图像生成

Consistent text-to-image generation via scene de-contextualization

通过场景去上下文化实现一致的文本到图像生成

Song Tang, Peihao Gong, Kunyu Li, Kai Guo, Boyu Wang, Mao Ye, Jianwei Zhang, Xiatian Zhu

机构 * University of Shanghai for Science and Technology（上海科技大学） ； Universität Hamburg（汉堡大学） ； ComOriginMat Inc（ComOriginMat公司） ； Fudan University（复旦大学） ； Western University（西敏大学） ； Vector Institute（向量研究所） ； University of Electronic Science and Technology of China（电子科技大学） ； University of Surrey（萨里大学） 纠错

专题命中 文生图 ：text-to-image(title,abstract)；image generation(title)；分类 cs.CV

AI总结 本文提出Scene De-Contextualization方法，通过去除文本到图像生成中主体与场景的固有相关性，提升生成图像的一致性与多样性。

Comments This paper is accepted by ICLR 2026

From Prompt to Production:Automating Brand-Safe Marketing Imagery with Text-to-Image Models

从提示到生产：利用文本到图像模型自动化安全品牌营销图像

Parmida Atighehchian, Henry Wang, Andrei Kapustin, Boris Lerner, Tiancheng Jiang, Taylor Jensen, Negin Sokhandan

机构 * Amazon Web Services（亚马逊网络服务） 纠错

专题命中 文生图 ：text-to-image(title,abstract)；分类 cs.CV

AI总结 本文提出了一种自动化生成品牌安全营销图像的系统，通过文本到图像模型提升图像保真度和人类偏好。

Comments 17 pages, 12 figures, Accepted to IEEE/CVF Winter Conference on Applications of Computer Vision (WACV) 2026

UniRef-Image-Edit: Towards Scalable and Consistent Multi-Reference Image Editing

UniRef-Image-Edit: 向可扩展和一致的多参考图像编辑迈进

Hongyang Wei, Bin Wen, Yancheng Long, Yankai Yang, Yuhang Hu, Tianke Zhang, Wei Chen, Haonan Fan, Kaiyu Jiang, Jiankang Chen, Changyi Liu, Kaiyu Tang, Haojie Ding, Xiao Yang, Jia Sun, Huaiqing Wang, Zhenyu Yang, Xinyu Wei, Xianglong He, Yangguang Li, Fan Yang, Tingting Gao, Lei Zhang, Guorui Zhou, Han Li

机构 * Tsinghua University（清华大学） ； Kuaishou Technology（快手科技） ； Hong Kong Polytechnic University（香港理工大学） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； CUHK MMLab（香港中文大学MMLab） 纠错

专题命中 图像编辑 ：image editing(title,abstract)；image generation(abstract)；diffusion(abstract)；分类 cs.CV

AI总结 UniRef-Image-Edit通过统一的输入表示和两阶段训练框架，提升多参考图像编辑的一致性和保真度。

Critic-Guided Reinforcement Unlearning in Text-to-Image Diffusion

基于批评者的文本到图像扩散强化学习

Mykola Vysotskyi, Zahar Kohut, Mariia Shpir, Taras Rumezhak, Volodymyr Karpiv

机构 * SoftServe, Sadova St, 2D, Lviv, Lviv Oblast Ukraine（SoftServe） ； Ukrainian Catholic University（乌克兰天主教大学） 纠错

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

AI总结 本文提出了一种基于批评者的强化学习框架，用于文本到图像扩散模型的无学习，通过时间步感知的批评者和噪声时间步奖励提升稳定性和效果。

Comments Preprint

Adapting VACE for Real-Time Autoregressive Video Diffusion

为实时自回归视频扩散适应VACE

Ryan Fosdick

机构 * Daydream 纠错

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

AI总结 VACE被适配用于实时自回归视频生成，通过调整参考帧路径以兼容因果注意力，保留固定分块大小和KV缓存，同时增加20-30%的延迟开销，但显存成本低，参考到视频的保真度下降。

Comments 10 pages, 4 figures, 7 tables

Large Scale Diffusion Distillation via Score-Regularized Continuous-Time Consistency

大规模扩散蒸馏的连续时间一致性 via 分数正则化

Kaiwen Zheng, Yuji Wang, Qianli Ma, Huayu Chen, Jintao Zhang, Yogesh Balaji, Jianfei Chen, Ming-Yu Liu, Jun Zhu, Qinsheng Zhang

机构 * Dept. of Comp. Sci. & Tech., BNRist Center, THU-Bosch ML Center, AI Institute, Tsinghua（清华大学计算机科学与技术系，BNRist中心，THU-Bosch机器学习中心，人工智能研究院） ； NVIDIA 纠错

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

AI总结 本文提出分数正则化的连续时间一致性模型（rCM），通过引入分数蒸馏作为长跳正则化器，改进了sCM在细节生成和多样性方面的性能，适用于大规模图像和视频扩散任务。

Comments ICLR 2026

Image Can Bring Your Memory Back: A Novel Multi-Modal Guided Attack against Image Generation Model Unlearning

图像能帮你找回记忆：一种新颖的多模态引导攻击对抗图像生成模型去学习

Renyang Liu, Guanlin Li, Tianwei Zhang, See-Kiong Ng

机构 * Institute of Data Science, National University of Singapore（数据科学研究所，新加坡国立大学） ； S-Lab, Nanyang Technological University（南洋理工大学S实验室） ； College of Computing and Data Science, Nanyang Technological University（计算与数据科学学院，南洋理工大学） 纠错

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

AI总结 Recall提出一种新颖的多模态引导攻击框架，针对图像生成模型去学习的鲁棒性进行攻击，展示其在对抗有效性、计算效率和语义保真度上的优势。

Comments Accepted by ICLR 2026

Image Generation with a Sphere Encoder

基于球体编码器的图像生成

Kaiyu Yue, Menglin Jia, Ji Hou, Tom Goldstein

机构 * Meta ； University of Maryland（马里兰大学） 纠错

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

AI总结 Sphere Encoder通过球形潜在空间生成图像，以更少的步骤实现与多步扩散模型相当的性能，且推理成本更低。

Comments Technical report

DiffusionNFT: Online Diffusion Reinforcement with Forward Process

DiffusionNFT: 在线扩散强化学习与正向过程

Kaiwen Zheng, Huayu Chen, Haotian Ye, Haoxiang Wang, Qinsheng Zhang, Kai Jiang, Hang Su, Stefano Ermon, Jun Zhu, Ming-Yu Liu

机构 * Tsinghua University（清华大学） ； NVIDIA ； Stanford University（斯坦福大学） 纠错

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

AI总结 DiffusionNFT通过正向过程优化扩散模型，结合正负生成对比提升强化学习效率，无需CFG且比FlowGRPO更高效。

Comments ICLR 2026 Oral

DriveFine: Refining-Augmented Masked Diffusion VLA for Precise and Robust Driving

DriveFine: 通过细化增强的掩码扩散VLA实现精确且鲁棒的驾驶

Chenxu Dang, Sining Ang, Yongkang Li, Haochen Tian, Jie Wang, Guang Li, Hangjun Ye, Jie Ma, Long Chen, Yan Wang

机构 * Huazhong University of Science and Technology（华中科技大学） ； Xiaomi EV（小米电动车） ； Institute for AI Industry Research (AIR), Tsinghua University（人工智能产业研究院（AIR），清华大学） 纠错

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

AI总结 DriveFine提出一种结合灵活解码与自我纠正能力的掩码扩散VLA模型，通过插件式块MoE和混合强化学习策略提升自动驾驶规划的精度与鲁棒性。

Elastic Diffusion Transformer

弹性扩散变换器

Jiangshan Wang, Zeqiang Lai, Jiarui Chen, Jiayi Guo, Hang Guo, Xiu Li, Xiangyu Yue, Chunchao Guo

机构 * Tsinghua University（清华大学） ； MMLab, CUHK（CUHK实验室） ； Tencent Hunyuan（腾讯文言） 纠错

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

AI总结 E-DiT通过自适应加速框架提升扩散变换器效率，保持生成质量，实现约2倍加速。

The Diffusion Duet: Harmonizing Dual Channels with Wavelet Suppression for Image Separation

扩散双人行：通过小波抑制和谐双通道图像分离

Jingwei Li, Wei Pu

机构 * Zhejiang Gongshang University（浙江工商大学） 纠错

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

AI总结 本文提出DCDSM模型，通过小波抑制模块和双通道扩散模型提升图像分离性能，在雨雪去除和复杂混合分离中取得优异效果。

Visual Foresight for Robotic Stow: A Diffusion-Based World Model from Sparse Snapshots

机器人存取的视觉预见：一种基于稀疏快照的扩散世界模型

Lijun Zhang, Nikhil Chacko, Petter Nilsson, Ruinian Xu, Shantanu Thakar, Bai Lou, Harpreet Sawhney, Zhebin Zhang, Mudit Agrawal, Bhavana Chandrashekhar, Aaron Parness

机构 * Amazon, Seattle, US（亚马逊（美国西雅图）） 纠错

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

AI总结 FOREST通过基于稀疏快照的扩散模型，提升仓库存取操作的预测精度，为仓储规划提供有效预见信号。

Comments 20 pages, 16 figures

Spectral Collapse in Diffusion Inversion

扩散反演中的谱塌陷

Nicolas Bourriez, Alexandre Verine, Auguste Genovesio

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

AI总结 本文提出OVG方法，解决扩散反演中结构与纹理的权衡问题，通过校正ODE动力学以恢复真实纹理并保持结构保真度。

Image-to-Brain Signal Generation for Visual Prosthesis with CLIP Guided Multimodal Diffusion Models

基于CLIP引导的多模态扩散模型的图像到脑信号生成用于视觉假体

Ganxi Xu, Zhao-Rong Lai, Yuting Tang, Yonghao Song, Guoxu Zhou, Boyu wang, Jian Zhu, Jinyi Long

机构 * Jinan University, Guangzhou, China ； Department of Rehabilitation Medicine, The First Affiliated Hospital of Jinan University, Guangzhou, China ； Western University, Ontario, Canada ； Guangdong University of Technology, Guangzhou, China ； Tsinghua University, Beijing, China 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CLIP引导的多模态扩散模型，实现图像到脑信号的转换，通过交叉注意力机制和空间-时间位置编码生成生物合理的脑信号。

Rethinking Diffusion Models with Symmetries through Canonicalization with Applications to Molecular Graph Generation

通过规范化的扩散模型重新思考对称性：应用于分子图生成

Cai Zhou, Zijie Chen, Zian Li, Jike Wang, Kaiyi Jiang, Pan Li, Rose Yu, Muhan Zhang, Stephen Bates, Tommi Jaakkola

机构 * Massachusetts Institute of Technology（麻省理工学院） ； Zhejiang University（浙江大学） ； Peking University（北京大学） ； Georgia Institute of Technology（佐治亚理工学院） ； Princeton University（普林斯顿大学） ； University of California, San Diego（加州大学圣地亚哥分校） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出通过规范化的扩散模型生成分子图，利用几何谱和位置编码提升生成效果，优于等变基线方法。

Comments 32 pages

Scaling Beyond Masked Diffusion Language Models

超越掩码扩散语言模型的扩展

Subham Sekhar Sahoo, Jean-Marie Lemercier, Zhihan Yang, Justin Deschenaux, Jingyu Liu, John Thickstun, Ante Jukic

机构 * Department of Computer Science, Cornell Tech, NYC, USA（康奈尔科技学院计算机科学系） ； Department of Computer Science, Cornell University, Ithaca, USA（康奈尔大学计算机科学系） ； School of Computer and Communication Sciences, EPFL Lausanne, Switzerland（洛桑联邦理工学院计算机与通信科学学院） ； Department of Computer Science, University of Chicago, Illinois（芝加哥大学计算机科学系） ； NVIDIA, Santa Clara, USA（英伟达） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文研究了统一状态和插值离散扩散方法的扩展定律，发现掩码扩散在FLOPs效率上可提升12%，并展示了统一状态扩散在GSM8K任务中的优越表现

Comments code: https://github.com/s-sahoo/scaling-dllms

Effective approximations of solutions to highly oscillatory diffusion equations from coarse measurements

高效近似高振荡扩散方程的解：基于粗略测量

Claude Le Bris, Frédéric Legoll, Simon Ruget

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出了一种基于非凸优化的方法，用于高效近似高振荡扩散方程的解，利用粗略测量信息进行有效系数的重建。

What hackers talk about when they talk about AI: Early-stage diffusion of a cybercrime innovation

黑客谈论AI时谈论什么：网络安全创新的早期扩散

Benoît Dupont, Chad Whelan, Serge-Olivier Paquette

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文通过分析网络犯罪论坛交流，探讨AI在网络安全中的早期扩散及罪犯对其应用的理解与担忧。

Comments 33 pages, 2 figures, submitted to Global Crime

A Decomposable Forward Process in Diffusion Models for Time-Series Forecasting

扩散模型中用于时间序列预测的可分解前向过程

Francisco Caldas, Sahil Kumar, Cláudia Soares

机构 * Department of Informatics, NOVA University of Lisbon, Caparica, Portugal（信息学院，里斯本NOVA大学，葡萄牙卡帕里卡） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出了一种可分解的前向扩散过程，通过频谱分解提升时间序列预测的准确性，且计算开销低。

Comments submitted to ICML'26

Where to Add PDE Diffusion in Transformers

在Transformer中何处添加PDE扩散

Yukun Zhang, Xueqing Zhou

机构 * The Chinese University of Hong Kong, Hong Kong, China（香港中文大学） ； Fudan University, Shanghai, China（复旦大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究通过分析PDE扩散与注意力的非交换性，探讨了在Transformer中插入扩散层的位置对模型性能的影响，提出了一种三层理论框架并验证了不同插入位置的效果。

Nonlinear reduction strategies for data compression: a comprehensive comparison from diffusion to advection problems

非线性数据压缩策略：从扩散到对流问题的全面比较

Isabella Carla Gonnella, Federico Pichi, Gianluigi Rozza

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文通过比较非线性数据压缩策略在扩散和对流问题中的表现，提出了一种统一的框架，分析了不同方法的优劣及适用场景。

Nonconforming virtual element methods for fourth-order nonlinear reaction-diffusion systems: a unified framework and analysis

非配准虚拟元方法用于四阶非线性反应扩散系统：统一框架与分析

Dibyendu Adak, David Mora, Alberth Silgado

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出了一种统一框架，用于设计和分析高阶非配准虚拟元方法，用于解决二维非线性四阶反应-扩散问题，并验证了方法在不同边界条件下的有效性。

Comments 38 pages, 4 figures, 4 tables

Scaling Behavior of Discrete Diffusion Language Models

离散扩散语言模型的扩展行为

Dimitri von Rütte, Janis Fluri, Omead Pooladzandi, Bernhard Schölkopf, Thomas Hofmann, Antonio Orvieto

机构 * ETH Zürich（苏黎世联邦理工学院） ； ELLIS Institute Tübingen（图宾根ELLIS研究所） ； Max Planck Institute for Intelligent Systems, Tübingen（图宾根人工智能研究所） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本研究探讨了离散扩散语言模型在不同噪声类型下的扩展行为，发现其扩展特性与自回归语言模型有显著差异，并展示了在数据受限环境下均匀扩散的潜力。

Beyond Static Cutoffs: One-Shot Dynamic Thresholding for Diffusion Language Models

超越静态截止值：用于扩散语言模型的单次动态阈值技术

Jucheng Shen, Yeonju Ro

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

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出单次动态阈值技术，用于改进扩散语言模型的解码效率，在多个基准测试中提升了准确率与吞吐量的平衡。

Comments 7 pages, NeurIPS 2025 Efficient Reasoning Workshop

Emergence of Chimeras States in One-dimensional Ising model with Long-Range Diffusion

一维Ising模型中长程扩散下的混沌态涌现

Alejandro de Haro García, Joaquín J. Torres

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本研究通过非局域扩散机制，在一维Ising模型中首次发现混沌态，揭示了复杂同步模式的形成机制。

Comments 36 pages, 8 figures

Journal ref Chaos, Solitons and Fractals 207, 118068 (2026)

Multi-scale Autoregressive Models are Laplacian, Discrete, and Latent Diffusion Models in Disguise

多尺度自回归模型实际上是拉普拉斯、离散和潜在扩散模型的伪装

Steve Hong, Samuel Belkadi

机构 * University of Cambridge（剑桥大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文将多尺度自回归模型重新诠释为拉普拉斯、离散和潜在扩散模型，通过分析其设计选择揭示其效率与质量的权衡，并展示其在不同任务中的应用。

d$^2$Cache: Accelerating Diffusion-Based LLMs via Dual Adaptive Caching

d$^2$Cache: 通过双适应缓存加速基于扩散的大型语言模型

Yuchu Jiang, Yue Cai, Xiangzhong Luo, Jiale Fu, Jiarui Wang, Chonghan Liu, Xu Yang

机构 * Key Laboratory of New Generation Artificial Intelligence Technology and Its Interdisciplinary Applications (Southeast University), Ministry of Education（新一代人工智能技术及其交叉应用国家重点实验室（东南大学）） ； Southeast University（东南大学） ； Qiyuan Tech（启元科技） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 d$^2$Cache通过双适应缓存机制提升基于扩散的大型语言模型的推理效率和生成质量。

Comments Accepted by ICLR 2026, 21 pages, 9 figures

wd1: Weighted Policy Optimization for Reasoning in Diffusion Language Models

wd1: 为扩散语言模型推理的加权策略优化

Xiaohang Tang, Rares Dolga, Sangwoong Yoon, Ilija Bogunovic

机构 * Department of Statistical Science, University College London, United Kingdom（伦敦大学统计科学系） ； UCL AI Centre, University College London, United Kingdom（伦敦大学UCL人工智能中心） ； Graduate School of AI, Ulsan National Institute of Science and Technology, South Korea（韩国乌山国立科学与技术研究院人工智能研究生院） ； Department of Mathematics and Computer Science, Universität Basel, Switzerland（巴塞尔大学数学与计算机科学系） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 wd1通过加权策略优化提升扩散语言模型推理能力，实现更高准确率和更低计算成本。

Comments Accepted to ICLR 2026

Denoising diffusion probabilistic models are optimally adaptive to unknown low dimensionality

去噪扩散概率模型在未知低维性下最优适应

Zhihan Huang, Yuting Wei, Yuxin Chen

机构 * Department of Statistics and Data Science, the Wharton School, University of Pennsylvania（统计与数据科学系，沃顿商学院，宾夕法尼亚大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 该研究证明了DDPM在未知低维数据下具有最优适应性，其迭代复杂度与内在维度线性相关，且与KL散度度量一致。

Comments Accepted to Mathematics of Operations Research