图像生成

Transportation-cost inequalities for invariant measures of stochastic reaction-diffusion equations driven by space-time white noise

由时空白噪声驱动的随机反应扩散方程不变测度的运输成本不等式

Shijie Shang, Tusheng Zhang

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究由乘性时空白噪声驱动的随机反应扩散方程不变测度的运输成本不等式，通过获取随机卷积矩估计，建立随机控制方程解的利普希茨连续性，最终证明了不同度量下的运输成本不等式。

Diffusion-corrected Autoregressive Fourier Neural Operator for Droplet Evolution Prediction

用于液滴演化预测的扩散校正自回归傅里叶神经算子

Jinghao Cao, Minsung Kang, Hongyue Sun, Chi Zhou, Jihoon Chung, Xubo Yue, Sanchoy Das, Bo Shen

机构 * New Jersey Institute of Technology（新泽西理工学院） ； University of Georgia（佐治亚大学） ； University at Buffalo（纽约州立大学布法罗分校） ； Hanyang University（汉阳大学） ； Northeastern University（东北大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究材料喷射中液滴演化预测难题，提出DiffARFNO两阶段框架，结合自回归傅里叶 - MIONet与DDIM校正器，经实验验证该方法显著优于现有模型，能为长期预测提供高保真结果。

Comments 11 figures, 4 tables

On the use of the Belopol'skaya-Daletskii representation of a diffusion on a Riemann manifold to construct path integrals

关于在黎曼流形上使用扩散的别洛波尔斯卡娅 - 达列茨基表示来构建路径积分

Paolo Muratore-Ginanneschi

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究利用黎曼流形上随机微分方程的别洛波尔斯卡娅 - 达列茨基公式，通过指数映射描述扩散增量，构建扩散路径测度有限维近似的等变表示。

Comments 20 pages, no figures

Evidence for elemental diffusion in the eclipsing binary star AI Phoenicis

食双星AI Phoenicis中元素扩散的证据

Pierre F. L. Maxted, Nicholas Storm, Andreas J. Korn, Marília Carlos, Matthew R. Gent, Sviatoslav B. Borisov, Paula Jofré, Maria Bergemann, Hans-Günter Ludwig, Nicola J. Miller

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究食双星AI Phoenicis，通过获取其光谱测量铁和镁丰度，与M67星团恒星比较，发现F7V恒星有元素扩散特征，可用于测试含元素扩散和混合的单星模型。

Comments Accepted for publication in MNRAS. 9 pages, 5 figures

Induction in Both Directions: A Mechanistic Analysis of In-Context Learning in Masked Diffusion Language Models

双向归纳：掩码扩散语言模型中上下文学习的机制分析

Andy Catruna, Emilian Radoi

机构 * National University of Science and Technology POLITEHNICA Bucharest（布加勒斯特理工大学国家科技大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究扩散语言模型（DLM）中归纳机制，对比仅注意力AR模型和吸收掩码DLM。发现DLM学习双向归纳电路，方向对称，掩码两侧可见时归纳更强，还证明其能计算掩码令牌比例作隐式时间步长。

Interfaces and non-uniqueness in a cross-diffusion system with independent drifts

具有独立漂移的交叉扩散系统中的界面与非唯一性

Charles Elbar, Guy Parker

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究一维交叉扩散系统中两个种群在独立外部势作用下，从单界面分离初值出发，发现解依赖于所选解的概念，粘性消失解产生重叠而分离弱解也存在，导致柯西问题在弱解类中不适定。

Comments Added: References and Appendix. 26 Pages, 1 figure

FAIR-Calib: Frontier-Aware Instability-Reweighted Calibration for Post-Training Quantization of Diffusion Large Language Models

FAIR-Calib：面向扩散大语言模型训练后量化的前沿感知不稳定重加权校准

Haoyu Huang, Linlin Yang, Sheng Xu, Boyu Liu, Guodong Guo, Zhongqian Fu, Hang Zhou, Baochang Zhang

机构 * FAIR 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对扩散大语言模型训练后量化中前沿决策易翻转并永久锁定放大的问题，提出两阶段PTQ框架FAIR-Calib，通过前沿命中与掩码阶段可靠性估计位置先验，并利用重加权隐状态MSE校准优先保护脆弱前沿状态，理论证明其作为输出KL散度代理，实验显著优于基线。

Comments Accepted as a poster at the 43rd International Conference on Machine Learning (ICML 2026)

Autoregressive Diffusion World Models for Off-Policy Evaluation of LLM Agents

自回归扩散世界模型用于LLM智能体的离线评估

Kaixuan Liu, Guojun Xiong, Weinan Zhang, Shengpu Tang

机构 * Department of Computer Science, Emory University（埃默里大学计算机科学系） ； School of Computer Science, Shanghai Jiao Tong University（上海交通大学计算机科学学院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出ADWM框架，通过自回归扩散世界模型从预收集轨迹中模拟环境响应，实现无需在线交互的LLM智能体策略离线评估。

Geometry Adaptive Counterfactual Distribution Learning with Diffusion-Guided Smoothing

几何自适应反事实分布学习与扩散引导平滑

Kwangho Kim

机构 * Department of Statistics, Korea University（韩国大学统计系） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对高维反事实分布学习，提出两种基于扩散引导的几何自适应平滑估计器，通过有效维度降低误差，并在CelebA实验验证。

RADD: Retrieval-Augmented Discrete Diffusion for Multi-Modal Knowledge Graph Completion

RADD：基于检索的离散扩散用于多模态知识图谱补全

Guanglin Niu, Bo Li

机构 * School of Artificial Intelligence, Beihang University（北航人工智能学院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出RADD框架，通过分离检索与重排序过程，提升多模态知识图谱补全的性能，实验表明其在多个基准上表现最佳。

Comments 13 pages, 3 figures, 8 tables

A Comprehensive Regime Diagram of Dynamical Modes of Triple Flickering Buoyant Diffusion Flames: Experimental and Model Investigations

三重闪烁浮力扩散火焰的动力学模式全面图：实验与模型研究

Hanxu Wang, Tao Yang, Yicheng Chi, Zhenyu Zhang, Peng Zhang

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究通过实验和模型分析，构建了三重闪烁浮力扩散火焰的动力学模式图，发现三种新动力学模式，并利用Stuart-Landau振荡器模型解释复杂火焰相互作用。

Comments 28 pages, 13 figures

First-Hitting Location Laws as Boundary Observables of Drift-Diffusion Processes

首次击中位置定律作为漂移扩散过程的边界可观测量

Yen-Chi Lee

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究漂移扩散过程中首次击中位置统计特性，探讨边界定律如何作为内在信息可观测量。通过几何和动态分析，揭示漂移与几何如何共同塑造边界测度，并展示非零漂移如何抑制尾部波动。

Comments 16 pages, 7 figures. Accepted for publication in Physical Review E. This revised and expanded version adds an exact exterior-circle benchmark and clarifies the dimensional convention and notation

Breaking the Factorization Barrier in Diffusion Language Models

突破扩散语言模型的分解障碍

Ian Li, Zilei Shao, Benjie Wang, Rose Yu, Guy Van den Broeck, Anji Liu

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 CoDD通过引入轻量级概率推理层，突破扩散语言模型的分解障碍，实现高效且连贯的生成性能。

Bayesian Signal Component Decomposition via Diffusion-within-Gibbs Sampling

通过扩散-于-吉布斯采样进行贝叶斯信号分量分解

Yi Zhang, Rui Guo, Yonina C. Eldar

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出了一种结合吉布斯采样与插件式扩散先验的贝叶斯信号分量分解方法，能够统一整合模型驱动与数据驱动的先验知识，实现高效准确的信号分解。

Comments 16 pages, 6 figures. Submitted to journal

Rapid and Safe Trajectory Planning over Diverse Scenes through Diffusion Composition

通过扩散合成在多样场景中进行快速且安全的轨迹规划

Wule Mao, Zhouheng Li, Yunhao Luo, Fangguo Zhao, Lei Xie

机构 * College of Control Science and Engineering, Zhejiang University（浙江大学控制科学与工程学院） ； University of Michigan（密歇根大学） ； MIT（麻省理工学院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对动态环境规划难题，提出能量参数化扩散规划框架，结合轻量级安全过滤器和场景无关的数据生成管道，实现多样场景下快速安全规划，仿真与真实实验验证了其有效性、鲁棒性和适用性。

SplatSearch: Instance Image Goal Navigation for Mobile Robots using 3D Gaussian Splatting and Diffusion Models

SplatSearch：使用3D高斯点云和扩散模型的移动机器人实例图像目标导航

Siddarth Narasimhan, Matthew Lisondra, Haitong Wang, Goldie Nejat

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究移动机器人的实例图像目标导航问题，提出SplatSearch架构，利用3D高斯点云重建和多视角扩散模型，结合前沿探索策略，在多种环境实验中验证其性能优于现有方法。

Comments Project Page: https://splat-search.github.io/

A${}^2$BM: Alignment-Aware Bridge Matching for Image-to-Image Translation

A²BM：用于图像到图像翻译的对齐感知桥接匹配

Aimi Okabayashi, Georges Le Bellier, Nicolas Audebert, Charlotte Pelletier, Thomas Corpetti, Nicolas Courty

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

AI总结 研究图像到图像翻译中弱对齐数据问题，提出A²BM方法利用图像对对齐，在训练中纳入对齐分数区分真实对应，推理时控制翻译保真度，实验验证该方法比基线表现优，为弱对齐数据的图像翻译提供解决方案。

Can Video Diffusion Models Predict Past Frames? Bidirectional Cycle Consistency for Reversible Interpolation

视频扩散模型能否预测过去帧？双向循环一致性用于可逆插值

Lingyu Liu, Yaxiong Wang, Li Zhu, Zhedong Zheng

机构 * School of Software Engineering, Xi'an Jiaotong University（西安交通大学软件工程学院） ； School of Computer and Information Science, Hefei University of Technology（合肥工业大学计算机与信息科学学院） ； Faculty of Science and Technology, University of Macau（澳门大学科技学院） 纠错

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

AI总结 本文提出双向循环一致性框架，通过双向生成轨迹对称性提升视频插值的时序一致性，实验表明在37帧和73帧任务中取得最佳性能。

Synchronization-Free Algebraic Fingerprints for Large Language Models: From Autoregressive to Diffusion Models

大语言模型的无同步代数指纹：从自回归模型到扩散模型

Jaroslaw Janas, Josef Pieprzyk, Pawel Morawiecki

专题命中 扩散模型 ：diffusion(title)

AI总结 针对大语言模型水印需求，提出无同步水印方案，由相邻令牌生成二元同余作水印，从代数角度分析恢复问题，讨论解码算法，该方法能抗多种操作，避免同步问题，为嵌入不同长度秘密身份提供灵活框架。

Diffusion-induced instabilities promote cooperation in eco-evolutionary networks

扩散诱导的不稳定性促进生态进化网络中的合作

Sourav Roy, Md Sayeed Anwar, Timoteo Carletti, Matjaz Perc, Dibakar Ghosh

专题命中 扩散模型 ：diffusion(title)

AI总结 研究生态进化公共品博弈中合作如何持续，通过复杂网络上合作者和背叛者不同扩散速率，揭示不对称迁移和异质连接性共同促进结构化群体中合作，包括对称破缺转变、枢纽合作情况及多稳定性分析等。

Comments 28 pages, 15 figures, supplementary information; accepted for publication in PNAS

Hydrogen Bond Strength Dictates the Rate-Limiting Steps of Diffusion in Proton-Conducting Perovskites:A Critical Length Perspective

氢键强度决定质子传导钙钛矿中扩散的限速步骤：临界长度视角

Hang Ma, Jiajun Linghu, Nannan Han, Peng Feng, Yuling Zhuo, Ying Liang, Kunde Yang, Tianxing Ma, Zhi-Peng Li

专题命中 扩散模型 ：diffusion(title)

AI总结 研究质子传导钙钛矿中质子迁移限速步骤，通过定量分解旋转和转移势垒提出氢键长度标准，能判断不同结构材料中质子旋转与转移速率，为质子传导电解质优化设计提供原子尺度见解。

Comments 11 Figures with a Supplemental Material

Journal ref Chem. Mater. 38, 6069(2026)

Consistent Feature Transport for Image Relighting

用于图像重光照的一致特征传输

Bohan Zhang, Huanwei Liang, Yuhan He, Hongteng Xu, Quxiao Chao, Luoqi Liu, Dixin Luo, Ting Liu

机构 * School of Computer Science and Technology, Beijing Institute of Technology（北京理工大学计算机科学与技术学院） ； MT Lab, Meitu Inc.（美图公司MT实验室） ； Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学高瓴人工智能学院） 纠错

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

AI总结 研究图像重光照问题，提出一致特征传输（CFT）方法，基于整流流通过轨迹级监督联合建模噪声到图像生成及光照一致的源到目标传输，构建数据集实验验证，该方法能改进重光照并推广到其他编辑任务。

Three-Body Scattering for Generative Modeling

用于生成建模的三体散射

Peng Sun, Zhenglin Cheng, Deyuan Liu, Jun Xie, Xinyi Shang, Tao Lin

机构 * Westlake University（西湖大学） ； Zhejiang University（浙江大学） ； University College London（伦敦大学学院） 纠错

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

AI总结 研究提出三体散射建模（TBSM）用于生成，将能量距离转化为特定相互作用，为单步生成器提供监督。通过在线跟踪条件期望减少噪声，在ImageNet-256上训练单步生成器取得良好结果，确立了跟踪散射作为高维单步生成的途径。

Comments 31 pages, 5 figures, and 4 tables. Code: https://github.com/sp12138/TBSM

FillGauss: Fine-Grained Filling-Aware Impact Sound Generation for 3D Gaussian Splatting

FillGauss：用于3D高斯点云的细粒度填充感知撞击声生成

Chen Yang, Ganye Wen, Bin Huang, Jiayi Lyu, Zehai Niu, Linlin Shen, Jinbao Wang

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

AI总结 研究针对多模态AI中从视觉合成撞击声的挑战，提出细粒度填充感知撞击声生成任务。基于FillImpact数据集，构建FillGauss框架，融合多种要素实现位置、撞击物及填充感知音频生成，达物理基础跨模态音频生成新水平。

Fast VEM Fluid Simulation

快速虚拟单元法流体模拟

Runze Zhang, Bo Ren

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

AI总结 研究流体与复杂边界相互作用模拟难题，提出FastVEM框架，采用虚拟单元法离散、特定网格构建策略及加速压力投影的求解器，相比先前方法，大幅加速压力投影阶段，能处理更复杂边界几何。

Journal ref ACM Transactions on Graphics, Vol. 45, No. 4, Article 65, 18 pages, July 2026

ShotPlan: Cinematic Video Generation with Learnable Planning Token

ShotPlan：使用可学习规划令牌生成电影级视频

Su Guo, Guangce Liu, Haosen Yang, Jiepeng Wang, Cong Liu, Junqi Liu, Haibin Huang, Hongxun Yao, Chi Zhang, Xuelong Li

机构 * Institute of Artificial Intelligence (TeleAI), China Telecom（中国电信人工智能研究院（TeleAI）） ； Harbin Institute of Technology（哈尔滨工业大学） 纠错

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

AI总结 针对电影级视频生成难题，提出ShotPlan框架，基于视频扩散基础模型，引入可学习规划令牌捕捉镜头过渡线索，结合分数时间旋转位置嵌入在帧级别建模，实验证明其优于现有方法，提升了镜头管理与一致性。

Comments Project page: https://pensioner-11.github.io/ShotPlan/

Coarse-to-fine Framework for Generative MEF via Implicit Neural Representation

基于隐式神经表示的生成式多曝光融合粗到细框架

Sangmin Han, Jinho Kim, Jinwoo Kim, Dongyoung Kim, Seon Joo Kim

机构 * Yonsei University（延世大学） ； LG Electronics（LG电子） 纠错

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

AI总结 该研究针对多曝光融合问题，提出LIIFusion粗到细框架，粗阶段通过自适应曝光校正进行低分辨率生成融合，细阶段将局部隐式图像函数适配为多曝光融合函数，加速达3.5倍，提升了结构保真度和感知质量，为生成式MEF实际应用提供途径。

GenSyn10: A Multi-Generative AI Dataset For Benchmarking Image Classification

GenSyn10：用于图像分类基准测试的多生成式人工智能数据集

Md Faraz Kabir Khan, Saeed Anwar, Ghulam Mubashar Hassan

机构 * The University of Western Australia（西澳大利亚大学） 纠错

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

AI总结 研究针对生成式AI输出检测难的问题，引入GenSyn10数据集，由三种模型生成图像。通过标准化协议整理数据，评估17个分类模型，结果显示CIFAR-10训练模型在该数据集上有一定准确率，确立其为合成图像检测基准，助力相关研究。

3D Scene Graph Prediction: Generating Hierarchical Models from Partially Observed Environments

3D场景图预测：从部分观测环境生成层次模型

Siyi Hu, Jared Strader, Hyungtae Lim, Luca Carlone

机构 * Laboratory for Information & Decision Systems (LIDS), Massachusetts Institute of Technology（信息与决策系统实验室（LIDS），麻省理工学院） ； Department of Electrical and Computer Engineering, Oakland University（奥克兰大学电气与计算机工程系） 纠错

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

AI总结 针对机器人部分观测环境的场景预测问题，提出自上而下框架合成含房间层和物体层的3D场景图，用混合域图扩散模型等方法，相比其他方法对分布外部分平面图泛化性更好，能在真实场景预测。

Comments Accepted at IROS 2026. Main paper: 8 pages, 3 figures, 3 tables. Includes a supplementary appendix

BrainFIBRE: A Foundation Model via Information Decomposition for Brain Microstructure

BrainFIBRE：基于信息分解的脑微结构基础模型

Zijian Dong, Yi Lin, Fang Ji, Jianxiong Zhou, Kwun Kei Ng, Juan Helen Zhou

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

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

AI总结 提出BrainFIBRE，首个脑微结构基础模型，通过自监督部分信息分解（SPID）和反事实候选构建（CCC）从NODDI图谱中解缠独特、协同和冗余信息，在多种预测任务上达到最优性能。

Comments ECCV 2026. Author name corrected in V2