图像生成

Particles, trajectories and diffusion: random walks in cooling granular gases

粒子、轨迹与扩散：冷却颗粒气体中的随机游走

Santos Bravo Yuste, Rubén Gómez González, Vicente Garzó

专题命中 扩散模型 ：diffusion(title)

AI总结 研究通过几何级数方法推导了颗粒气体中追踪粒子的均方位移解析表达式，结果优于第一Sonine近似，精度接近第二Sonine近似。

Comments 21 pages, 10 figures

Journal ref Phys. Rev. E 113, 015420 (2026)

PromptVFX: Text-Driven Fields for Open-World 3D Gaussian Animation

PromptVFX: 基于文本的场用于开放世界3D高斯动画

Mert Kiray, Paul Uhlenbruck, Nassir Navab, Benjamin Busam

机构 * Technical University of Munich（慕尼黑技术大学） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） ； Obsphera 纠错

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

AI总结 PromptVFX通过文本驱动的场预测技术，实现开放世界3D高斯动画，减少传统VFX制作的高门槛和耗时。

Context Tokens are Anchors: Understanding the Repetition Curse in dMLLMs from an Information Flow Perspective

上下文标记是锚点：从信息流的角度理解dMLLMs中的重复诅咒

Qiyan Zhao, Xiaofeng Zhang, Shuochen Chang, Qianyu Chen, Xiaosong Yuan, Xuhang Chen, Luoqi Liu, Jiajun Zhang, Xu-Yao Zhang, Da-Han Wang

机构 * SJTU（上海交通大学） ； CASIA（中国科学院自动化研究所） ； NTU（国立台湾大学） ； Meitu (China) Limited（美图公司） ； XMUT（新疆大学） 纠错

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

AI总结 CoTA通过增强上下文标记注意力和引入惩罚项缓解dMLLMs中的重复问题，提升解码性能。

Comments Accepted in ICLR 2026

Latent Temporal Discrepancy as Motion Prior: A Loss-Weighting Strategy for Dynamic Fidelity in T2V

潜在时间差异作为运动先验：一种用于动态保真的损失加权策略

Meiqi Wu, Bingze Song, Ruimin Lin, Chen Zhu, Xiaokun Feng, Jiahong Wu, Xiangxiang Chu, Kaiqi Huang

机构 * University of Chinese Academy of Sciences（中国科学院大学） ； AMAP, Alibaba Group（阿里云实验室） ； Southeast University（东南大学） ； CRISE, Institute of Automation Chinese Academy of Sciences（中国科学院自动化研究所） 纠错

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

AI总结 本文提出了一种基于潜在时间差异的损失加权策略，用于提升动态保真度，通过引入运动先验来优化模型训练，从而在运动视频生成任务中取得显著性能提升。

Comments Accepted by ICASSP 2026

HINT: Hierarchical Interaction Modeling for Autoregressive Multi-Human Motion Generation

HINT: 用于自回归多人体运动生成的分层交互建模

Mengge Liu, Yan Di, Gu Wang, Yun Qu, Dekai Zhu, Yanyan Li, Xiangyang Ji

机构 * Tsinghua University（清华大学） 纠错

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

AI总结 HINT通过分层交互建模提出了一种自回归框架，实现多人体运动生成，提升了交互建模的精度和长序列的连贯性。

AEDR: Training-Free AI-Generated Image Attribution via Autoencoder Double-Reconstruction

AEDR: 无需训练的AI生成图像属性识别方法通过自编码器双重建

Chao Wang, Zijin Yang, Yaofei Wang, Weiming Zhang, Kejiang Chen

机构 * iFLYTEK 纠错

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

AI总结 AEDR通过自编码器双重建方法，无需训练即可提升生成模型图像属性识别的准确率，同时显著降低计算成本。

Comments 7 pages. Accepted by AAAI 2026 Oral

Morphological Stability of Metal Anodes: Roles of Solid Electrolyte Interphases (SEIs) and Desolvation Kinetics

金属阳极的形态稳定性：固态电解质界面（SEI）和去溶剂化动力学的作用

Jin Zhang, Peter W. Voorhees

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本研究通过理论框架分析SEI和去溶剂化动力学对锂金属阳极形态稳定性的影响，提出表观Damköhler数以指导稳定阳极设计。

Impact of O concentration on the thermal stability and decomposition mechanism of (Cr,Al)N compared to (Ti,Al)N thin films

氧浓度对(Cr,Al)N薄膜热稳定性及分解机制的影响 compared to (Ti,Al)N 薄膜

Pauline Kümmerl, Ganesh Kumar Nayak, Felix Leinenbach, Zsolt Czigány, Daniel Primetzhofer, Szilárd Kolozsvári, Peter Polcik, Marcus Hans, Jochen M. Schneider

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究了氧浓度对(Cr,Al)N和(Ti,Al)N薄膜热稳定性及分解机制的影响，发现Cr-N键断裂导致分解，而Al键断裂则因非金属空位形成能高而提高热稳定性。

Fokker--Planck Dynamics on Star Graphs with Variable Drift: Well-Posedness, Adjoint Analysis, and Numerical Approximation

星图上具有可变漂移的福克-普朗克动力学：适定性、伴随分析与数值近似

Ritu Kumari, Cyrille Kenne, Landry Djomegne, Mani Mehra

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文研究了星图上具有可变漂移的福克-普朗克方程的最优控制问题，建立了适定性并提出小波数值方案。

On Portenko's approximation of skew Brownian motion

关于 Portenko 对倾斜布朗运动的近似

Adam Bobrowski, Andrey Pilipenko

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文通过算子半群理论回顾 Portenko 定理，并将其推广到星图上的 Walsh 过程，揭示了倾斜布朗运动边界条件的参数转换机制。

Comments 34 pages

Mix2Morph: Learning Sound Morphing from Noisy Mixes

Mix2Morph: 从嘈杂混音中学习声音变形

Annie Chu, Hugo Flores García, Oriol Nieto, Justin Salamon, Bryan Pardo, Prem Seetharaman

机构 * Adobe Research（Adobe研究部） ； Northwestern University（西北大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 Mix2Morph通过微调嘈杂混音生成高质量声音融合，实现无需专门数据集的声音变形。

Comments Accepted into ICASSP 2026

Complex segregation patterns in confined nonuniform granular shearing flows

受限非均匀颗粒剪切流中的复杂分离模式

Santiago Caro, Riccardo Artoni, Patrick Richard, Michele Larcher, James T. Jenkins

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究揭示了受限非均匀颗粒剪切流中尺寸分离的复杂机制，发现反向和水平分离现象，表明流体动力学和几何效应共同影响分离过程。

Comments Physical Review Fluids, In press

StormDiT: A generative AI model bridges the 2-6 hour 'gray zone' in precipitation nowcasting

StormDiT：一种生成式人工智能模型弥合降水nowcasting中的2-6小时‘灰区’

Haofei Sun, Yunfan Yang, Wei Han, Wei Huang, Huaguan Chen, Zhiqiu Gao, Zeting Li, Zhaoyang Huo, Zeyi Niu

专题命中 扩散模型 ：diffusion(abstract)

AI总结 StormDiT通过统一生成模型解决降水nowcasting中的灰区问题，实现长时段稳定预测和高概率校准，提升暴雨预测性能。

Order-Optimal Sample Complexity of Rectified Flows

修正流的最优样本复杂度

Hari Krishna Sahoo, Mudit Gaur, Vaneet Aggarwal

机构 * Purdue University, West Lafayette, USA（帕克大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文研究了修正流模型，证明其样本复杂度为$\tilde{O}(\varepsilon^{-2})$，优于现有方法并解释了其优异性能。

Mode-Wise Spectral Criteria for Coupled Mass Transport in Hybrid PDE--ODE Tumor Microenvironments

基于模式的耦合质量传输谱准则用于混合PDE-ODE肿瘤微环境

Jiguang Yu, Louis Shuo Wang, Zonghao Liu, Jingfeng Liu

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文研究了混合PDE-ODE肿瘤微环境中耦合质量传输的谱准则，通过分析趋化漂移和抑制场动态，揭示了稳定性和不稳定性条件。

Explainable deep learning reveals the physical mechanisms behind the turbulent kinetic energy equation

可解释的深度学习揭示湍流动能方程背后的物理机制

Francisco Alcántara-Ávila, Andrés Cremades, Sergio Hoyas, Ricardo Vinuesa

机构 * Department of Aerospace Engineering, University of Michigan, Ann Arbor, MI 48109, USA（航空航天工程系，密歇根大学，安阿伯，MI 48109, USA） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本研究利用可解释深度学习揭示湍流动能方程背后的物理机制，发现近壁湍流的主导机制为耗散，而外层则呈现层次结构崩溃。

Comments 6 pages, 5 figures, 1 appendix

Learning Differentiable Weak-Form Corrections to Accelerate Finite Element Simulations

学习可微弱形式修正以加速有限元模拟

Junoh Jung, Emil Constantinescu

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出了一种基于弱形式学习的方法，通过参数化双线性算子提升有限元模拟的精度和稳定性，减少计算成本。

Comments 19 pages, 11 figures

Extinction and Persistence in a Stochastic Mpox Model with Hawkes-type Self-Excitation

具有Hawkes型自激发的随机Mpox模型中的灭绝与持久性

Giulia Di Nunno, Nicola Giordano, Barbara Martinucci, Olena Tymoshenko

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出了一种结合Hawkes过程的随机Mpox模型，研究了传播事件的集群效应及控制措施对疾病爆发的影响。

Multi-wavelength Signatures of Supernova Shock Breakout from Red Supergiants in Two Dimensions

红超巨星超新星冲击波爆发的多波长特征

Wun-Yi Chen, Ke-Jung Chen, Keiichi Maeda, Masaomi Ono, Po-Sheng Ou, F. K. Roepke

专题命中 扩散模型 ：diffusion(abstract)

AI总结 该研究通过二维模拟揭示红超巨星超新星冲击波爆发的多波长特征，发现强辐射前导波驱动流体不稳定性，导致光球向外移动，且爆发峰值亮度和持续时间与质量损失及爆炸能量密切相关。

Comments Accepted for publication in ApJ. 21 pages, 8 figures, 2 tables

Targeted Pooled Latent-Space Steganalysis Applied to Generative Steganography, with a Fix

针对生成图像的池化潜在空间隐写分析应用于生成隐写术，带修复

Etienne Levecque, Aurélien Noirault, Tomáš Pevn{ý}, Jan Butora, Patrick Bas, Rémi Cogranne

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出在潜在空间中进行池化隐写分析，通过建模潜在向量范数的统计分布来检测生成图像中的隐写信息，并展示了如何通过随机采样使隐写方案在潜在空间中不可检测。

Optically-Trapped Particle Tracking Velocimetry

基于光学陷阱的粒子追踪测速法

Tetsuro Tsuji, Shoma Hashimoto, Satoshi Taguchi

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出了一种基于光学陷阱的粒子追踪测速方法，能够高效测量微流体中的流速，尤其适用于示踪颗粒稀少的场景。

Comments 19 pages 8 figures for main text 8 pages 6 figures for supplemental materials

Journal ref Physical Review Fluids (2026)

On a class of nonlinear BGK-type kinetic equations with density dependent collision rates

关于具有密度依赖碰撞率的非线性BGK型动能方程的一类

Josephine Evans, Daniel Morris, Havva Yoldaş

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文研究了一类具有密度依赖碰撞率的非线性BGK型动能方程，证明了初值问题的良态性，并导出了非线性扩散方程的水动力极限。

Comments Journal accepted version; fixed typos, minor mistakes, expanded some calculations as per reviewer suggestion

Convergence rates for an Adaptive Biasing Potential scheme from a Wasserstein optimization perspective

从Wasserstein优化视角看适应性偏置势方案的收敛速率

Tony Lelièvre, Xuyang Lin, Pierre Monmarché

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文从Wasserstein优化视角出发，首次对适应性偏置势方案的动能Langevin扩散进行了指数收敛性分析，揭示了其在理想化设定下的理论收敛速率。

Comments 58 pages, 5 figures

Run-Length-Limited ISI-Mitigation (RLIM) Coding for Molecular Communication

限制运行长度的ISI抑制（RLIM）编码用于分子通信

Melih Şahin, Ozgur B. Akan

专题命中 扩散模型 ：diffusion(abstract)

AI总结 RLIM通过限制运行长度编码和优化解码器提升分子通信中符号间干扰的可靠性，实现更低的比特误码率性能。

Comments 12 pages, 6 figures, 6 tables

Numerical simulation and analysis of mixing enhancement due to chaotic advection using an adaptive approach for approximating the dilution index

利用自适应方法近似稀释指数研究混沌对流引起的混合增强的数值模拟与分析

Carla Feistner, Mónica Basilio Hazas, Barbara Wohlmuth, Gabriele Chiogna

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出了一种自适应方法用于近似稀释指数，以研究混沌对流引起的混合增强，通过分析源-汇偶极子和旋转势能混合系统，展示了混合增强与扩散的重要性。

Comments paper: 25 pages, 15 figures. supplemental material: 4 pages, 3 figures, submitted to Journal of Computational Physics

Quartet of Diffusions: Structure-Aware Point Cloud Generation through Part and Symmetry Guidance

四重扩散：通过部件和对称性指导的结构感知点云生成

Chenliang Zhou, Fangcheng Zhong, Weihao Xia, Albert Miao, Canberk Baykal, Cengiz Oztireli

专题命中 可控生成 ：diffusion(abstract)；分类 cs.CV

AI总结 四重扩散通过部件和对称性指导，实现了结构感知的点云生成，首次在生成过程中整合并强制执行对称性和部件先验。

De Finetti's Control for Refracted Skew Brownian Motion

德芬尼控制下的折射斜布朗运动

Zhongqin Gao, Yan Lv, Xiaowen Zhou

专题命中 可控生成 ：diffusion(abstract)

AI总结 本文提出折射斜布朗运动作为风险模型，研究其最优分红策略的充分条件。

SeedVR2: One-Step Video Restoration via Diffusion Adversarial Post-Training

SeedVR2: 通过扩散对抗后训练实现一步视频修复

Jianyi Wang, Shanchuan Lin, Zhijie Lin, Yuxi Ren, Meng Wei, Zongsheng Yue, Shangchen Zhou, Hao Chen, Yang Zhao, Ceyuan Yang, Xuefeng Xiao, Chen Change Loy, Lu Jiang

机构 * Nanyang Technological University（南洋理工大学） ； ByteDance Seed（字节跳动实验室） 纠错

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

AI总结 SeedVR2通过引入自适应窗口注意力机制和改进的损失函数，实现高分辨率视频修复的一步式高效修复方法。

Comments Camera Ready of ICLR2026. Project page: https://iceclear.github.io/projects/seedvr2/

Beyond GEMM-Centric NPUs: Enabling Efficient Diffusion LLM Sampling

超越以GEMM为中心的NPUs：使高效的扩散LLM采样成为可能

Binglei Lou, Haoran Wu, Yao Lai, Jiayi Nie, Can Xiao, Xuan Guo, Rika Antonova, Robert Mullins, Aaron Zhao

机构 * Imperial College London（伦敦帝国学院） ； University of Edinburgh（爱丁堡大学） ； University of Cambridge（剑桥大学） 纠错

专题命中 效率与蒸馏 ：diffusion(title,abstract)

AI总结 本文提出了一种针对扩散LLM采样的NPU架构优化方案，通过轻量级向量原语、内存重用策略和混合精度内存层次结构，实现了2.53倍的加速性能。

Two-Step Diffusion: Fast Sampling and Reliable Prediction for 3D Keller--Segel and KPP Equations in Fluid Flows

两步扩散：用于流体流动中3D凯勒-塞格尔和KPP方程快速采样和可靠预测的方法

Zhenda Shen, Zhongjian Wang, Jack Xin, Zhiwen Zhang

专题命中 效率与蒸馏 ：diffusion(title)

AI总结 本文提出两步扩散方法，用于在流体流动中快速且可靠地解决3D凯勒-塞格尔和KPP方程的采样与预测问题。

Comments 40 pages, 17 figures, 4 tables. Preprint