图像生成

PHDME: Physics-Informed Diffusion Models without Explicit Governing Equations

PHDME：无需显式 governing 方程的物理信息扩散模型

Kaiyuan Tan, Kendra Givens, Peilun Li, Thomas Beckers

机构 * Department of Computer Science, Vanderbilt University, Nashville, TN 37212, USA（计算机科学系，范德比尔特大学，纳什维尔，TN 37212，USA） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 PHDME 通过端口哈密顿结构先验和物理残差损失，在无需显式 governing 方程的情况下提高稀疏数据下的物理一致性与预测精度。

Imperfect Turing Patterns: Diffusiophoretic Assembly of Hard Spheres via Reaction-Diffusion Instabilities

不完美的图灵模式：通过反应扩散不稳定性实现硬球的扩散学组装

Siamak Mirfendereski, Ankur Gupta

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本研究通过引入扩散学辅助组装和细胞间相互作用，揭示了不完美图灵模式的形成机制，展示了多尺度结构和不完美性的生成过程。

Journal ref Matter 9.1 (2026)

Multilevel and Sequential Monte Carlo for Training-Free Diffusion Guidance

多级与顺序蒙特卡洛用于无训练扩散引导

Aidan Gleich, Scott C. Schmidler

机构 * Department of Statistical Science, Duke University, Durham, North Carolina（杜克大学统计科学系） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出基于多级与顺序蒙特卡洛的无训练引导方法，在CIFAR-10和ImageNet上实现了更高效准确的类条件生成。

Masked Diffusion Generative Recommendation

掩码扩散生成推荐

Lingyu Mu, Hao Deng, Haibo Xing, Jinxin Hu, Yu Zhang, Xiaoyi Zeng, Jing Zhang

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 MDGR通过改进生成推荐流程，采用并行代码本和两阶段解码策略，提升推荐性能和实时效率。

Mitigating data replication in text-to-audio generative diffusion models through anti-memorization guidance

通过反记忆指导减轻文本到音频生成扩散模型中的数据复制

Francisco Messina, Francesca Ronchini, Luca Comanducci, Paolo Bestagini, Fabio Antonacci

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出反记忆指导技术，用于减轻文本到音频生成扩散模型中的数据复制问题，通过三种指导策略提升生成质量并保持音频保真度。

Comments Accepted at ICASSP 2026

Generative Diffusion Receivers: Achieving Pilot-Efficient MIMO-OFDM Communications

生成扩散接收机：实现高效 pilot 的 MIMO-OFDM 通信

Yuzhi Yang, Omar Alhussein, Atefeh Arani, Zhaoyang Zhang, Mérouane Debbah

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出基于扩散模型的 MIMO-OFDM 接收机，通过整合传统信号估计与生成模型，有效降低信道重建误差，提升 pilot 效率。

Comments Final version accepted by IEEE TNSE. Under publication process

Unraveling Mn intercalation and diffusion in NbSe$_2$ bilayers through DFTB simulations

通过DFTB模拟解析NbSe₂双层中Mn的插入与扩散

Bruno Ipaves, Raphael B. de Oliveira, Guilherme da Silva Lopes Fabris, Matthias Batzill, Douglas S. Galvão

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本研究通过DFTB模拟揭示了Mn在NbSe₂双层中的插入与扩散机制，发现Mn更倾向于插入和嵌入位置，且扩散路径具有可及性。

Monte Carlo Tree Diffusion for System 2 Planning

蒙特卡洛树扩散用于系统2规划

Jaesik Yoon, Hyeonseo Cho, Doojin Baek, Yoshua Bengio, Sungjin Ahn

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 蒙特卡洛树扩散结合扩散模型和MCTS的优势，通过树结构的去噪过程提升规划性能，实验证明其在长时间任务中优于现有方法。

Comments 23 pages, 7 figures, ICML 2025 Spotlight

Non-equilibrium active noise enhances generative memory in diffusion models

非平衡主动噪声增强扩散模型的生成记忆

Agnish Kumar Behera, Alexandra Lamtyugina, Aditya Nandy, Daiki Goto, Carlos Floyd, Suriyanarayanan Vaikuntanathan

机构 * Department of Chemistry, University of Chicago, Chicago, IL, 60637（化学系，芝加哥大学，芝加哥，IL，60637） ； The James Franck Institute, University of Chicago, Chicago, IL, 60637（弗朗克研究所，芝加哥大学，芝加哥，IL，60637） ； Department of Physics, University of Chicago, Chicago, IL, 60637（物理系，芝加哥大学，芝加哥，IL，60637） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 非平衡主动噪声通过增强扩散模型的记忆效应，改进了高维能量景观的生成与恢复。

Comments 24 pages, 15 figures

Flow-Aware Diffusion for Real-Time VR Restoration: Enhancing Spatiotemporal Coherence and Efficiency

面向实时VR修复的流感知扩散：增强时空一致性和效率

Yitong Zhu, Qianghong Dong, Guanxuan Jiang, Zhuowen Liang, Yuyang Wang

专题命中 扩散模型 ：diffusion(title)

AI总结 U-MAD通过实时AI方法减少视觉运动以提升VR沉浸体验的舒适度和效率

Deterministic Discrete Denoising

确定性离散去噪

Hideyuki Suzuki, Wataru Kurebayashi, Hiroshi Yamashita

机构 * Graduate School of Information Science and Technology, The University of Osaka, Osaka, Japan（信息科学与技术研究生学校，大阪大学，大阪，日本） ； International Research Center for Neurointelligence, The University of Tokyo, Tokyo, Japan（神经智能国际研究中心，东京大学，东京，日本） 纠错

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

AI总结 本文提出了一种基于herding算法的确定性去噪方法，用于提升离散扩散模型的生成效率与质量。

Comments 15 pages, 1 figure

GR3EN: Generative Relighting for 3D Environments

GR3EN: 生成式3D环境光照

Xiaoyan Xing, Philipp Henzler, Junhwa Hur, Runze Li, Jonathan T. Barron, Pratul P. Srinivasan, Dor Verbin

机构 * Google DeepMind（谷歌DeepMind） ； Google Research（谷歌研究） ； University of Amsterdam（阿姆斯特丹大学） 纠错

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

AI总结 GR3EN通过将视频到视频扩散模型输出蒸馏到3D重建中，实现对房间尺度场景的可控3D光照调整，无需解决逆渲染问题，适用于复杂现实场景。

Comments project page: https://gr3en-relight.github.io/

Do Pathology Foundation Models Encode Disease Progression? A Pseudotime Analysis of Visual Representations

病理基础模型是否编码疾病进展？对视觉表示的伪时间分析

Pritika Vig, Ren-Chin Wu, William Lotter

机构 * Massachusetts Institute of Technology（麻省理工学院） ； Department of Pathology, Dana-Farber Cancer Institute（达纳-法伯癌症研究所病理部） ； Department of Data Science, Dana-Farber Cancer Institute（达纳-法伯癌症研究所数据科学部） ； Brigham and Women's Hospital（布里奇沃特医院） ； Harvard Medical School（哈佛医学院） 纠错

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

AI总结 研究探讨视觉基础模型是否能隐式学习连续疾病进程，通过伪时间分析发现模型在表示空间中能组织疾病状态，轨迹保真度与分类性能相关。

Comments 21 pages, 17 figures. Appendix included

Lossless Copyright Protection via Intrinsic Model Fingerprinting

无损版权保护 via 内在模型指纹

Lingxiao Chen, Liqin Wang, Wei Lu, Xiangyang Luo

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

AI总结 TrajPrint通过提取确定性生成过程中的独特流形指纹，实现无损模型版权验证，具备高鲁棒性和黑盒API兼容性。

RestoRect: Degraded Image Restoration via Latent Rectified Flow & Feature Distillation

RestoRect：通过潜在修正流与特征蒸馏实现退化图像恢复

Shourya Verma, Mengbo Wang, Nadia Atallah Lanman, Ananth Grama

机构 * Department of Computer Science, Purdue University, USA（计算机科学系，普渡大学，美国） ； Purdue Institute of Cancer Research, USA（普渡癌症研究院，美国） 纠错

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

AI总结 RestoRect通过潜在修正流与特征蒸馏方法，实现退化图像恢复的高效高质量处理，提升训练稳定性与推理速度。

Causality-guided Prompt Learning for Vision-language Models via Visual Granulation

基于视觉粒化的因果引导提示学习用于视觉语言模型

Mengyu Gao, Qiulei Dong

机构 * State Key Laboratory of Multimodal Artificial Intelligence Systems, Institute of Automation, Chinese Academy of Sciences（多模态人工智能系统国家重点实验室，自动化研究所，中国科学院） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（人工智能学院，中国科学院大学） 纠错

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

AI总结 本文提出CaPL方法，通过视觉粒化和因果推理提升细粒度识别性能，实验表明其在细粒度数据集上表现优异。

Comments Updated version

Superdiffusion and anomalous regularization in self-similar random incompressible flows

超扩散与自相似不可压缩流中的异常正则化

Scott Armstrong, Ahmed Bou-Rabee, Tuomo Kuusi

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究自相似不可压缩流中粒子的超扩散行为及异常正则化现象，通过重整化群方法证明了位移方差的幂律增长和解的Hölder连续性。

Comments 155 pages, announcement at https://www.scottnarmstrong.com/2026/01/superdiffusivity-anomalous-regularization/

Towards Universal Urban Patterns-of-Life Simulation

迈向通用的城市生活方式模拟

Sandro M. Reia, Henrique F. de Arruda, Shiyang Ruan, Taylor Anderson, Hamdi Kavak, Dieter Pfoser

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出了一种可扩展且通用的城市生活方式模拟框架，通过模拟日常活动生成模式，并验证了其在不同城市中的有效性，适用于城市系统中的多种场景分析。

Hierarchy of discriminative power and complexity in learning quantum ensembles

量子集合学习中的判别能力与复杂性层次

Jian Yao, Pengtao Li, Xiaohui Chen, Quntao Zhuang

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出MMD-k度量，用于量子集合学习，揭示判别能力与统计效率的权衡，并展示其在量子机器学习中的应用。

Clustering in Deep Stochastic Transformers

深度随机变换器中的聚类

Lev Fedorov, Michaël E. Sander, Romuald Elie, Pierre Marion, Mathieu Laurière

机构 * New York University（纽约大学） ； Google DeepMind（谷歌DeepMind） ； INRIA（法国国家信息与自动化研究所） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 深度随机变换器中，初始化噪声导致标记在球面上形成相互作用粒子系统，而非单点聚类，且存在由相互作用强度和维度决定的相变现象。

Comments 24 pages

Unique Continuation Property for Stochastic Wave Equations

随机波动方程的唯一持续性性质

Qi Lü, Zhonghua Liao

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文研究了随机波动方程中唯一持续性性质的恢复，证明了在特定条件下解的消失性，并展示了随机扩散项对能量贡献的独特作用。

Noncommuting zero-noise and zero-frequency limits in particle-hole symmetric fluids

粒子-空穴对称流体中的非对易零噪声与零频率极限

Ewan McCulloch, Romain Vasseur, Sarang Gopalakrishnan

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究揭示了粒子-空穴对称流体中电荷扩散与噪声的关系，发现其扩散常数在弱噪声下呈现不连续变化，并通过耦合伯格斯方程描述超扩散现象。

Comments 7 pages, 5 figures, 8 pages of supplemental material

Think Twice: Branch-and-Rethink Reasoning Reward Model

再思两次：分支与再思考推理奖励模型

Yizhu Jiao, Jiaqi Zeng, Julien Veron Vialard, Oleksii Kuchaiev, Jiawei Han, Olivier Delalleau

机构 * NVIDIA（NVIDIA公司） ； 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)

AI总结 BR-RM通过两轮次的分支与再思考机制，改进奖励模型的判断准确性与敏感性，实现更精确的推理能力。

Comments Source Code: https://github.com/yzjiao/BR-RM. Model Checkpoints: https://huggingface.co/nvidia/Qwen3-Nemotron-14B-BRRM and https://huggingface.co/nvidia/Qwen3-Nemotron-8B-BRRM

Fine-Tuning Flow Matching via Maximum Likelihood Estimation of Reconstructions

通过重建的最大似然估计进行流匹配微调

Zhaoyi Li, Jingtao Ding, Yong Li, Shihua Li

机构 * School of Automation, Southeast University（自动化学院，东南大学） ； Key Laboratory of MCCSE of the Ministry of Education, Southeast University（教育部信息与通信工程重点实验室，东南大学） ； Beijing Zhongguancun Academy（北京中关村学院） ； Department of Electronic Engineering, Tsinghua University（电子工程系，清华大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出通过最大似然估计微调流匹配模型，以提高其稳定性和鲁棒性，并在多个任务中验证了方法的有效性。

Jellyfish exist

水母存在

Ben Andrews, Glen Wheeler

专题命中 扩散模型 ：diffusion(abstract)

AI总结 该研究证明了弹性流、曲线扩散流和理想流中存在多种几何上不同的水母结构。

Comments 44 pages, 5 figures

Rethinking Refinement: Correcting Generative Bias without Noise Injection

重新思考细化：无需噪声注入即可纠正生成偏差

Xin Peng, Ang Gao

机构 * State Key Laboratory of Information Photonics（信息光子与光通信国家重点实验室） ； Optical Communications, Beijing University of Posts（光通信，北京邮电大学） ； School of Physical Science（物理科学学院） ； Technology, Beijing University of Posts（技术学院，北京邮电大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出Bi-stage Flow Refinement框架，通过潜在空间对齐和数据空间细化，无需噪声注入即可有效纠正生成模型的系统性偏差，提升样本保真度和覆盖率。

Accurate Thermophysical Properties of Water using Machine-Learned Potentials

利用机器学习势函数准确计算水的热物理性质

Tobias Hilpert, Georg Kresse

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本研究利用等变图神经网络MACE，通过机器学习势函数准确预测水的热物理性质，实现DFT级别的精度。

Multi-modal Imputation for Alzheimer's Disease Classification

多模态缺失数据填补用于阿尔茨海默病分类

Abhijith Shaji, Tamoghna Chattopadhyay, Sophia I. Thomopoulos, Greg Ver Steeg, Paul M. Thompson, Jose-Luis Ambite

机构 * Information Sciences Institute（信息科学研究所） ； University of Southern California（美国南加州大学） ； University of California（加州大学） ； Stevens Neuroimaging and Informatics Institute（史蒂文斯神经影像与信息学研究所） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出利用条件去噪扩散概率模型填补缺失的DWI扫描，以提高多模态深度学习模型在阿尔茨海默病三类分类中的准确性。

Trimmed branching random walk and a free obstacle problem

截断分支随机游走与一个自由障碍问题

Rami Atar, Leonid Mytnik, Gershon Wolansky

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文研究了截断分支随机游走与自由障碍问题的关系，通过分析水动力极限和抛物线自由障碍问题，揭示了粒子系统与连续介质动力学之间的联系。

A residual a posteriori error estimate for the Stabilization-free Virtual Element Method

残差后验误差估计用于无稳定化虚拟元方法

Stefano Berrone, Andrea Borio, Davide Fassino, Francesca Marcon

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出了一种无稳定化虚拟元方法的后验误差估计，通过证明误差度量与残差估计器的等价性，验证了其在不同网格和扩散项跃变下的鲁棒性。

Journal ref Journal of Computational Physics, 2026