供了一种有效的方法来揭示细微的表型差异。

Journal ref MICCAI 2024

FSD-CAP: Fractional Subgraph Diffusion with Class-Aware Propagation for Graph Feature Imputation

FSD-CAP：基于类感知传播的分数子图扩散用于图特征补全

Xin Qiao, Shijie Sun, Anqi Dong, Cong Hua, Xia Zhao, Longfei Zhang, Guangming Zhu, Liang Zhang

机构 * Xidian University（西安电子科技大学） ； KTH Royal Institute of Technology（皇家理工学院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 FSD-CAP通过两阶段框架提升图特征补全质量，在极端稀疏条件下实现高准确率的节点分类和链接预测

Comments 31 pages, 12 figures

Dynamic Correction of Erroneous State Estimates via Diffusion Bayesian Exploration

通过扩散贝叶斯探索动态修正错误状态估计

Yiwei Shi, Hongnan Ma, Mengyue Yang, Cunjia Liu, Weiru Liu

机构 * University of Bristol（布里斯托大学） ； Loughborough University（洛桑大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出一种扩散驱动的贝叶斯探索框架，用于动态修正早期状态估计误差，通过熵正则化采样和协方差缩放扩散扩展后验支持，解决S-PSI问题并保持统计严谨性。

On some nonlocal, nonlinear diffusion problems

关于某些非局部、非线性扩散问题

M. M. Chipot, A. Luthra, S. A. Sauter

专题命中 扩散模型 ：diffusion(title)

AI总结 本文研究非局部非线性椭圆问题的解法，通过不动点论证和数值实验探讨解的计算与误差估计。

Emergent hydrodynamics of chiral active fluids: vortices, bubbles and odd diffusion

自旋活性流体的涌现水动力学：涡流、气泡和奇数扩散

Umberto Marini Bettolo Marconi, Alessandro Petrini, Raphaël Maire, Lorenzo Caprini

专题命中 扩散模型 ：diffusion(title)

AI总结 本文提出了一种描述自旋活性流体水动力学的理论框架，揭示了奇数扩散、边缘电流和非均匀相等现象的机制。