图像生成

RAD: Region-Aware Diffusion Models for Image Inpainting

基于区域意识的扩散模型用于图像修复

Sora Kim, Sungho Suh, Minsik Lee

机构 * Hanyang University（翰阳大学） ； DFKI and RPTU（DFKI和RPTU） 纠错

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

AI总结 本文提出区域意识扩散模型（RAD）用于图像修复，通过改进的扩散模型公式化实现高效生成，实验表明其在多个数据集上取得最佳效果。

Comments Code: https://github.com/srk1995/RAD

Enhancing Quantum Diffusion Models for Complex Image Generation

增强量子扩散模型用于复杂图像生成

Jeongbin Jo, Santanam Wishal, Shah Md Khalil Ullah, Shan Zeng, Dikshant Dulal

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

AI总结 本文提出混合量子-经典U-Net架构，结合自适应非局部可观测量，以提升复杂图像生成的性能和可扩展性。

Comments 18 pages, 6 figures

Imperceptible Protection against Style Imitation from Diffusion Models

难以察觉的对抗风格模仿保护方法

Namhyuk Ahn, Wonhyuk Ahn, KiYoon Yoo, Daesik Kim, Seung-Hun Nam

机构 * Department of Electrical and Computer Engineering, Inha University（电子与计算机工程系，inha大学） ； NAVER WEBTOON AI ； KRAFTON 纠错

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

AI总结 本文提出了一种在不降低保护效果的前提下提升图像保护不可察觉性的方法，通过感知图和难度感知保护机制优化保护强度。

Comments IEEE Transactions on Multimedia

Alignment of Diffusion Models: Fundamentals, Challenges, and Future

扩散模型对齐：基础、挑战与未来

Buhua Liu, Shitong Shao, Bao Li, Lichen Bai, Zhiqiang Xu, Haoyi Xiong, James Kwok, Sumi Helal, Zeke Xie

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； Baidu Inc.（百度公司） ； The University of Bologna（博洛尼亚大学） 纠错

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

AI总结 本文综述了扩散模型对齐的基础、挑战及未来方向，探讨了对齐技术、评估方法及当前挑战的解决方案。

Comments Accepted at ACM Computing Surveys. 35 pages, 5 figures, 4 tables. Paper List: github.com/xie-lab-ml/awesome-alignment-of-diffusion-models

Shiva-DiT: Residual-Based Differentiable Top-$k$ Selection for Efficient Diffusion Transformers

Shiva-DiT：基于残差的可微Top-k选择用于高效扩散变换器

Jiaji Zhang, Hailiang Zhao, Guoxuan Zhu, Ruichao Sun, Jiaju Wu, Xinkui Zhao, Hanlin Tang, Weiyi Lu, Kan Liu, Tao Lan, Lin Qu, Shuiguang Deng

机构 * AIOS, Alibaba Group（阿里云人工智能实验室，阿里巴巴集团） ； College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； Nanyang Technological University（南洋理工大学） 纠错

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

AI总结 Shiva-DiT通过基于残差的可微Top-k选择，在保持端到端可学习性的同时，实现了高效扩散变换器的剪枝，提升了计算效率并减少了硬件开销。

Monte Carlo Rendering to Diffusion Curves with Differential BEM

蒙特卡罗渲染到扩散曲线的差分边界元法

Ryusuke Sugimoto, Christopher Batty, Siddhartha Chaudhuri, Iliyan Georgiev, Toshiya Hachisuka, Kevin Wampler, Michal Lukáč

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

AI总结 本文提出了一种基于差分边界元法的算法，能够直接从噪声蒙特卡罗样本生成带阴影信息的扩散曲线矢量图形。

LD-SLRO: Latent Diffusion Structured Light for 3-D Reconstruction of Highly Reflective Objects

LD-SLRO: 基于潜在扩散的结构光用于高反射物体的3-D重建

Sanghoon Jeon, Gihyun Jung, Suhyeon Ka, Jae-Sang Hyun

机构 * Department of Mechanical Engineering, Yonsei University（机械工程系，延世大学） 纠错

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

AI总结 LD-SLRO通过潜在扩散模型和改进的结构光技术，提升高反射物体的3-D重建精度与光栅质量。

Comments 10 pages, 7 figures

Image-to-Image Translation with Diffusion Transformers and CLIP-Based Image Conditioning

基于扩散变换器和CLIP的图像到图像翻译

Qiang Zhu, Kuan Lu, Menghao Huo, Yuxiao Li

机构 * Department of Mechanical and Aerospace Engineering（机械与航空航天工程系） ； University of Houston（休斯顿大学） ； School of Engineering（工程学院） ； Santa Clara University（圣克拉拉大学） ； School of Electrical and Computer Engineering（电气与计算机工程学院） ； Cornell University（康奈尔大学） ； Department of Electrical and Computer Engineering（电气与计算机工程系） ； Northeastern University（东北大学） 纠错

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

AI总结 本文提出基于扩散变换器和CLIP的图像到图像翻译方法，通过CLIP嵌入引导实现高质量、语义一致的图像转换，为配对图像翻译任务提供新方案。

Comments Published in: 2025 6th International Conference on Computer Vision, Image and Deep Learning (CVIDL)

Journal ref 2025 6th International Conference on Computer Vision, Image and Deep Learning (CVIDL), pp. 626-632,

Human Body Restoration with One-Step Diffusion Model and A New Benchmark

一步扩散模型与新基准的人体恢复

Jue Gong, Jingkai Wang, Zheng Chen, Xing Liu, Hong Gu, Yulun Zhang, Xiaokang Yang

机构 * Shanghai Jiao Tong University, China（上海交通大学） ； vivo Mobile Communication Co., Ltd, China（vivo移动通信有限公司） 纠错

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

AI总结 本文提出了一种一步扩散模型OSDHuman和新基准数据集PERSONA，用于提升人体恢复的视觉质量和定量指标。

Comments 8 pages, 9 figures. Accepted at ICML 2025

DLM-Scope: Mechanistic Interpretability of Diffusion Language Models via Sparse Autoencoders

DLM-Scope：通过稀疏自编码器实现扩散语言模型的机制可解释性

Xu Wang, Bingqing Jiang, Yu Wan, Baosong Yang, Lingpeng Kong, Difan Zou

机构 * The University of Hong Kong（香港大学） ； Tongyi Lab, Alibaba Group Inc（阿里云实验室） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 DLM-Scope通过稀疏自编码器首次实现扩散语言模型的机制可解释性，展示了其在特征提取和干预中的有效性。

Comments 23 pages

Distributional Reinforcement Learning with Diffusion Bridge Critics

具有扩散桥批评者的分布强化学习

Shutong Ding, Yimiao Zhou, Ke Hu, Mokai Pan, Shan Zhong, Yanwei Fu, Jingya Wang, Ye Shi

机构 * ShanghaiTech University（上海科技大学） ； University of Electronic Science and Technology of China（电子科技大学） ； Fudan University（复旦大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出了一种新的分布强化学习方法，通过使用扩散桥批评者（DBC）来准确建模Q值的逆累积分布函数，从而提高价值估计的准确性，并在MuJoCo基准上展示了其优越性。

PMT Waveform Simulation and Reconstruction with Conditional Diffusion Network

基于条件扩散网络的光电倍增管波形模拟与重建

Kainan Liu, Jingyu Huang, Guihong Huang, Jianyi Luo

机构 * Wuyi University（五邑大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出基于条件扩散网络的弱监督方法，用于PMT波形模拟与重建，实现高精度的PE序列重建和时间分辨率提升。

Advancing Opinion Dynamics Modeling with Neural Diffusion-Convection-Reaction Equation

用神经扩散-对流-反应方程推进意见动力学建模

Chenghua Gong, Yihang Jiang, Hao Li, Rui Sun, Juyuan Zhang, Tianjun Gu, Liming Pan, Linyuan Lü

机构 * University of Science and Technology of China（科学技术大学） ； Wuhan University（武汉大学） ； East China Normal University（华东师范大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出OPINN框架，通过整合物理信息与神经网络，提升意见动力学建模的预测性能和物理可解释性。

Full-Covariance Chemical Langevin Predator--Prey Diffusion with Absorbing Boundaries

全协方差化学 Langevin 预捕食者--猎物扩散与吸收边界

Jiguang Yu, Louis Shuo Wang, Yuansheng Gao, Ye Liang

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出了一种全协方差化学 Langevin 扩散模型，用于描述预捕食者-猎物系统的吸收边界与灭绝结构，通过耦合捕食-转换事件和密度依赖缩放，实现了对事件级耦合的精确建模。

Solving Prior Distribution Mismatch in Diffusion Models via Optimal Transport

通过最优传输解决扩散模型中的先验分布不匹配

Zhanpeng Wang, Shenghao Li, Jiameng Che, Chen Wang, Shangling Jui, Na Lei, Zhongxuan Luo

机构 * School of Software, Dalian University of Technology, Dalian, China（大连理工大学软件学院） ； Computing Research Center, Huawei, Paris, France（华为计算研究中心） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出基于最优传输的框架，解决扩散模型中先验分布不匹配问题，通过精确匹配分布和量化误差上界，有效提升模型性能。

Balanced Anomaly-guided Ego-graph Diffusion Model for Inductive Graph Anomaly Detection

平衡的异常引导自环图扩散模型用于归纳图异常检测

Chunyu Wei, Siyuan He, Yu Wang, Yueguo Chen, Yunhai Wang, Bing Bai, Yidong Zhang, Yong Xie, Shunming Zhang, Fei Wang

机构 * Renmin University of China（中国人民大学） ； Independent Researcher（独立研究者） ； Microsoft（微软） ； Nanjing University of Posts and Telecommunications（南京邮电大学） ； Cornell University（康奈尔大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出一种平衡的异常引导自环图扩散模型，通过动态图建模和课程异常增强机制解决图异常检测中的动态性和类别不平衡问题。

Comments 12 pages,6 figures, Accepted by ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD '26)

Diffusion-aided Extreme Video Compression with Lightweight Semantics Guidance

基于轻量语义引导的扩散式极端视频压缩

Maojun Zhang, Haotian Wu, Richeng Jin, Deniz Gunduz, Krystian Mikolajczyk

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出一种基于扩散模型和轻量语义引导的视频压缩方法，通过整合生成先验知识和运动信息表征，实现极低比特率下的高质量视频重建。

Comments Accepted by ICASSP 2026

Physics-Informed Diffusion Models for Vehicle Speed Trajectory Generation

融合物理约束的扩散模型用于车辆速度轨迹生成

Vadim Sokolov, Farnaz Behnia, Dominik Karbowski

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出融合物理约束的扩散模型，用于生成真实车辆速度轨迹，通过比较U-Net与CSDI模型，验证了CSDI在分布匹配和真实数据区分上的优越性，为智能交通系统提供无需实地数据的高效生成方法。

A novel scalable high performance diffusion solver for multiscale cell simulations

一种新型可扩展高性能扩散求解器用于多尺度细胞模拟

Jose-Luis Estragues-Muñoz, Carlos Alvarez, Arnau Montagud, Daniel Jimenez-Gonzalez, Alfonso Valencia

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出了一种基于高效有限体积法的高性能计算求解器，用于多尺度细胞模拟，实现了200倍的加速和36%的内存节省。

Comments 14 pages, 9 figures

Denoising diffusion networks for normative modeling in neuroimaging

去噪扩散网络在神经影像规范建模中的应用

Luke Whitbread, Lyle J. Palmer, Mark Jenkinson

机构 * Australian Institute for Machine Learning (AIML), Adelaide University（澳大利亚机器学习研究所（AIML），阿德莱德大学） ； South Australian Health and Medical Research Institute (SAHMRI)（南澳大利亚健康与医学研究机构（SAHMRI）） ； School of Computer Science and Information Technology, Adelaide University（计算机科学与信息技术学院，阿德莱德大学） ； School of Public Health, Adelaide University（公共卫生学院，阿德莱德大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出基于去噪扩散概率模型（DDPMs）的神经影像规范建模方法，通过统一条件密度估计器实现多变量依赖关系建模，提升高维数据下的校准性能和可扩展性。

Comments 55 pages, 20 figures

Improving Diffusion Language Model Decoding through Joint Search in Generation Order and Token Space

通过生成顺序和令牌空间的联合搜索改进扩散语言模型解码

Yangyi Shen, Tianjian Feng, Jiaqi Han, Wen Wang, Tianlang Chen, Chunhua Shen, Jure Leskovec, Stefano Ermon

机构 * stanford（斯坦福大学） ； zju（浙江大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本研究通过联合搜索生成顺序和令牌空间，改进扩散语言模型的解码性能，在多个基准测试中取得显著优势。

Guided Diffusion Sampling on Function Spaces with Applications to PDEs

在函数空间上引导扩散采样及其在偏微分方程中的应用

Jiachen Yao, Abbas Mammadov, Julius Berner, Gavin Kerrigan, Jong Chul Ye, Kamyar Azizzadenesheli, Anima Anandkumar

机构 * California Institute of Technology（加州理工学院） ； NVIDIA（英伟达） ； University of Oxford（牛津大学） ； KAIST（韩国科学技术院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出FunDPS框架，通过函数空间扩散模型和引导机制，在极稀疏或噪声数据下有效恢复PDE解，实现32%的准确率提升。

Comments Accepted to NeurIPS 2025

A physics-based data-driven model for CO$_2$ gas diffusion electrodes to drive automated laboratories

基于物理的数据驱动模型用于二氧化碳气体扩散电极，以驱动自动化实验室

Ivan Grega, Félix Therrien, Abhishek Soni, Karry Ocean, Kevan Dettelbach, Ribwar Ahmadi, Mehrdad Mokhtari, Curtis P. Berlinguette, Yoshua Bengio

机构 * Mila - Quebec AI Institute（魁北克AI研究所） ； University of British Columbia（不列颠哥伦比亚大学） ； Université de Montréal（蒙特利尔大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出了一种基于物理的数据驱动模型，用于优化二氧化碳气体扩散电极的参数空间，以提高其效率并推动自动化实验室的发展。

Comments 7 pages, 5 figures. Published as a conference paper in ICLR2025 AI4Mat workshop

Global existence and stability in a class of chemotaxis systems with lethal interactions, nonlinear diffusion and production

具有致死相互作用、非线性扩散和生成的化学趋向系统中全局存在性与稳定性

Gnanasekaran Shanmugasundaram, Jitraj Saha

专题命中 扩散模型 ：diffusion(title)

AI总结 本文研究了具有致死相互作用、非线性扩散和生成的化学趋向系统，证明了在适当参数条件下，该系统在任意空间维度下均存在唯一的全局有界经典解，并通过Lyapunov函数分析了解的渐进行为稳定性。

Strong local nondeterminism for stochastic time-fractional slow and fast diffusion equations

随机时间分数慢扩散和快扩散方程的强局部非确定性

Le Chen, Cheuk Yin Lee, Panqiu Xia

专题命中 扩散模型 ：diffusion(title)

AI总结 本文研究了随机时间分数慢扩散和快扩散方程的强局部非确定性，推导了存在随机场解的精确条件，并给出了时间与空间增量的方差界及非确定性结果。

Comments 125 pages, 6 figures, 1 table

RefAM: Attention Magnets for Zero-Shot Referral Segmentation

RefAM：用于零样本指代分割的注意力磁铁

Anna Kukleva, Enis Simsar, Alessio Tonioni, Muhammad Ferjad Naeem, Federico Tombari, Jan Eric Lenssen, Bernt Schiele

机构 * Max Planck Institute for Informatics（马克斯·普朗克信息研究所） ； ETH Zürich（苏黎世联邦理工学院） ； Google（谷歌） ； TU Munich（慕尼黑技术大学） 纠错

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

AI总结 RefAM通过利用扩散模型的注意力机制和停用词处理，实现无需训练的零样本指代分割，提升分割精度和效率。

Comments Project Page: https://refam-diffusion.github.io/

FMPose3D: monocular 3D pose estimation via flow matching

FMPose3D: 通过流匹配进行单目3D姿态估计

Ti Wang, Xiaohang Yu, Mackenzie Weygandt Mathis

机构 * École Polytechnique Fédérale de Lausanne（联邦理工学院洛桑校区） 纠错

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

AI总结 FMPose3D通过流匹配方法高效生成3D姿态样本，超越现有方法并在多个3D姿态数据集上取得最佳性能。

Explainable Pathomics Feature Visualization via Correlation-aware Conditional Feature Editing

通过相关性感知的条件特征编辑实现可解释的病理科特征可视化

Yuechen Yang, Junlin Guo, Ruining Deng, Junchao Zhu, Zhengyi Lu, Chongyu Qu, Yanfan Zhu, Xingyi Guo, Yu Wang, Shilin Zhao, Haichun Yang, Yuankai Huo

机构 * Vanderbilt University（范德比尔特大学） ； Weill Cornell Medicine（韦尔医学院） ； Vanderbilt University Medical Center（范德比尔特大学医学中心） 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Manifold-Aware Diffusion框架，通过正则化解耦潜在空间中的特征轨迹，实现可控且生物合理的细胞核编辑，提升病理科特征的可解释性与图像生成质量。

RFM-Pose:Reinforcement-Guided Flow Matching for Fast Category-Level 6D Pose Estimation

RFM-Pose：强化引导的流匹配用于快速的类别级6D位姿估计

Diya He, Qingchen Liu, Cong Zhang, Jiahu Qin

机构 * Department of Automation, University of Science and Technology of China（自动化系，中国科学技术大学） 纠错

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

AI总结 RFM-Pose通过强化学习框架提升类别级6D位姿估计效率，结合流匹配生成模型与近端策略优化实现快速且高效的位姿生成与假设评估。

Comments This work has been submitted to the IEEE for possible publication

LOBSTgER-enhance: an underwater image enhancement pipeline

LOBSTgER-enhance: 一种水下图像增强流水线

Andreas Mentzelopoulos, Keith Ellenbogen

机构 * Massachusetts Institute of Technology（麻省理工学院） 纠错

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

AI总结 LOBSTgER-enhance通过合成破坏流水线和扩散生成技术，实现了水下图像的高质量增强，提升了图像的视觉一致性和泛化能力。

Comments 12 pages, 30 figures, work done as part of LOBSTgER