图像生成

GLASS Flows: Transition Sampling for Alignment of Flow and Diffusion Models

GLASS Flows: 用于对齐流模型与扩散模型的过渡采样

Peter Holderrieth, Uriel Singer, Tommi Jaakkola, Ricky T. Q. Chen, Yaron Lipman, Brian Karrer

机构 * MIT CSAIL（麻省理工学院计算机科学与人工智能实验室） ； FAIR, Meta（FAIR与Meta） 纠错

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

AI总结 GLASS Flows通过在流匹配模型内部模拟来提升流和扩散模型的推理效率，结合ODE的效率和SDE的随机性，实现文本生成性能的提升。

A Diffusion-Based Generative Prior Approach to Sparse-view Computed Tomography

基于扩散的生成先验方法用于稀疏视角计算机断层扫描

Davide Evangelista, Pasquale Cascarano, Elena Loli Piccolomini

机构 * Department of Computer Science and Engineering University of Bologna（计算机科学与工程系博洛尼亚大学） ； Department of the Art University of Bologna（艺术系博洛尼亚大学） 纠错

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

AI总结 本文提出了一种基于扩散的生成先验方法，用于改善稀疏视角CT图像重建的质量，通过结合生成模型与迭代优化算法，提升重建效果和可解释性。

Comments 13 pages, 5 figures, 1 table

Iterative Importance Fine-tuning of Diffusion Models

扩散模型的迭代重要性微调

Alexander Denker, Shreyas Padhy, Francisco Vargas, Johannes Hertrich

机构 * University College London（伦敦大学学院） ； University of Cambridge（剑桥大学） ； Xaira Therapeutics ； ENS Paris - PSL & Inria Mokaplan（巴黎高等师范学院 - PSL & Inria Mokaplan） 纠错

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

AI总结 本文提出了一种基于自监督学习的扩散模型微调方法，通过迭代优化控制实现高效的条件采样，适用于图像生成和逆问题解决。

FastUSP: A Multi-Level Collaborative Acceleration Framework for Distributed Diffusion Model Inference

FastUSP：一种多级协作加速框架用于分布式扩散模型推理

Guandong Li

机构 * iFLYTEK 纠错

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

AI总结 FastUSP通过多级优化提升分布式扩散模型推理效率，重点解决内核启动开销和计算-通信调度问题，实现1.12×-1.16×的加速。

A Low-Rank Defense Method for Adversarial Attack on Diffusion Models

一种用于对抗攻击的低秩防御方法（扩散模型）

Jiaxuan Zhu, Siyu Huang

机构 * Corresponding author: Siyu Huang（通讯作者） 纠错

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

AI总结 本文提出了一种名为LoRD的低秩防御方法，用于防御扩散模型的对抗攻击，通过结合低秩适应模块和平衡参数，有效提升模型在对抗样本下的生成质量。

Comments Accepted by ICME2025

DEGMC: Denoising Diffusion Models Based on Riemannian Equivariant Group Morphological Convolutions

DEGMC：基于黎曼等变群形态卷积的去噪扩散模型

El Hadji S. Diop, Thierno Fall, Mohamed Daoudi

机构 * NAGIP-Nonlinear Analysis and Geometric Information Processing Research Group（非线性分析与几何信息处理研究组） ； Department of Mathematics, University Iba Der Thiam（数学系，Iba Der Thiam大学） ； Institut Mines-Telecom Nord Europe, Centre for Digital Systems, CNRS Centrale Lille UMR 9189 CRIStAL, University of Lille（Institut Mines-Telecom Nord Europe数字系统中心，CNRS Centrale Lille UMR 9189 CRIStAL，Lille大学） 纠错

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

AI总结 DEGMC通过引入基于黎曼等变群形态卷积的方法，改进了DDPM在几何特征提取和网络等变性方面的性能。

Rethinking Security of Diffusion-based Generative Steganography

重新审视基于扩散模型的生成隐写术的安全性

Jihao Zhu, Zixuan Chen, Jiali Liu, Lingxiao Yang, Yi Zhou, Weiqi Luo, Xiaohua Xie

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

AI总结 本文提出NS-DSer框架，通过分析扩散模型噪声分布与隐写安全性之间的关系，重新评估了基于扩散模型的生成隐写术的安全性。

SAIL: Self-Amplified Iterative Learning for Diffusion Model Alignment with Minimal Human Feedback

SAIL：基于最小人类反馈的扩散模型对齐的自增强迭代学习

Xiaoxuan He, Siming Fu, Wanli Li, Zhiyuan Li, Dacheng Yin, Kang Rong, Fengyun Rao, Bo Zhang

机构 * ZheJiang University（浙江大学） ； Tencent Inc（腾讯公司） 纠错

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

AI总结 SAIL通过最小人类反馈实现扩散模型对齐，利用自我增强迭代学习替代传统奖励模型和大规模标注数据。

From Preferences to Prejudice: The Role of Alignment Tuning in Shaping Social Bias in Video Diffusion Models

从偏好到偏见：对齐调谐在视频扩散模型中塑造社会偏见的作用

Zefan Cai, Haoyi Qiu, Haozhe Zhao, Ke Wan, Jiachen Li, Jiuxiang Gu, Wen Xiao, Nanyun Peng, Junjie Hu

机构 * University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； University of California, Los Angeles（加州大学洛杉矶分校） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of California, San Diego（加州大学圣地亚哥分校） ； University of California, Santa Barbara（加州大学圣巴巴拉分校） ； Microsoft（微软公司） 纠错

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

AI总结 本文研究了对齐调谐在视频扩散模型中如何塑造社会偏见，提出VideoBiasEval框架以评估和缓解偏见，揭示了对齐调谐使偏见更稳定且刻板化的现象。

Comments TMLR

Hybrid Methods for Friedrichs Systems with Application to Scalar and Vector Diffusion-Advection Problems

混合方法用于Friedrichs系统及其在标量和向量扩散-对流问题中的应用

Daniele Di Pietro, Aurelio Spadotto

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出了一种任意阶混合方法用于Friedrichs系统，适用于包含扩散和对流项的问题，通过混合空间和静态消元实现更小的代数系统，并在三维扩散-对流-反应问题中验证了其性能。

Scalable Spatio-Temporal SE(3) Diffusion for Long-Horizon Protein Dynamics

可扩展的时空SE(3)扩散用于长时间尺度蛋白质动力学

Nima Shoghi, Yuxuan Liu, Yuning Shen, Rob Brekelmans, Pan Li, Quanquan Gu

机构 * Georgia Institute of Technology（佐治亚理工学院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 STAR-MD通过联合时空建模实现高效蛋白质动态模拟，显著提升构象覆盖和动态保真度，适用于微秒级长时间尺度生成。

Comments 49 pages, 28 figures. Accepted by ICLR 2026. Project page: https://bytedance-seed.github.io/ConfRover/starmd

Fully nonlinear phenomenology of the bump-on-tail (BOT) instability with drag, diffusion and Krook relaxation

非线性行为的完全非线性 bump-on-tail 不稳定性现象，包含拖拽、扩散和Krook松弛

Shi-Jie Zhang, Lei Chang, Zhao-Ju Bo, Zhi-Song Qu, Ilya Zadiriev, Elena Kralkina, Shogo Isayama, Sin-Jae You, Zi-Chen Kan, Ji-Kai Sun, Jing-Jing Ma

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本研究通过保留拖拽、扩散和Krook松弛三种碰撞算子，系统分析了bump-on-tail不稳定性在非线性区域的动态行为，揭示了碰撞强度对混沌到稳态饱和转变的影响。

Heat kernel for reflected jump diffusion on Ahlfors regular domains

反射跳跃扩散在阿赫弗斯正则域上的热核

Shiping Cao, Zhen-Qing Chen

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文在阿赫弗斯正则域上研究反射跳跃扩散的热核估计，通过构造扩展算子并建立混合稳定型热核估计，探讨了反射过程在一般度量测度空间中的行为特性。

ELROND: Exploring and decomposing intrinsic capabilities of diffusion models

ELROND：探索和分解扩散模型的内在能力

Paweł Skierś, Tomasz Trzciński, Kamil Deja

机构 * Warsaw University of Technology（华沙技术大学） ； IDEAS Research Institute（IDEAS研究机构） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 ELROND通过在输入嵌入空间中解耦扩散模型的语义方向，实现对单个概念的精确控制，缓解模式崩溃，并建立概念复杂性的新型估计器。

Anatomy-Preserving Latent Diffusion for Generation of Brain Segmentation Masks with Ischemic Infarct

保留解剖结构的潜在扩散生成脑分割掩码：用于缺血性梗死生成

Lucia Borrego, Vajira Thambawita, Marco Ciuffreda, Ines del Val, Alejandro Dominguez, Josep Munuera

机构 * Department of Diagnostic Imaging Hospital de la Santa Creu i Sant Pau Barcelona, Spain（诊断影像部门 塞拉·克鲁与圣帕乌医院 巴塞罗那西班牙） ； Department of Medical Physics Hospital de la Santa Creu i Sant Pau Barcelona, Spain（医学物理部门 塞拉·克鲁与圣帕乌医院 巴塞罗那西班牙） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出一种保留解剖结构的潜在扩散模型，用于生成高质量的脑分割掩码，尤其针对缺血性梗死的生成，解决了医学影像中高质量分割掩码稀缺的问题。

Advancing Block Diffusion Language Models for Test-Time Scaling

推进块扩散语言模型用于测试时间扩展

Yi Lu, Deyang Kong, Jianing Wang, Linsen Guo, Xue Wang, Qi Guo, Tao Gui, Xuanjing Huang, Wei Ye, Shikun Zhang, Wei Wang

机构 * Fudan University（复旦大学） ； Peking University（北京大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出BACD和TCCF方法，提升块扩散语言模型在测试时间扩展中的推理效率和效果。

TABES: Trajectory-Aware Backward-on-Entropy Steering for Masked Diffusion Models

TABES: 轨迹感知的熵反向引导用于掩码扩散模型

Shreshth Saini, Avinab Saha, Balu Adsumilli, Neil Birkbeck, Yilin Wang, Alan C. Bovik

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Google（谷歌） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 TABES通过梯度引导的反向熵方法，提升掩码扩散模型的推理效率和生成鲁棒性。

Asymptotic constraints for 1D planar grey photon diffusion from linear transport with special-relativistic effects

一维平面灰度光扩散的渐近约束

Ryan T. Wollaeger, Jim E. Morel, Kendra P. Long, Mathew A. Cleveland, Robert B. Lowrie

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文推导了考虑相对论效应的一维平面灰度光扩散方程，并通过数值实验验证了其与相对论传输和半相对论扩散方程的对比。

Comments 31 pages, 5 figures, 1 table. Accepted to the Journal of Quantitative Spectroscopy and Radiative Transfer (JQSRT) on 2/10/2026

Unifying Deductive and Abductive Reasoning in Knowledge Graphs with Masked Diffusion Model

在知识图谱中统一演绎推理和归纳推理的遮蔽扩散模型

Yisen Gao, Jiaxin Bai, Yi Huang, Xingcheng Fu, Qingyun Sun, Yangqiu Song

机构 * Engineering Hong Kong University of Science ； Engineering \ University Beijing China ； Key Lab of Education Blockchain ； Intelligent Technology \ Normal University Guilin China ； Engineering \ University ； Intelligent Technology \ Normal University 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 DARK通过统一的遮蔽扩散模型框架，结合自我反思去噪和逻辑探索强化学习，实现了知识图谱中演绎与归纳推理的高效统一。

Comments Accepted by The Web Conference 2026

Improving Reasoning for Diffusion Language Models via Group Diffusion Policy Optimization

通过群体扩散策略优化提升扩散语言模型的推理能力

Kevin Rojas, Jiahe Lin, Kashif Rasul, Anderson Schneider, Yuriy Nevmyvaka, Molei Tao, Wei Deng

机构 * Georgia Institute of Technology（佐治亚理工学院） ； ML Research, Morgan Stanley（摩根士丹利机器学习研究部） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出GDPO算法，通过减少ELBO估计的方差提升扩散语言模型的推理能力，实验证明其在多个基准上优于现有方法。

Anomalous Diffusion in Driven Electrolytes due to Hydrodynamic Fluctuations

驱动电解质中由于流体动力学波动引起的异常扩散

Ramin Golestanian

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究发现驱动电解质中流体动力学波动导致异常扩散，揭示了长程相互作用在非平衡稳态中的主导作用。

Journal ref Phys. Rev. Lett. 136, 068301 (2026)

DiffuTester: Accelerating Unit Test Generation for Diffusion LLMs via Mining Structural Pattern

DiffuTester: 通过挖掘结构模式加速扩散大语言模型的单元测试生成

Lekang Yang, Yuetong Liu, Yitong Zhang, Jia Li

机构 * College of AI, Tsinghua University（清华大学人工智能学院） ； School of Software, Beihang University（北航软件学院） ； School of Computer Science and Engineering, Beihang University（北航计算机科学与工程学院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 DiffuTester通过挖掘结构模式提升扩散大语言模型在单元测试生成中的效率，实现高质量测试用例生成。

Comments Update format and add some experimental results

Noise is All You Need: rethinking the value of noise on seismic denoising via diffusion models

噪声就是一切：通过扩散模型重新思考噪声在地震去噪中的价值

Donglin Zhu, Peiyao Li, Ge Jin

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 通过扩散模型显式建模噪声，SeisDiff-denoNIA在低信噪比条件下有效去噪地震数据，提升图像质量和事件连续性。

Comments This manuscript has been submitted to Geophysics and is currently under review

ItDPDM: Information-Theoretic Discrete Poisson Diffusion Model

ItDPDM：信息论视角下的离散泊松扩散模型

Sagnik Bhattacharya, Abhiram Gorle, Ahsan Bilal, Connor Ding, Amit Kumar Singh Yadav, Tsachy Weissman

机构 * Department of Electrical Engineering, Stanford University（斯坦福大学电气工程系） ； Department of Computer Science, Oklahoma University（俄克拉荷马大学计算机科学系） ； School of Electrical and Computer Engineering, Purdue University, West Lafayette, IN, USA（普渡大学电气与计算机工程学院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出ItDPDM模型，结合信息论视角和离散泊松重建损失，实现对离散数据的精确似然估计与生成建模。

Comments Published in NeurIPS 2025

Nonparametric estimation of a factorizable density using diffusion models

非参数估计因子化密度的扩散模型

Hyeok Kyu Kwon, Dongha Kim, Ilsang Ohn, Minwoo Chae

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出利用扩散模型进行非参数密度估计，通过因子化结构实现高维数据的高效估计。

Comments Accepted for publication in the Journal of Machine Learning Research (JMLR)

SurfPhase: 3D Interfacial Dynamics in Two-Phase Flows from Sparse Videos

SurfPhase：从稀疏视频中重建两相流三维界面动力学

Yue Gao, Hong-Xing Yu, Sanghyeon Chang, Qianxi Fu, Bo Zhu, Yoonjin Won, Juan Carlos Niebles, Jiajun Wu

机构 * Computer Science Department, Stanford University（斯坦福大学计算机科学系） ； Aerospace Engineering, University of California, Irvine（加州大学伊藤分校航空航天工程系） ； School of Interactive Computing, Georgia Institute of Technology（佐治亚理工学院交互计算学院） 纠错

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

AI总结 SurfPhase通过动态高斯surfels和视频扩散模型，从稀疏视频中重建两相流的三维界面动力学，实现高质量视角合成和速度估计。

Comments The first two authors contributed equally. Project website: https://yuegao.me/SurfPhase

FastFlow: Accelerating The Generative Flow Matching Models with Bandit Inference

FastFlow: 通过多臂老虎机推断加速生成流匹配模型

Divya Jyoti Bajpai, Dhruv Bhardwaj, Soumya Roy, Tejas Duseja, Harsh Agarwal, Aashay Sandansing, Manjesh Kumar Hanawal

机构 * Indian Institute of Technology Bombay（印度理工学院孟买分校） ； Amazon（亚马逊） 纠错

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

AI总结 FastFlow通过多臂老虎机推断方法，实现流匹配模型生成过程的加速，同时保持生成质量。

Comments Accepted at International Conference on Learning Representations (ICLR) 2026

Flow caching for autoregressive video generation

流缓存用于自回归视频生成

Yuexiao Ma, Xuzhe Zheng, Jing Xu, Xiwei Xu, Feng Ling, Xiawu Zheng, Huafeng Kuang, Huixia Li, Xing Wang, Xuefeng Xiao, Fei Chao, Rongrong Ji

机构 * Key Laboratory of Multimedia Trusted Perception and Efficient Computing, Ministry of Education of China, Xiamen University（中国教育部多媒体可信感知与高效计算重点实验室，厦门大学） ； ByteDance（字节跳动） 纠错

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

AI总结 FlowCache通过分块缓存策略和优化的KV缓存压缩机制，显著提升了自回归视频生成的速度，同时保持生成质量。

Multimodal Priors-Augmented Text-Driven 3D Human-Object Interaction Generation

多模态先验增强的文本驱动3D人-物交互生成

Yin Wang, Ziyao Zhang, Zhiying Leng, Haitian Liu, Frederick W. B. Li, Mu Li, Xiaohui Liang

机构 * State Key Laboratory of Virtual Reality Technology and Systems（虚拟现实技术与系统国家重点实验室） ； Beihang University（北京航空航天大学） ； Department of Computer Science, University of Durham（杜伦大学计算机科学系） ； Zhongguancun Laboratory（中关村实验室） 纠错

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

AI总结 本文提出MP-HOI框架，通过多模态先验、增强物体表示、模态感知MoE模型和级联扩散技术，提升文本驱动的3D人-物交互生成效果。

H2OFlow: Grounding Human-Object Affordances with 3D Generative Models and Dense Diffused Flows

H2OFlow: 通过3D生成模型和密集扩散流接地人类-物体 affordances

Harry Zhang, Luca Carlone

机构 * MIT（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 H2OFlow通过3D生成模型和密集扩散流学习人类-物体交互的3D affordances，无需人工标注，有效泛化至现实物体。