图像生成

UniReason 1.0: A Unified Reasoning Framework for World Knowledge Aligned Image Generation and Editing

UniReason 1.0: 一个统一的推理框架，用于世界知识对齐的图像生成与编辑

Dianyi Wang, Chaofan Ma, Feng Han, Size Wu, Wei Song, Yibin Wang, Zhixiong Zhang, Tianhang Wang, Siyuan Wang, Zhongyu Wei, Jiaqi Wang

机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Jiao Tong University（上海交通大学） ； Nanyang Technological University（南洋理工大学） ； Zhejiang University（浙江大学） ； University of Southern California（美国南加州大学） 纠错

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

AI总结 UniReason 1.0通过统一推理框架整合图像生成与编辑，利用世界知识增强文本推理和视觉优化，提升复杂合成任务的性能。

A Pragmatic Note on Evaluating Generative Models with Fréchet Inception Distance for Retinal Image Synthesis

关于使用Fréchet inception距离评估视网膜图像合成生成模型的务实笔记

Yuli Wu, Fucheng Liu, Rüveyda Yilmaz, Henning Konermann, Peter Walter, Johannes Stegmaier

机构 * RWTH Aachen University（亚琛RWTH大学） ； Uniklinik RWTH Aachen（亚琛RWTH医院） ； Heinrich Heine University Düsseldorf（多特蒙德海因里希·海涅大学） 纠错

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

AI总结 本文探讨了在视网膜图像合成中，FID等指标与任务特定评估目标不一致的问题，并指出其在生物医学成像中的局限性。

Comments MIDL 2026

Generative Model via Quantile Assignment

通过分位数分配生成模型

Georgi Hrusanov, Oliver Y. Chén, Julien S. Bodelet

专题命中 文生图 ：diffusion(abstract)；image synthesis(abstract)

AI总结 NeuroSQL通过隐式学习低维潜在表示，无需辅助网络，实现高效稳定的合成数据生成。

Dragging with Geometry: From Pixels to Geometry-Guided Image Editing

拖拽与几何：从像素到几何引导的图像编辑

Xinyu Pu, Hongsong Wang, Jie Gui, Pan Zhou

机构 * Southeast University（东南大学） ； Purple Mountain Laboratories（紫金山实验室） ； Singapore Management University（新加坡国立大学） 纠错

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

AI总结 GeoDrag通过整合3D几何线索和统一位移场，实现了高精度、结构一致的拖拽图像编辑，解决了多点拖拽冲突和几何引导不连续性问题。

Who Said Neural Networks Aren't Linear?

谁说神经网络不是线性的？

Nimrod Berman, Assaf Hallak, Assaf Shocher

专题命中 图像编辑 ：diffusion(abstract)

AI总结 本文提出线性化器架构，通过结构运输概念使神经网络在特定向量空间中表现为线性算子，从而应用线性代数工具处理非线性映射，并展示其在扩散模型和风格迁移中的应用。

Efficient Text-Guided Convolutional Adapter for the Diffusion Model

高效的文本引导卷积适配器用于扩散模型

Aryan Das, Koushik Biswas, Swalpa Kumar Roy, Badri Narayana Patro, Vinay Kumar Verma

机构 * VIT Bhopal（维特大学博帕尔分校） ； IIIT Delhi（德里印度理工学院） ； Tezpur University Assam（泰朱普大学阿萨姆分校） ； IIT Kanpur（坎普尔印度理工学院） 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Nexus Prime和Slim适配器，通过文本引导提升扩散模型的结构保持条件生成性能，显著减少参数量并保持高效果。

Comments Accepted in WACV 2026

Synthetic History: Evaluating Visual Representations of the Past in Diffusion Models

合成历史：评估扩散模型中过去视觉表征

Maria-Teresa De Rosa Palmini, Eva Cetinic

机构 * University of Zurich（苏黎世大学） 纠错

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

AI总结 本文提出评估TTI模型对历史语境表征的基准，揭示模型在历史主题生成中存在系统性偏差，如刻板印象和错误时空错位，旨在推动更准确的历史主题生成模型发展。

Retinal OCT Synthesis with Denoising Diffusion Probabilistic Models for Layer Segmentation

利用去噪扩散概率模型进行视网膜OCT合成以实现分层分割

Yuli Wu, Weidong He, Dennis Eschweiler, Ningxin Dou, Zixin Fan, Shengli Mi, Peter Walter, Johannes Stegmaier

机构 * Institute of Imaging and Computer Vision, RWTH Aachen University（成像与计算机视觉研究所，亚琛RWTH大学） ； Bio-manufacturing Engineering Laboratory of Tsinghua SIGS, Tsinghua University（清华大学SIGS生物制造工程实验室） ； Shenzhen Eye Hospital（深圳眼科医院） ； Department of Ophthalmology, RWTH Aachen University（眼科部，亚琛RWTH大学） 纠错

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

AI总结 本文提出利用DDPMs合成视网膜OCT图像，通过知识迁移提升分割精度，展示其在减少人工标注需求方面的潜力。

Comments ISBI 2024

Journal ref 2024 IEEE International Symposium on Biomedical Imaging (ISBI)

The Geometry of Noise: Why Diffusion Models Don't Need Noise Conditioning

噪声的几何学：为什么扩散模型不需要噪声条件

Mojtaba Sahraee-Ardakan, Mauricio Delbracio, Peyman Milanfar

机构 * Google（谷歌） 纠错

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

AI总结 该研究通过形式化边际能量，揭示了自主生成模型在噪声无关条件下的稳定生成机制，并证明其通过黎曼梯度流实现稳定吸引子。

Rethinking Flow and Diffusion Bridge Models for Speech Enhancement

重新思考流与扩散桥模型用于语音增强

Dahan Wang, Jun Gao, Tong Lei, Yuxiang Hu, Changbao Zhu, Kai Chen, Jing Lu

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出了一种统一流与扩散桥模型的框架，通过改进的概率路径设计和预测范式元素，提升了语音增强的性能和效率。

Comments Accepted by the 40th AAAI Conference on Artificial Intelligence (AAAI-26)

Corrected diffusion approximation for random walks conditioned to stay positive

修正的扩散近似用于条件保持正的随机游走

Denis Denisov, Alexander Tarasov, Vitali Wachtel

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出修正的扩散近似方法，用于分析条件保持正的随机游走的概率性质，并推导出Berry-Esseen型不等式。

Comments 22 pages

Two Calm Ends and the Wild Middle: A Geometric Picture of Memorization in Diffusion Models

两个平静的终点与野性中间：扩散模型中记忆的几何图景

Nick Dodson, Xinyu Gao, Qingsong Wang, Yusu Wang, Zhengchao Wan

机构 * Department of Mathematics, University of Missouri（数学系，密苏里大学） ； Halıcıoğlu Data Science Institute, University of California San Diego（哈利奇奥数据科学研究所，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 本文提出了一种几何框架，通过分析噪声调度的不同区域，揭示了扩散模型中记忆与泛化的机制，并提出针对性干预以减少记忆风险。

Drift Estimation for Stochastic Differential Equations with Denoising Diffusion Models

具有去噪扩散模型的随机微分方程漂移估计

Marcos Tapia Costa, Nikolas Kantas, George Deligiannidis

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出利用去噪扩散模型估计随机微分方程中的漂移函数，该方法在不同维度下均表现出竞争力，且优势不受架构设计限制。

Learning Flow Distributions via Projection-Constrained Diffusion on Manifolds

通过流分布的投影约束扩散在流形上进行学习

Noah Trupin, Rahul Ghosh, Aadi Jangid

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出了一种基于投影约束扩散的生成模型，用于在任意障碍几何和边界条件下合成物理上可行的二维不可压缩流，通过结合边界条件扩散模型、物理指导训练目标和几何感知的霍尔次-霍奇算子，实现了对不可压缩流的高效生成。

SIRUP: A diffusion-based virtual upmixer of steering vectors for highly-directive spatialization with first-order ambisonics

SIRUP: 一种基于扩散的虚拟上混器，用于高定向空间化的第一阶ambisonics

Emilio Picard, Diego Di Carlo, Aditya Arie Nugraha, Mathieu Fontaine, Kazuyoshi Yoshii

机构 * 1Center for Advanced Intelligence Project, RIKEN, Japan 2Sorbonne University, France 3LTCI, T\' e l\' e com Paris, Institut Polytechnique de Paris, France 4Graduate School of Engineering, Kyoto University, Japan -1mm 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 SIRUP通过潜在扩散模型实现基于第一阶ambisonics的虚拟上混器，提升高定向空间化性能。

Journal ref ICASSP, May 2026, Barcelone, Spain

AnCoder: Anchored Code Generation via Discrete Diffusion Models

AnCoder：通过离散扩散模型实现锚定代码生成

Anton Xue, Litu Rout, Constantine Caramanis, Sanjay Shakkottai

机构 * 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 AnCoder通过结构化锚定扩散模型实现高质量代码生成，解决了传统方法无法尊重编程语言结构的问题。

DeRaDiff: Denoising Time Realignment of Diffusion Models

DeRaDiff：扩散模型的去噪时间对齐

Ratnavibusena Don Shahain Manujith, Teoh Tze Tzun, Kenji Kawaguchi, Yang Zhang

机构 * National University of Singapore（新加坡国立大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 DeRaDiff通过调节正则化强度实现扩散模型的去噪时间对齐，有效减少计算成本并提高模型对齐效果。

Ion Jump Motion as the Background for Muon Diffusion in Battery Materials Research Using $μ$SR

μSR中离子跳跃运动作为电池材料中μ子扩散背景的研究

Ryosuke Kadono

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文通过扩展的 KT 衰减函数分析了 μSR 中离子跳跃运动对电池材料中 μ 子扩散的影响，指出温度升高导致离子跳跃率增加，从而影响 μSR 光谱特征。

Comments 5 pages, 3 figures

Journal ref J. Phys. Soc. Jpn. 95, 033705 (2026)

Turing instability and 2-D pattern formation in reaction-diffusion systems derived from kinetic theory

图灵不稳定性与反应扩散系统中二维图案形成的推导

Stefano Boccelli, Giorgio Martalò, Romina Travaglini

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文通过动力学方法推导了两种反应扩散模型，探讨了图灵不稳定性及二维图案形成，揭示了参数范围和空间结构多样性。

Journal ref Discrete and Continuous Dynamical Systems - B, 2026, 35: 391-423

Reaction-diffusion systems from kinetic models for bacterial communities on a leaf surface

叶表面细菌群落的动能模型所导出的反应扩散系统

Marzia Bisi, Davide Cusseddu, Ana Jacinta Soares, Romina Travaglini

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文通过动能模型导出叶表面细菌群落的反应扩散系统，并研究其非线性扩散和交叉扩散效应及图案形成机制。

Journal ref Journal of Nonlinear Science 36, 23 (2026)

Scaling laws for single-file diffusion of adhesive particles

粘性粒子单文件扩散的标度定律

Sören Schweers, Alexander P. Antonov, Artem Ryabov, Philipp Maass

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出了一种适用于粘性粒子的单文件扩散标度理论，揭示了粘性相互作用对短时间扩散减缓和长时间亚扩散增强的影响。

Comments 6 pages, 2 figures plus 4 pages, 3 figures in SM

Journal ref Phys. Rev. E 107, L042102 (2023)

Learning to Weight Parameters for Training Data Attribution

学习权重参数以训练数据归因

Shuangqi Li, Hieu Le, Jingyi Xu, Mathieu Salzmann

机构 * EPFL（苏黎世联邦理工学院） ； Stony Brook University（史蒂文斯理工学院） ； UNC Charlotte（北卡罗来纳大学夏洛特分校） 纠错

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

AI总结 本文提出一种无需标注标签即可直接从数据学习参数重要性权重的方法，提升训练数据归因的准确性与细粒度分析能力。

Comments 31 pages

Journal ref ICLR 2026

Temporal Pair Consistency for Variance-Reduced Flow Matching

时间对一致性用于方差减少的流匹配

Chika Maduabuchi, Jindong Wang

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

AI总结 时间对一致性（TPC）通过在相同概率路径上耦合配对时间步长的速度预测，减少流匹配中的梯度方差，提升样本质量和效率。

ViGText: Deepfake Image Detection with Vision-Language Model Explanations and Graph Neural Networks

ViGText: 基于视觉-语言模型解释和图神经网络的深度伪造图像检测

Ahmad ALBarqawi, Mahmoud Nazzal, Issa Khalil, Abdallah Khreishah, NhatHai Phan

机构 * New Jersey Institute of Technology（新泽西理工学院） ； Old Dominion University（旧 Dominion 大学） 纠错

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

AI总结 ViGText结合视觉-语言模型解释和图神经网络，提升深度伪造检测的泛化能力和鲁棒性。

Incremental Input-to-State Stability and Equilibrium Tracking for Stochastic Contracting Dynamics

增量输入到状态稳定性与随机收缩动力学的平衡跟踪

Yu Kawano, Simone Betteti, Alexander Davydov, Francesco Bullo

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文研究了随机收缩动力学的增量输入到状态稳定性，通过分析SDE的向量场和输入特性，提出在噪声影响下的时间变化平衡跟踪误差估计方法。

Laser-Induced Current Transients in Ultrafast All-Optical Switching of Metallic Spin Valves

超快全光开关中金属磁阻阀的激光诱导电流瞬态

Serban Lepadatu, Mohammed Gija, Alexey Dobrynin, Kevin McNeill, Mark Gubbins, Tim Mercer, Steven M. McCann, Philip Bissell

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究通过原子级自旋动力学揭示了激光诱导电流瞬态在金属磁阻阀全光开关中的作用机制，发现非平衡热电子和自旋极化电流主导开关过程，并在高能量下产生多域结构。

Large Deviations for Stochastic Evolution Equations in the Critical Variational Setting

随机演化方程在临界变分设定下的大偏差分析

Esmée Theewis, Mark Veraar

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文在临界变分设定下，利用弱收敛方法证明了具有小高斯噪声的拟线性随机演化方程解的大偏差原理，并解决了长期未解决的开放问题。

Comments Minor editorial adjustments. To appear in Stochastic Processes and their Applications

A mobility based approach to transport in chiral fluids

基于运动性的在手性流体中传输的方法

Filippo Faedi, Erik Kalz, Ralf Metzler, Abhinav Sharma

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出了一种基于运动性的方法，揭示了手性流体中增强扩散和负运动性的统一物理机制，并展示了其对相互作用势变化的鲁棒性。

Beyond Individual Influence: The Role of Echo Chambers and Community Seeding in the Multilayer three state q-Voter Model

超越个体影响：回音室与社区播种在多层三态q-投票模型中的作用

Igor Hołowacz, Piotr Bródka

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究揭示多层三态q-投票模型中回音室与社区播种的影响机制，指出拓扑熵最大化优于局部集群强化，VoteRank在复杂传染中表现更优。

Comments Preprint of the paper submitted to WAW 2026 - 21st Workshop on Modelling and Mining Networks

PINEAPPLE: Physics-Informed Neuro-Evolution Algorithm for Prognostic Parameter Inference in Lithium-Ion Battery Electrodes

PINEAPPLE：用于锂离子电池电极寿命预测参数推断的物理信息神经进化算法

Karkulali Pugalenthi, Jian Cheng Wong, Qizheng Yang, Pao-Hsiung Chiu, My Ha Dao, Nagarajan Raghavan, Chinchun Ooi

专题命中 扩散模型 ：diffusion(abstract)

AI总结 PINEAPPLE通过整合物理信息神经网络与进化算法，实现了对锂离子电池电极内部参数的高效、准确推断，为电池寿命预测和管理提供新的解决方案。

Journal ref Journal of Energy Storage, 2026