图像生成

ECGTwin: Personalized ECG Generation Using Controllable Diffusion Model

ECGTwin: 基于可控扩散模型的个性化ECG生成

Yongfan Lai, Bo Liu, Xinyan Guan, Qinghao Zhao, Hongyan Li, Shenda Hong

机构 * State Key Laboratory of General Artificial Intelligence, Beijing, China（一般人工智能国家重点实验室） ； School of Intelligence Science and Technology, Peking University, Beijing, China（智能科学与技术学院） ； National Institute of Health Data Science, Peking University, Beijing, China（健康数据科学国家研究院） ； Department of Cardiology, Peking University People’s Hospital, Beijing, China（心血管内科） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 ECGTwin通过可控扩散模型实现个性化ECG生成，解决个体特征提取与条件注入难题，提升医疗诊断的精准性。

Conditional diffusion models for downscaling and bias correction of Earth system model precipitation

条件扩散模型用于地球系统模型降水的降尺度和偏差校正

Michael Aich, Philipp Hess, Baoxiang Pan, Sebastian Bathiany, Yu Huang, Niklas Boers

机构 * Technical University of Munich（慕尼黑技术大学） ； Munich Climate Center（慕尼黑气候中心） ； TUM School of Engineering and Design（慕尼黑技术大学工程与设计学院） ； Potsdam Institute for Climate Impact Research（波茨坦气候影响研究所） ； Institute of Atmospheric Physics（大气物理研究所） ； University of Exeter（埃克塞特大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出一种条件扩散模型，用于地球系统模型降水的降尺度和偏差校正，通过共享嵌入空间和反向映射提升降水模拟的准确性与稳定性。

DreamOn: Diffusion Language Models For Code Infilling Beyond Fixed-size Canvas

DreamOn: 用于代码填充的扩散语言模型超越固定大小画布

Zirui Wu, Lin Zheng, Zhihui Xie, Jiacheng Ye, Jiahui Gao, Shansan Gong, Yansong Feng, Zhenguo Li, Wei Bi, Guorui Zhou, Lingpeng Kong

机构 * The University of Hong Kong（香港大学） ； Kuaishou Technology（快手科技） ； Huawei Noah Ark Lab（华为诺亚实验室） ； Peking University（北京大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 DreamOn通过引入动态长度控制机制，解决了扩散语言模型在代码填充中因固定长度限制导致的性能问题，实现了灵活的可变长度生成。

Comments ICLR 2026

Analyzing and Improving Diffusion Models for Time-Series Data Imputation: A Proximal Recursion Perspective

分析和改进用于时间序列数据插补的扩散模型：从近端递归的角度

Zhichao Chen, Hao Wang, Fangyikang Wang, Licheng Pan, Zhengnan Li, Yunfei Teng, Haoxuan Li, Zhouchen Lin

机构 * State Key Lab of General AI, School of Intelligence Science and Technology, Peking University（人工智能国家重点实验室、智能科学与技术学院、北京大学） ； Zhejiang University（浙江大学） ； Beijing Academy of Artificial Intelligence (BAAI)（北京人工智能研究院） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Center for Data Science, Peking University（北京大学数据科学中心） ； Institute for Artificial Intelligence, Peking University（北京大学人工智能研究院） ； Pazhou Laboratory (Huangpu), Guangzhou, China（黄埔实验室（华南）） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文从近端递归角度提出SPIRIT框架，通过引入熵诱导的Bregman分歧和半近端传输正则化，改进扩散模型在时间序列数据插补中的性能。

DTAMS: High-Capacity Generative Steganography via Dynamic Multi-Timestep Selection and Adaptive Deviation Mapping in Latent Diffusion

DTAMS: 通过动态多时间步选择和自适应偏差映射实现高容量生成隐写术

Yuhao Xue, Jiuan Zhou, Yu Cheng, Zhaoxia Yin

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 DTAMS通过动态多时间步选择和自适应偏差映射，在保证安全性和鲁棒性的前提下实现高容量生成隐写术。

Vortex Stretching in the Navier-Stokes Equations and Information Dissipation in Diffusion Models: A Reformulation from a Partial Differential Equation Viewpoint

纳维-斯托克斯方程中的涡旋拉伸与扩散模型中的信息耗散：从偏微分方程视角的重新表述

Tsuyoshi Yoneda

机构 * Graduate School of Economics, Hitotsubashi University（早稻田大学经济学研究科） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文从偏微分方程视角重新表述了纳维-斯托克斯方程中的涡旋拉伸，通过分数函数学习构建反时间粒子轨迹，揭示了信息在压缩与拉伸方向上的不同耗散特性。

TLDiffGAN: A Latent Diffusion-GAN Framework with Temporal Information Fusion for Anomalous Sound Detection

TLDiffGAN：一种结合时间信息融合的扩散-生成对抗网络框架用于异常声音检测

Chengyuan Ma, Peng Jia, Hongyue Guo, Wenming Yang

机构 * Shenzhen International Graduate School, Tsinghua University, China（清华大学深圳国际研究生院） ； Collaborative Innovation Center for Transport Studies, Dalian Maritime University, China（大连海事大学交通运输协同创新中心） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 TLDiffGAN通过结合潜在扩散模型与预训练音频编码器，提升异常声音检测的准确性和时间频率定位能力。

Comments Accepted by ICASSP 2026

SanD-Planner: Sample-Efficient Diffusion Planner in B-Spline Space for Robust Local Navigation

SanD-Planner: 一种基于B样条空间的高效扩散规划器用于鲁棒的局部导航

Jincheng Wang, Lingfan Bao, Tong Yang, Diego Martinez Plasencia, Jianhao Jiao, Dimitrios Kanoulas

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 SanD-Planner通过基于B样条空间的高效扩散方法，在有限样本下实现高鲁棒性的局部导航规划。

Comments Under review. 11 pages

UniMorphGrasp: Diffusion Model with Morphology-Awareness for Cross-Embodiment Dexterous Grasp Generation

UniMorphGrasp: 基于形态意识的扩散模型用于跨躯体灵巧抓取生成

Zhiyuan Wu, Xiangyu Zhang, Zhuo Chen, Jiankang Deng, Rolandos Alexandros Potamias, Shan Luo

机构 * Department of Engineering, King’s College London, Strand, London, WC2R 2LS, United Kingdom（伦敦国王学院工程系） ； Imperial College London, London, SW7 2AZ, United Kingdom（伦敦帝国学院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 UniMorphGrasp通过融合手部形态信息的扩散模型，实现跨躯体灵巧抓取的统一生成与强泛化能力。

RoDiF: Robust Direct Fine-Tuning of Diffusion Policies with Corrupted Human Feedback

RoDiF: 基于损坏人类反馈的扩散策略鲁棒直接微调

Amitesh Vatsa, Zhixian Xie, Wanxin Jin

机构 * Interactive Systems (IRIS) Lab, Arizona State University, Tempe AZ, USA.（智能机器人与交互系统实验室，亚利桑那州立大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 RoDiF通过几何假设切割视角和保守切割策略，实现无假设噪声分布的鲁棒直接微调，提升扩散策略在损坏人类反馈下的性能。

Dynamic Expert Sharing: Decoupling Memory from Parallelism in Mixture-of-Experts Diffusion LLMs

动态专家共享：解耦内存与并行性在混合专家扩散语言模型中的方法

Hao Mark Chen, Zhiwen Mo, Royson Lee, Qianzhou Wang, Da Li, Shell Xu Hu, Wayne Luk, Timothy Hospedales, Hongxiang Fan

机构 * Imperial College London, London, UK（伦敦帝国学院） ； Samsung AI Center, Cambridge, UK（三星人工智能中心） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出动态专家共享方法，通过序列层面的coreset选择，减少MoE dLLMs中专家激活数量和延迟，同时保持高准确性。

Physics-informed Diffusion Mamba Transformer for Real-world Driving

物理引导的扩散Mamba变换器用于现实驾驶

Hang Zhou, Qiang Zhang, Peiran Liu, Yihao Qin, Zhaoxu Yan, Yiding Ji

机构 * Robotics and Autonomous Systems Thrust, The Hong Kong University of Science and Technology(Guangzhou)（香港科学与技术大学（广州）机器人与自主系统方向） ； MoSense Technologies 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出了一种结合Mamba和注意力机制的扩散模型，通过整合物理约束提升自动驾驶轨迹预测的准确性和可解释性。

Journal ref International Conference on Robotics & Automation (ICRA) 2026

Latent Shadows: The Gaussian-Discrete Duality in Masked Diffusion

潜在阴影：掩码扩散中的高斯-离散对偶性

Guinan Chen, Xunpeng Huang, Ying Sun, Shijin Wang, Yanyong Zhang, Chao Wang

机构 * University of Science ； The Hong Kong University of Science ； State Key Laboratory of Cognitive Intelligence \& iFLYTEK AI Research, Hefei, China 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出掩码扩散对偶性及MCD框架，通过高斯过程投影和确定性轨迹构建，实现16倍推理加速且不降低生成质量。

Comments 10 pages

Physics-informed Diffusion Generation for Geomagnetic Map Interpolation

基于物理的扩散生成用于地磁图插值

Wenda Li, Tongya Zheng, Kaixuan Chen, Shunyu Liu, Haoze Jiang, Yunzhi Hao, Rui Miao, Zujie Ren, Mingli Song, Hang Shi, Gang Chen

机构 * State Key Laboratory of Blockchain and Data Security（区块链与数据安全国家重点实验室） ； High-Performance Intelligent Computing Research Center for Ultra-Large Scale Graph Data（超大规模图数据高性能智能计算研究中心） ； School of Computer and Computing Science（计算机与计算科学学院） ； Hangzhou City University（杭州市大学） ； Zhejiang Lab（浙江实验室） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出基于物理的扩散生成框架PDG，通过物理引导的掩码策略和约束，提升地磁图插值的精度与可靠性。

Comments 5 pages, 2 figures, IEEE ICASSP'26

Dual-View Predictive Diffusion: Lightweight Speech Enhancement via Spectrogram-Image Synergy

双视预测扩散：通过频谱-图像协同实现轻量语音增强

Ke Xue, Rongfei Fan, Kai Li, Shanping Yu, Puning Zhao, Jianping An

机构 * School of Cyberspace Science and Technology, Beijing Institute of Technology, Beijing 100081, China（空间科学与技术学院，北京理工大学） ； Department of Computer Science and Technology, Institute for AI, BNRist, Tsinghua University, Beijing 100084, China（计算机科学与技术系，人工智能研究院，清华大学） ； School of Cyberspace Science and Technology Sun Yat-sen University, Guangzhou 510006, China（空间科学与技术学院，中山大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 DVPD通过频谱-图像协同实现轻量语音增强，利用双视预测扩散模型在保持高质量语音的同时显著降低计算复杂度。

NetWorld: Communication-Based Diffusion World Model for Multi-Agent Reinforcement Learning in Wireless Networks

NetWorld: 基于通信的扩散世界模型用于无线网络中的多智能体强化学习

Kechen Meng, Rongpeng Li, Yansha Deng, Zhifeng Zhao, Honggang Zhang

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 NetWorld通过通信增强的扩散世界模型，实现无线网络中多智能体强化学习的少样本泛化和高效轨迹规划。

Exact Gibbs sampling for stochastic differential equations with gradient drift and constant diffusion

具有梯度漂移和常数扩散的随机微分方程的精确吉布斯采样

Xinyi Pei, Minhyeok Kim, Vinayak Rao

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出了一种适用于广泛SDE类别的精确吉布斯采样方法，无需离散化误差，通过变换扩展到更广泛的多元SDEs，并在合成和真实数据上展示了优于粒子MCMC的性能。

Comments Main document: 18 pages, 4 figures. Supplementary material: 12 pages, 7 figures

Window-Diffusion: Accelerating Diffusion Language Model Inference with Windowed Token Pruning and Caching

窗口扩散：通过窗口化令牌修剪和缓存加速扩散语言模型推理

Fengrui Zuo, Zhiwei Ke, Yiming Liu, Wenqi Lou, Chao Wang, Xuehai Zhou

机构 * School of Computer Science and Technology, University of Science and Technology of China（计算机科学与技术学院，中国科学技术大学） ； Suzhou Institute of Advanced Research, University of Science and Technology of China（苏州先进研究院，中国科学技术大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 Window-Diffusion通过窗口化令牌修剪和缓存技术，显著提升扩散语言模型推理速度，同时保持生成性能。

Discrete Diffusion Trajectory Alignment via Stepwise Decomposition

通过分步分解实现离散扩散轨迹对齐

Jiaqi Han, Austin Wang, Minkai Xu, Wenda Chu, Meihua Dang, Haotian Ye, Huayu Chen, Yisong Yue, Stefano Ermon

机构 * Stanford University（斯坦福大学） ； Caltech（加州理工学院） ； Tsinghua University（清华大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本研究提出一种离线偏好优化方法，通过分步分解实现离散扩散模型的轨迹对齐，提升DNA序列设计和语言建模的性能。

Comments ICLR 2026

Sample-Efficient Diffusion-based Control of Complex Physics Systems

高效样本扩散控制复杂物理系统

Hongyi Chen, Jingtao Ding, Jianhai Shu, Xinchun Yu, Xiaojun Liang, Yong Li, Xiao-Ping Zhang

机构 * Shenzhen International Graduate School, Tsinghua University, Shenzhen, China（清华大学深圳国际研究生院） ； Department of EE, Beijing, China（北京电子工程系） ； Pengcheng Laboratory, Shenzhen, China（鹏城实验室） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 SEDC通过解耦状态-控制建模和分解动力学，实现高效样本扩散控制复杂物理系统，提升控制精度39.5%-47.3%

Versatile Behavior Diffusion for Generalized Traffic Agent Simulation

多功能行为扩散用于通用交通代理模拟

Zhiyu Huang, Zixu Zhang, Ameya Vaidya, Yuxiao Chen, Chen Lv, Jaime Fernández Fisac

机构 * School of Mechanical and Aerospace Engineering, Nanyang Technological University（南洋理工大学机械与航空航天工程学院） ； Department of Electrical and Computer Engineering, Princeton University（普林斯顿大学电气与计算机工程系） ； NVIDIA Research（NVIDIA研究） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 多功能行为扩散通过生成多代理互动场景，提升交通模拟的灵活性和实用性，为自动驾驶系统测试提供基础工具。

Diffusion LMs Can Approximate Optimal Infilling Lengths Implicitly

扩散语言模型可以隐式地近似最优填充长度

Hengchang Liu, Zhao Yang, Bing Su

机构 * ruc（中国人民大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 CAL方法通过隐式近似最优填充长度，提升代码和文本填充任务的性能，无需额外训练。

RePaint-Enhanced Conditional Diffusion Model for Parametric Engineering Designs under Performance and Parameter Constraints

用于在性能和参数约束下生成参数化工程设计的RePaint增强条件扩散模型

Ke Wang, Nguyen Gia Hien Vu, Yifan Tang, Mostafa Rahmani Dehaghani, G. Gary Wang

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 RePaint增强条件扩散模型在性能和参数约束下实现高效可控的参数化工程设计生成。

Generation Order and Parallel Decoding in Masked Diffusion Models: An Information-Theoretic Perspective

生成顺序与并行解码在掩码扩散模型中的研究：信息论视角

Shaorong Zhang, Longxuan Yu, Rob Brekelmans, Luhan Tang, Salman Asif, Greg Ver Steeg

机构 * University of California, Riverside, CA, US（加州大学河滨分校） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文从信息论视角探讨了掩码扩散模型中生成顺序与并行解码的理论机制，揭示了顺序敏感性与并行化偏差的内在关系，并通过实验验证了理论框架的有效性。

Reversible Diffusion Decoding for Diffusion Language Models

可逆扩散解码用于扩散语言模型

Xinyun Wang, Min Zhang, Sen Cui, Zhikang Chen, Bo Jiang, Kun Kuang, Mingbao Lin

机构 * East China Normal University（华东师范大学） ； Tsinghua University（清华大学） ； Zhejiang University（浙江大学） ； University of Oxford（牛津大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 可逆扩散解码通过引入可逆性，提升扩散语言模型生成的鲁棒性和质量，同时保持并行效率。

Enhancing few-shot time series forecasting with LLM-guided diffusion

通过LLM引导扩散增强少样本时间序列预测

Haonan Shi, Dehua Shuai, Liming Wang, Xiyang Liu, Long Tian

机构 * School of Computer Science and Technology, Xidian University（西安电子科技大学计算机科学与技术学院） ； Hangzhou Institute of Technology, Xidian University（西安电子科技大学杭州研究院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 LTSM-DIFF通过结合大语言模型与扩散模型，提升少样本时间序列预测的泛化能力和鲁棒性。

Diffusion Language Model Inference with Monte Carlo Tree Search

扩散语言模型推理中的蒙特卡洛树搜索

Zheng Huang, Kiran Ramnath, Yueyan Chen, Aosong Feng, Sangmin Woo, Balasubramaniam Srinivasan, Zhichao Xu, Kang Zhou, Shuai Wang, Haibo Ding, Lin Lee Cheong

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 MEDAL通过蒙特卡洛树搜索初始化提升扩散语言模型推理质量，实现生成质量随搜索预算提升而改进，无需额外训练。

Geometry of the cumulant series in diffusion MRI

扩散磁共振成像中累积量级数的几何学

Santiago Coelho, Jenny Chen, Filip Szczepankiewicz, Els Fieremans, Dmitry S. Novikov

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文通过研究扩散磁共振成像信号的几何学和拓扑学，提出基于SO(3)对称性的累积量不变量方法，提升多发性硬化症分类精度，并设计快速采集方案以加速临床应用。

DIAMOND: Directed Inference for Artifact Mitigation in Flow Matching Models

DIAMOND：面向流匹配模型中伪影抑制的定向推理

Alicja Polowczyk, Agnieszka Polowczyk, Piotr Borycki, Joanna Waczyńska, Jacek Tabor, Przemysław Spurek

机构 * Silesian University of Technology（桑特大学技术学院） ； Jagiellonian University（雅盖隆大学） ； IDEAS Research Institute（IDEAS研究机构） 纠错

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

AI总结 DIAMOND是一种无需训练的流匹配模型伪影抑制方法，通过轨迹修正在推理过程中主动引导生成过程，实现高质量无伪影图像合成。

Differential Vector Erasure: Unified Training-Free Concept Erasure for Flow Matching Models

微分向量擦除：用于流匹配模型的无训练概念擦除

Zhiqi Zhang, Xinhao Zhong, Yi Sun, Shuoyang Sun, Bin Chen, Shu-Tao Xia, Xuan Wang

机构 * Jilin University（吉林大学） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Peng Cheng Laboratory（鹏城实验室） ； Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） 纠错

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

AI总结 本文提出DVE，一种针对流匹配模型的无训练概念擦除方法，通过微分向量场实现精确概念抑制，优于现有基线。