图像生成

High-resolution probabilistic estimation of three-dimensional regional ocean dynamics from sparse surface observations

高分辨率概率估计三维区域海洋动力学从稀疏表面观测

Niloofar Asefi, Tianning Wu, Ruoying He, Ashesh Chattopadhyay

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出一种深度感知生成框架，利用稀疏表面数据高分辨率重建三维海洋状态，通过条件去噪扩散概率模型实现无背景动态模型的海洋状态统一垂直表示。

Comments Supplementary information: https://drive.google.com/file/d/12FPQujokmSOUktTftfYjPFVNnSYHfszv/view?usp=sharing

A Non-compact Positivity-Preserving Numerical Scheme for Elliptic Differential Equations Based on Mathematical Expectation

基于数学期望的非紧致正性保持方案用于椭圆微分方程

Haoran Xu, Kunyang Li, Xingye Yue

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出一种非紧致、正性保持方案，用于线性非散度形式椭圆方程，基于Feynman-Kac公式，通过扩散过程的条件期望表示解，并采用宽窗方案保证一致性和正性保持，适用于各向异性扩散问题。

Comments arXiv admin note: text overlap with arXiv:2601.10977

Nanodiamond sensing in dynamic environments with fast-tracking through four-point positioning

在动态环境中利用四点定位实现快速追踪的纳米钻石传感

Guoli Zhu, Ming-Zhong Ai, Zhiyu Zhao, Weng-Hang Leong, Shining Chen, Xi Liu, Jingwei Fan, Xi Feng, Ren-Bao Liu, Yue Cui, Quan Li

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出一种基于四点定位的快速单粒子追踪方法，用于提高动态环境中纳米钻石的实时跟踪和传感精度，同时结合量子磁共振实现多参数传感。

Comments 30 pages, 6 figures, comments are welcome!

ITACA revisited: Ion Tracking Apparatus with CMOS ASICs

重新审视ITACA：使用CMOS ASICs的离子跟踪装置

J. J Gómez-Cadenas, L. Arazi, G. Martínez-Lema, J. Renner, S. R. Soleti, S. Torelli

专题命中 扩散模型 ：diffusion(abstract)

AI总结 ITACA利用高压氙气TPC和电发光放大技术，通过电子轨迹和离子轨迹的成像，提高中微子less双β衰变搜索的灵敏度。

Comments 38 pages, 16 figures

OSCAR: Orchestrated Self-verification and Cross-path Refinement

OSCAR：协调自我验证与跨路径细化

Yash Shah, Abhijit Chakraborty, Naresh Kumar Devulapally, Vishnu Lokhande, Vivek Gupta

机构 * Arizona State University（亚利桑那州立大学） ； University at Buffalo, SUNY（纽约州立大学布法罗分校） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 OSCAR通过利用扩散语言模型的去噪轨迹，提出一种无需训练的推理框架，通过交叉链熵检测高不确定性位置并进行针对性修正，提升生成质量与事实准确性。

A Damage-Driven Model for Duchenne Muscular Dystrophy: Early-Stage Dynamics and Invasion Thresholds

一种基于损伤驱动的杜兴肌肉营养不良模型：早期阶段动态和入侵阈值

Gaetana Gambino, Francesco Gargano, Alessandra Rizzo, Vincenzo Sciacca

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出一个基于损伤驱动的数学模型，研究杜兴肌肉营养不良的早期动态和入侵阈值，通过线性化分析证明扩散不引发图灵不稳定性，疾病进展通过入侵过程实现，推导出入侵起始条件和最小传播速度。

The Tracy-Widom distribution at large Dyson index

大Dyson指数下的Tracy-Widom分布

Alain Comtet, Pierre Le Doussal, Naftali R. Smith

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究大Dyson指数下Tracy-Widom分布的极限行为，推导大偏离形式及率函数，计算高阶累积量并验证数值结果。

Comments 38 pages, 6 figures

Journal ref J. Stat. Phys. 193, 46 (2026)

A Unified Approach to Analysis and Design of Denoising Markov Models

对去噪马尔可夫模型分析与设计的统一方法

Yinuo Ren, Grant M. Rotskoff, Lexing Ying

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出统一框架，通过马尔可夫动力学建立去噪模型的数学基础，统一变分目标并适应不同动态，统一连续和离散扩散模型，展示其在复杂分布建模中的灵活性。

NavCrafter: Exploring 3D Scenes from a Single Image

NavCrafter：从单张图像探索3D场景

Hongbo Duan, Peiyu Zhuang, Yi Liu, Zhengyang Zhang, Yuxin Zhang, Pengting Luo, Fangming Liu, Xueqian Wang

机构 * Center for Artificial Intelligence and Robotics, Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院人工智能与机器人中心） ； Peng Cheng Laboratory（鹏城实验室） ； School of Cyber Science and Technology, Shenzhen Campus of Sun Yat-sen University（中山大学深圳校区网络空间安全学院） ； Central Media Technology Institute, Huawei Incorporated Company（华为技术有限公司中央媒体技术研究院） 纠错

专题命中 可控生成 ：diffusion(abstract)；分类 cs.CV

AI总结 NavCrafter通过合成新颖视角视频序列，实现从单张图像生成灵活的3D场景，采用视频扩散模型和几何感知扩展策略，提升可控多视角合成与3D重建精度。

Comments 8 pages accepted by ICRA 2026

UNICA: A Unified Neural Framework for Controllable 3D Avatars

UNICA：一种统一的神经框架用于可控的3D人形 avatars

Jiahe Zhu, Xinyao Wang, Yiyu Zhuang, Yanwen Wang, Jing Tian, Yao Yao, Hao Zhu

机构 * Nanjing University（南京大学） ； State Key Laboratory of Novel Software Technology（计算机软件新技术国家重点实验室） 纠错

专题命中 可控生成 ：diffusion(abstract)；分类 cs.CV

AI总结 UNICA通过动作条件扩散模型和点转换器生成可控的3D人形，实现无需骨骼的统一生成框架，支持自由视角渲染和动态衣物处理。

Comments Opensource code: https://github.com/zjh21/UNICA

Efficient Test-Time Optimization for Depth Completion via Low-Rank Decoder Adaptation

通过低秩解码器适应实现高效的深度完成测试时优化

Minseok Seo, Wonjun Lee, Jaehyuk Jang, Changick Kim

机构 * Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院（KAIST）） 纠错

专题命中 可控生成 ：diffusion(abstract)；分类 cs.CV

AI总结 本文提出一种轻量级测试时适应方法，通过更新低维子空间实现高效零样本深度完成，提升准确率与效率的平衡。

Comments 17 pages, 7 figures [We achieved a new Pareto frontier in test-time depth completion.]

ROPA: Synthetic Robot Pose Generation for RGB-D Bimanual Data Augmentation

ROPA: 合成机器人姿态生成用于RGB-D双臂数据增强

Jason Chen, I-Chun Arthur Liu, Gaurav Sukhatme, Daniel Seita

机构 * University of Southern California（南加州大学） 纠错

专题命中 可控生成 ：diffusion(abstract)；分类 cs.CV

AI总结 本文提出ROPA，通过微调Stable Diffusion生成RGB-D双臂任务的合成数据，提升机器人双臂操控的鲁棒性与数据增强效率。

Comments Accepted to the International Conference on Robotics and Automation (ICRA) 2026

VOSR: A Vision-Only Generative Model for Image Super-Resolution

VOSR：一种仅基于视觉的生成模型用于图像超分辨率

Rongyuan Wu, Lingchen Sun, Zhengqiang Zhang, Xiangtao Kong, Jixin Zhao, Shihao Wang, Lei Zhang

机构 * The Hong Kong Polytechnic University（香港理工大学） ； OPPO Research Institute（OPPO研究院） 纠错

专题命中 图像修复 ：text-to-image(abstract)；diffusion(abstract)；分类 cs.CV

AI总结 本文提出VOSR，一种仅基于视觉的生成模型，通过视觉语义指导提取低分辨率输入的语义丰富特征，并采用恢复导向的指导策略，实现高效且高质量的图像超分辨率。

Comments Accepted by CVPR2026

Preserving Source Video Realism: High-Fidelity Face Swapping for Cinematic Quality

保留源视频真实性：面向电影质量的高保真面部交换

Zekai Luo, Zongze Du, Zhouhang Zhu, Hao Zhong, Muzhi Zhu, Wen Wang, Yuling Xi, Chenchen Jing, Hao Chen, Chunhua Shen

机构 * Zhejiang University, State Key Laboratory of CAD & CG（浙江大学，计算机辅助设计与图形学国家重点实验室） ； Zhejiang University of Technology（浙江工业大学） ； Ant Group（蚂蚁集团） 纠错

专题命中 个性化与一致性 ：image editing(abstract)；分类 cs.CV

AI总结 本文提出LivingSwap模型，通过关键帧和视频参考引导实现高保真面部交换，提升视频真实感与时间一致性，减少生产流程中的手动工作量。

Comments Accepted to CVPR 2026. Project webpage: https://aim-uofa.github.io/LivingSwap

Generative Frontiers: Why Evaluation Matters for Diffusion Language Models

生成前沿：为何评估对扩散语言模型至关重要

Patrick Pynadath, Jiaxin Shi, Ruqi Zhang

机构 * Purdue University（普渡大学） 纠错

专题命中 图像生成评测 ：diffusion(title,abstract)

AI总结 本文探讨了扩散语言模型评估方法的局限性，提出生成前沿作为评估生成质量的原理性方法，分析了生成困惑度和熵在KL散度中的作用。

Gram-MMD: A Texture-Aware Metric for Image Realism Assessment

Gram-MMD：一种纹理感知的图像真实感评估度量方法

Joé Napolitano, Pascal Nguyen

机构 * AMIAD 纠错

专题命中 图像生成评测 ：diffusion(abstract)；分类 cs.CV

AI总结 本文提出Gram-MMD，通过预训练网络的中间激活计算Gram矩阵，捕捉特征图间的相关性，以更精细的粒度评估图像真实感，实验表明其在跨域场景中优于现有语义度量。

Comments 13 pages, 15 figures, 2 tables. Preprint

Distributional Statistics Restore Training Data Auditability in One-step Distilled Diffusion Models

分布统计恢复一步蒸馏扩散模型中的训练数据可审计性

Muxing Li, Zesheng Ye, Sharon Li, Andy Song, Guangquan Zhang, Feng Liu

专题命中 效率与蒸馏 ：diffusion(title,abstract)

AI总结 本文研究了一步蒸馏扩散模型中训练数据可审计性问题，提出基于分布统计的检测方法，通过核分布差异判断候选数据集是否与教师训练数据一致，验证了分布层面审计的有效性。