图像生成

PSI3D: Plug-and-Play 3D Stochastic Inference with Slice-wise Latent Diffusion Prior

PSI3D: 无需编程的3D随机推断与切片式潜在扩散先验

Wenhan Guo, Jinglun Yu, Yaning Wang, Jin U. Kang, Yu Sun

机构 * Johns Hopkins University（约翰霍普金斯大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 PSI3D通过切片式潜在扩散先验和总变分正则化，提升大规模3D随机推断在OCT超分辨率中的重建质量。

Comments 10 pages, 3 figures

Curiosity-Diffuser: Curiosity Guide Diffusion Models for Reliability

Curiosity-Diffuser：引导扩散模型提升可靠性的好奇心机制

Zihao Liu, Xing Liu, Yuhang Dong, Haitao Chang, Zhengxiong Liu, Panfeng Huang

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对机器人神经网络模型不稳定的问题，提出Curiosity-Diffuser方法，结合RND好奇心模块与分类器引导扩散提升策略可靠性，经仿真与真实实验验证有效

Comments Accepted for publication in Machine Intelligence Research

Time-to-Move: Training-Free Motion Controlled Video Generation via Dual-Clock Denoising

Assaf Singer, Noam Rotstein, Amir Mann, Ron Kimmel, Or Litany

机构 * Technion – Israel Institute of Technology（技术ion – 以色列理工学院） ； NVIDIA（NVIDIA公司） 纠错

专题命中 扩散模型 ：diffusion(abstract)；image editing(abstract)；分类 cs.CV、cs.GR、cs.MM

Journal ref International Conference on Learning Representations (ICLR), 2026

Visual Representation Matters: Exploiting Temporal Differences in Video-to-Audio Generation

视觉表示很重要：利用视频到音频生成中的时间差异

Zehua Chen, Junyou Wang, Yuxuan Jiang, Zhenying Fang, Yusheng Dai, Jianfei Chen, Ziwei Liu, Jun Zhu

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

AI总结 针对现有基于条件扩散的视频到音频（V2A）生成方法需额外网络或强归纳偏置的问题，提出TD-V2A框架，利用时间差异（TD）增强视觉条件，提升了V2A生成质量。

Rethinking Pixel Mean Flows via Interval Denoiser

通过区间去噪器重新思考像素均值流

Alexander Zaytsev, Dmitry Baranchuk, Alexander Korotin, Aibek Alanov

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

AI总结 针对扩散与流模型的计算及重建瓶颈，提出Interval Denoiser框架，经训练在ImageNet 256x256上实现少步生成的低FID值，提升了少步生成性能。

VoxStruct3D: Structure-Leading Flow Matching for Voxel-Space 3D MRI Synthesis

VoxStruct3D：用于体素空间3D MRI合成的结构引导流匹配方法

Fang Li, Yang Gao, Shihao Zou, Weixin Si, Hongyu Wu, Qing Xia, Shuai Li, Aimin Hao

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

AI总结 本文提出VoxStruct3D，一种体素空间流匹配框架，通过结构优先策略引导，在T1加权脑MRI合成任务上实现了特征分布对齐、样本多样性等指标的最优性能，生成的体积解剖连贯且视觉真实。

Comments Project page: https://neesky.github.io/VoxStruct3D/

UniCSG: Unified High-Fidelity Content-Constrained Style-Driven Generation via Staged Semantic and Frequency Disentanglement

UniCSG：通过分阶段语义和频率解耦实现统一的高保真内容约束风格驱动生成

Jingwei Yang, Ruoxi Wu, Wei Shen, Meng Li, Yulong Liu, Huimin She, Lunxi Yuan

机构 * China University of Mining and Technology（中国矿业大学） ； OPPO Artificial Intelligence Center（OPPO人工智能中心） 纠错

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

AI总结 UniCSG通过分阶段语义和频率解耦，解决风格迁移中内容与风格纠缠问题，提升生成内容的忠实度和稳定性。

From Understanding to Erasing: Towards Complete and Stable Video Object Removal

从理解到擦除：迈向完全且稳定的视频对象移除

Dingming Liu, Wenjing Wang, Chen Li, Jing Lyu, Haotian Dong

机构 * Peking University（北京大学） ； WeChat Vision, Tencent Inc.（腾讯微信视觉） 纠错

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

AI总结 本文提出通过外部和内部指导机制，结合视觉基础模型与视频扩散模型，提升视频对象移除的物理和语义理解能力，实现清晰且连贯的移除效果，并建立首个真实世界基准测试。

Comments Code: https://github.com/WeChatCV/UnderEraser

The Neural Echo: A Signal Processing Perspective for Understanding Neural Networks

神经回声：理解神经网络的信号处理视角

Chongbiao Wang, Daniel Gaa, Joachim Weickert, Karl Schrader

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出神经回声工具，将经典信号处理的脉冲响应等概念推广到神经网络，可解释各类网络行为，以DnCNN为例验证其能复现经典去噪器关键概念，搭建信号处理与可解释AI的桥梁。

Do Language Models Know Their Slang? Queer Slang Understanding in User-Generated Content

语言模型了解其俚语吗？用户生成内容中的酷儿俚语理解

Arianna Denitto, Beatrice Savoldi

机构 * University of Torino（都灵大学） ； Fondazione Bruno Kessler（布鲁诺·凯塞勒基金会） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 针对酷儿俚语在自然语言处理研究中未受充分关注的问题，构建含118个酷儿术语的Slang-Q数据集，对语言模型理解酷儿俚语的能力开展首次探索性评估，为研究模型处理敏感社区语言的能力提供基础。

Deltoris: Enabling Real-time VLA Inference in Embodied AI via Bit-level Sparsity and Speculative Inference

Deltoris：通过比特级稀疏性和推测性推理实现具身AI中的实时VLA推理

Zheng Liu, Zeyu Guo, Zihan Liu, Anbang Wu, Han Zhao, Fangxin Liu, Zhezhi He, Yinhe Han, Jingwen Leng, Minyi Guo, Yiming Gan, Yu Feng

专题命中 扩散模型 ：diffusion(abstract)

AI总结 Deltoris作为算法-硬件协同设计框架，通过时间感知比特级稀疏性、推测性推理及定制加速器，实现具身AI中实时VLA推理，加速比显著且精度相当。

Real-time probabilistic tsunami forecasting via generative AI

基于生成式AI的实时概率海啸预报

Yusuke Oishi, Takashi Furumura, Fumihiko Imamura

机构 * Fujitsu Research, Fujitsu Limited（富士通研究所，富士通株式会社） ； Earthquake Research Institute, The University of Tokyo（东京大学地震研究所） ； International Research Institute of Disaster Science, Tohoku University（东北大学国际灾害科学研究所） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 该研究开发基于条件扩散模型的概率集成模型，利用2011年东北地方太平洋近海地震数据验证，实现实时概率海啸预报，将海啸预报从确定性转向概率性，为下一代预警奠定基础。

Comments 24 pages, 14 figures, 1 table

Traveling fronts in a spatial epidemic model with slow loss of immunity

具有缓慢免疫丧失的空间流行病模型中的行波前

Rossella Della Marca, Gabriele Grifò, Annalisa Iuorio, Mattia Sensi

专题命中 扩散模型 ：diffusion(abstract)

AI总结 该研究分析具有缓慢免疫丧失的空间SIRS流行病模型，利用几何奇异摄动理论揭示其行波前的快慢结构，经数值模拟验证理论，明确行波前由多段连接构成。

Comments 19 pages, 7 figures

An $α$-Potential Game Approach to $N$-Player Stochastic Linear-Quadratic Differential Games

基于α-势博弈的N人随机线性二次微分博弈方法

Chenhui Hao, Jingtao Shi

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出基于α-势博弈的N人随机LQ微分博弈框架，推导了成本函数导数的等价表示，得到α-Nash均衡，并验证其与现有网络LQ博弈方法的一致性。

Comments 38 pages

Traveling-Wave Solutions for an Einstein-Type Material-Balance Model of the Chemotactic Transport

趋化性输运的爱因斯坦型物质平衡模型的行波解

Isanka Garli Hevage, Akif Ibragimov

专题命中 扩散模型 ：diffusion(abstract)

AI总结 该研究针对趋化性输运的爱因斯坦型物质平衡模型，分析行波解，证明输运主导区相干行波带的存在性，推导扰动界并将系统约化为三阶常微分方程，适用于油气藏形成等问题。

Comments 29 pages, 1 figure

Diffusive Speed Limits for U(1)-Covariant Quantum Error Correction

U(1)协变量子纠错的扩散速度极限

Jianqi Sheng

专题命中 扩散模型 ：diffusion(abstract)

AI总结 该研究针对带标记擦除的一维协变编码器，结合互补信道几何等方法，得出Charge-Haar码的擦除律与相变结论，证明局域保数砖电路的编码时间下界，确定扩散是对称约束量子编码的操作极限。

Structural and dynamical behavior of methane-water systems under nanoconfinement

纳米限域下甲烷-水体系的结构与动力学行为

José Torres-Arenas, Ángel M. Fernández-Fernández, Martín Pérez-Rodríguez, Manuel M. Piñeiro

专题命中 扩散模型 ：diffusion(abstract)

AI总结 通过分子动力学模拟研究1-5 nm孔宽下甲烷-水体系的结构与动力学，发现其对限域呈非单调依赖，存在特征限域尺度，强限域会抑制三维关联并阻碍成核。

Type I X-Ray Burst Models With Rotation

带自转的I型X射线暴模型

David Martin, Jordi Jose

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文首次揭示自转是塑造快速旋转系统I型X射线暴特性的关键因素，离心力与自转诱导混合机制会改变爆发的复发时间、能量及光变曲线形态，为相关研究提供了新的关键影响因素。

Comments 22 pages, 9 figures, Accepted for publication in The Astrophysical Journal

On the boundaries, asymptotic law and Bernoulli-Doob representation of homogeneous bounded martingales

关于齐次有界鞅的边界、渐近律和伯努利 - 杜布表示

Damiano Brigo, Frédéric Vrins

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究有界状态空间中齐次扩散鞅，建立其与伯努利 - 杜布鞅的等价关系，证明伯努利极限渐近性，阐明相关边界分类等关系，通过\(\Phi\)鞅等进行理论说明及信用风险建模应用。

Origin of the reaction temperature in solid-state materials synthesis

固态材料合成中反应温度的起源

Shibo Tan, Gabrielle E. Kamm, Alex Stangel, Paul Chao, Alexander Mensah, Varun Srinivas Venkatesh, Eymana Maria, Nishkarsh Agarwal, Woohyeon Baek, John Ferrari, Katsuyo Thornton, Ashwin Shahani, Robert Hovden, Karena W. Chapman, Wenhao Sun

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究固态材料合成中反应温度的起源问题，提出在亚稳共晶温度以上形成瞬态液相作为快速扩散介质引发反应的方法，此原理可用于多种复杂材料合成制造。

Comments Uploaded to ArXiv before all revisions received from coauthors

Transport coefficients of strongly interacting quark-gluon plasma including elastic and inelastic scattering within the dynamical quasiparticle model

强相互作用夸克-胶子等离子体在动力学准粒子模型中的输运系数：包括弹性和非弹性散射

Gaia Ingrosso, Olga Soloveva, Ilia Grishmanovskii, Taesoo Song, Elena Bratkovskaya

专题命中 扩散模型 ：diffusion(abstract)

AI总结 在动力学准粒子模型框架下，研究非弹性胶子辐射过程对夸克-胶子等离子体输运系数的影响，发现辐射通道会系统性地降低剪切粘度、体粘度、电导率和重子扩散系数，但降低幅度适中，结果与格点QCD估计一致。

Comments 14 pages, 10 figures

Stable Attention Response for Reliable Precipitation Nowcasting

稳定注意力响应以实现可靠的降水现在预测

Penghui Wen, Zexin Hu, Sen Zhang, Patrick Filippi, Xiaogang Zhu, Allen Benter, Thomas Bishop, Zhiyong Wang, Kun Hu

机构 * School of Computer Science, The University of Sydney（悉尼大学计算机科学学院） ； School of Life and Environmental Science, The University of Sydney（悉尼大学生命与环境科学学院） ； School of Computer Science and Information Technology, The University of Adelaide（阿德莱德大学计算机科学与信息技术学院） ； Digital Agriculture, Orange Agricultural Institute（数字农业，橙色农业研究所） ； School of Science, Edith Cowan University（埃迪斯科文大学科学学院） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出HARECast框架，通过头部注意力响应能量调节提升降水现在预测的稳定性，实验证明其在SEVIR和MeteoNet基准上表现优异。

Active Transport as a Mechanism of Microphase Selection in Biomolecular Condensates

主动运输作为生物分子凝聚体中微相选择的机制

Le Qiao, Peter Gispert, Lukas S. Stelzl, Friederike Schmid

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究提出通过主动运输机制调控生物分子凝聚体大小和组织，揭示运输驱动的长程排斥作用如何控制凝聚体形成，提供了一种可编程的凝聚体组织方法。

Estimating an initial telomere length distribution from the Laplace transform of its senescence times distribution

从衰老时间分布的拉普拉斯变换估计初始端粒长度分布

Jules Olayé

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文改进了之前基于传输方程的端粒长度分布估计方法，通过引入对流-扩散方程考虑随机性，建立拉普拉斯变换间的联系，利用Gaver-Stehfest算法构造新估计器。

Comments First submitted version

Energy-Tweedie: Score meets Score, Energy meets Energy

能量- Tweedie：分数与分数，能量与能量

Andrej Leban

机构 * Department of Statistics, University of Michigan（统计学系，密歇根大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出能量- Tweedie方法，通过推导能量分数与噪声边缘分数的关系，扩展了Tweedie公式，用于改进去噪和分数估计。

Comments 54 pages, 17 figures

Global weak solvability for doubly degenerate nutrient taxis system in physical dimension

双退化营养趋化系统在物理维度下的全局可解性

Bao-Ngoc Tran, Juan Yang

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究双退化营养趋化系统在物理维度下的全局弱可解性，针对不同α值划分三种情况，探讨趋化效应强度对解存在性的影响。

Sample Path Moderate Deviation Principle for Queues with Waiting-time Dependent Interarrival and Service Times

等待时间依赖到达间隔与服务时间的队列的样本路径中偏差原理

Chang Feng, John J. Hasenbein, Guodong Pang

专题命中 扩散模型 ：diffusion(abstract)

AI总结 该研究针对等待时间依赖到达间隔与服务时间的单服务台队列，建立样本路径中偏差原理，明确了两种情形下的速率函数，采用鞅技术完成分析。

Comments 39 pages, 3 figures

Modeling oxygen-void interactions in uranium nitride

氮化铀中氧-空位相互作用的建模

Mohamed AbdulHameed, Anton J. Schneider, Benjamin Beeler, Michael W. D. Cooper

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本研究开发第一性原理模型，揭示氮化铀中氧与空洞、裂变气气泡的相互作用可降低表面能，该效应在小空洞中等温度下最显著，为解释其辐照肿胀行为提供了关键机制。

An Alternative Approach to Functional Linear Partial Quantile Regression

Dengdeng Yu, Matthew Pietrosanu, Ivan Mizera, Bei Jiang, Linglong Kong, Wei Tu

专题命中 扩散模型 ：diffusion(abstract)

Journal ref Statistics in Biosciences, 17, 174-190 (2025)

Contrastive Diffusion Alignment: Learning Structured Latents for Controllable Generation

对比扩散对齐：用于可控生成的结构化潜在学习

Ruchi Sandilya, Sumaira Perez, Charles Lynch, Lindsay Victoria, Benjamin Zebley, Derrick Matthew Buchanan, Mahendra T. Bhati, Nolan Williams, Timothy J. Spellman, Faith M. Gunning, Conor Liston, Logan Grosenick

机构 * Department of Psychiatry, Weill Cornell Medicine, New York, NY, USA（威立·科林斯医学中心精神科） ； Department of Psychiatry, Stanford University, Stanford, CA, USA（斯坦福大学精神科） ； Department of Neuroscience, University of Connecticut School of Medicine, Farmington, CT, USA（康涅狄格大学医学院神经科学系） 纠错

专题命中 可控生成 ：diffusion(title,abstract)

AI总结 ConDA通过对比学习在扩散模型中学习结构化潜在空间，实现可控生成和动态解释。

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

Journal ref Proceedings of the 43rd International Conference on Machine Learning, PMLR 306, 2026