图像生成

Stochastic stability of master--slave synchronization for dissipative PDEs with Burgers-type nonlinearity

具有Burgers型非线性的耗散偏微分方程主从同步的随机稳定性及其在数据同化中的应用

Joaquín Miguez, Inés P. Mariño

专题命中 扩散模型 ：diffusion(abstract)

AI总结 研究具有Burgers型非线性的耗散偏微分方程主从同步的随机稳定性，通过傅里叶截断等方法，先证确定性同步流形局部指数稳定性，再引入噪声分析偏差，得到均方界等结果，还将其用于数据同化并与滤波器比较。

Masked Neural Detection for Run-Length-Limited Channel Coding in Molecular Communication

分子通信中约束信道编码的掩码神经检测

Melih Şahin, Ozgur B. Akan

机构 * Centre for neXt Communications (CXC), Department of Engineering, University of Cambridge（下一代通讯中心（CXC）、工程系、剑桥大学） ； Centre for neXt Communications (CXC), Department of Electrical and Electronics Engineering, Koç University（下一代通讯中心（CXC）、电子与电气工程系、科克大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 针对分子通信中的扩散记忆问题，提出掩码神经检测器，结合RLIM约束码与SBRNN，在多数情况下优于未编码检测，平均增益达10.36倍，并设计RLIM定制训练掩码进一步提升性能。

Comments 5 pages, 2 figures, 3 tables

Null-Space Flow Matching for MIMO Channel Estimation in Latency-Constrained Systems

空域流匹配用于受限延迟系统的MIMO信道估计

Junjie Zhao, Guangming Liang, Xiaonan Liu, Dongzhu Liu

机构 * College of Electronic Information and Optical Engineering（电子信息与光学工程学院） ； University of Glasgow（格拉斯哥大学） ； University of Aberdeen（阿伯丁大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出空域流匹配框架，将受限试点的MIMO信道估计分解为范围空间重建和空域生成问题，通过流匹配生成先验实现高效准确的信道估计，在严格延迟约束下实现优于基模型和生成模型的性能。

Comments 6 pages, 3 figures, 19 references

Non-universality of color transparency onset in pion and kaon electroproduction

介子和kaon颜色透明度的正规范和通道依赖性形成动力学

Byung-Geel Yu, Tae Keun Choi, Kook-Jin Kong

专题命中 扩散模型 ：diffusion(abstract)

AI总结 介子和kaon电产生数据揭示了颜色透明度起始的两个特征：正规范在两种反应中作用不同，且介子透明度由量子扩散模型解释，而kaon数据则显示不同的介子形成动力学。

Comments 5 pages, 1 figure

Mean first passage times of higher-dimensional velocity jump processes

高维速度跳跃过程的首次通过时间

Maria R. D'Orsogna, Alan E. Lindsay, Thomas Hillen

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文研究了高维速度跳跃过程中首次通过时间的计算方法，提出了一种通用框架来估计平均首次通过时间及生存概率的高阶矩，考虑了方向偏倚对高维情况的影响。

Journal ref Phys. Rev. Lett. 136, 247102 2026

Quantum Enhanced Numerical Homogenization

量子增强的数值均质化

Loïc Balazi, Matthias Deiml, Daniel Peterseim

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出一种结合经典粗尺度求解器与量子子程序的数值均质化方法，用于求解具有粗糙系数的标量线性偏微分方程，通过量子局部问题求解器高效捕捉细尺度特征，克服了量子接口的信息瓶颈。

Order Matters in Retrosynthesis: Structure-aware Generation via Reaction-Center-Guided Discrete Flow Matching

retrosynthesis 中的顺序至关重要：通过反应中心引导的离散流匹配实现结构感知生成

Chenguang Wang, Zihan Zhou, Lei Bai, Tianshu Yu

机构 * School of Data Science, The Chinese University of Hong Kong, Shenzhen（数据科学学院，香港中文大学（深圳）） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本研究提出了一种结构感知的模板自由框架，通过反应中心引导的离散流匹配实现高效的 retrosynthesis 生成。

Thermodynamically Consistent Modeling of ATP-Driven Cross-Bridge Dynamics in Muscle Contraction

具有三种状态的热力学一致的跨桥模型用于肌肉收缩

Yiwei Wang, Chun Liu

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出了一种具有三种状态的热力学一致跨桥模型，用于描述肌肉收缩，结合Hill循环和Huxley滑动丝机制，通过能量变分方法统一框架，展示ATP水解对力-速度关系的影响。

Comments 12 pages, 4 figures

Modeling complex motility patterns for autophoretic microswimmers

建模复杂运动模式以实现自催化微游泳器

Anupriya Dutta Roy, Smita S. Sontakke, Arvind Kumar, Ranabir Dey, Anupam Gupta

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本研究提出了一种新的数值框架，用于建模各向同性的自催化微游泳器，通过自生成的化学梯度实现推进，无需施加几何或化学各向异性，有效捕捉非线性输运和多粒子相互作用。

2D to 3D transition in soap films demonstrated by microrheology

V. Prasad, Eric R. Weeks

专题命中 扩散模型 ：diffusion(abstract)

Comments 5 pages, 4 figures, resubmitted to PRL

Journal ref Phys. Rev. Lett. 102, 178302 (2009)

Towards Geometry-Grounded Dense Semantic Matching with VGGT Priors

基于VGGT先验的几何基础密集语义匹配研究

Songlin Yang, Tianyi Wei, Yushi Lan, Zeqi Xiao, Anyi Rao, Xingang Pan

机构 * S-Lab, Nanyang Technological University（南洋理工大学S实验室） ； Visual Geometry Group, University of Oxford（牛津大学视觉几何组） 纠错

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

AI总结 本文针对现有语义匹配方法的几何歧义与最近邻规则局限，采用VGGT先验，通过特征调整、循环训练等策略实现适配，在多方面性能优于基线。

Comments ECCV 2026

SeFaR: Semantic Feature-aware Robustness Testing of Deep Neural Networks

SeFaR：面向深度神经网络的语义特征感知鲁棒性测试

Nusrat Jahan Mozumder, Divya Gopinath, Corina Pasareanu, Matthew Dwyer

机构 * University of Virginia（弗吉尼亚大学） ； KBR Inc.（KBR公司） ； NASA Ames（美国国家航空航天局艾姆斯研究中心） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

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

AI总结 SeFaR是一个以语义特征为核心的视觉模型鲁棒性测试框架，可在保留需求满足性的前提下，生成测试输入以识别影响模型决策的特征，进而发现故障并关联相关特征。

TASE: Truncation-Aware Semantic Embeddings for 3D Scene Understanding and Editing

TASE: 用于3D场景理解与编辑的截断感知语义嵌入

Tim-Felix Faasch, Jochen Kall, Lucas Nunes, Jens Behley, Cyrill Stachniss

机构 * Bosch Research（博世研究院） ； Rheinisch-Westfälische Technische Hochschule Aachen（亚琛工业大学） ； University of Bonn（波恩大学） 纠错

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

AI总结 提出TASE方法，通过将预训练的2D语义特征投影到截断感知嵌入空间，结合尺度和平移等变损失，实现可控的3D场景文本驱动编辑，在大几何修改任务上显著优于现有方法。

Comments Code: https://github.com/boschresearch/TASE

SceneNAT: Masked Generative Modeling for Language-Guided Indoor Scene Synthesis

SceneNAT：基于语言引导的室内场景合成的掩码生成模型

Jeongjun Choi, Yeonsoo Park, H. Jin Kim

机构 * Seoul National University（首尔国立大学） 纠错

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

AI总结 SceneNAT通过掩码非自回归Transformer实现语言引导的室内场景合成，提升性能与效率，同时降低计算成本。

Comments Under review. Project page: https://scenenat.github.io

Low-dimensional structure and online tracking of POD subspaces on the Grassmann manifold: application to flow around an airfoil

Grassmann流形上POD子空间的低维结构与在线跟踪：在翼型绕流中的应用

Shintaro Sato, Yoshitsugu Naka, Rei Sasaki, Rion Handa, Naofumi Ohnishi

专题命中 可控生成 ：diffusion(abstract)

AI总结 该研究将POD子空间视为流动状态，通过扩散映射和Grassmann秩1更新算法，在翼型绕流实验中验证了可在线跟踪其低维演化，为流动状态估计与控制提供基础。

SDDBMs: Soft Denoising Diffusion Bridge Models

SDDBMs：软去噪扩散桥模型

Shiyi Qi, Kun He, Mingmou Liu

机构 * Nanjing University（南京大学） ； Renmin University of China（中国人民大学） 纠错

专题命中 图像修复 ：diffusion(title,abstract)

AI总结 本文提出SDDBMs，一种正则化扩散桥的通用框架，以非退化高斯终端边际替代硬端点约束，涵盖现有多种扩散桥模型，图像修复实验显示其数值稳定性与生成质量更优。

Amulet: Frame Extrapolation Through Sparse Layered Scene Representation and Adaptive Shading

Amulet：基于稀疏分层场景表示与自适应着色的帧外推方法

Sebastian Künzel, Fabian Schmierer, Sergej Geringer, Guido Reina, Daniel Weiskopf, Dieter Schmalstieg

专题命中 图像修复 ：inpainting(abstract)；分类 cs.GR

AI总结 Amulet是一种基于稀疏分层图像空间缓存的非神经帧外推渲染方法，可实现高频帧生成，在4K分辨率下最高达250Hz，性能可与DLSS等最先进方法媲美，能准确处理新露出区域且质量高。

Comments Corresponding Author: Sebastian Künzel

TRACE-GS: On-Policy Trajectory Distillation with Privileged Geometric Conditioning for Sparse-View 3DGS Restoration

TRACE-GS：用于稀疏视图3D高斯溅射（3DGS）恢复的带特权几何条件的在线策略轨迹蒸馏

Linlian Jiang, Yuchen Xi, Sadman Rakib Pinon, Ruigang Yang, Yang Wang, Xinxin Zuo

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

AI总结 TRACE-GS是首个利用训练时的特权几何条件，将扩散先验适配到稀疏视图3DGS恢复的在线策略轨迹蒸馏框架，在各设置下实现了一致性能提升与强泛化性。

Disentanglement of Variations with Multimodal Generative Modeling

Yijie Zhang, Yiyang Shen, Weiran Wang

机构 * Department of Computer Science University of Iowa（计算机科学系 印第安纳大学） 纠错

专题命中 个性化与一致性 ：diffusion(abstract)

Comments 22 pages, 14 figures, 7 tables

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

A Tale of Two Temperatures: Simple, Efficient, and Diverse Sampling from Diffusion Language Models

双温度的故事：从扩散语言模型中实现简单、高效且多样的采样

Theo X. Olausson, Metod Jazbec, Xi Wang, Armando Solar-Lezama, Christian A. Naesseth, Stephan Mandt, Eric Nalisnick

机构 * Massachusetts Institute of Technology（麻省理工学院） ； UvA-Bosch Delta Lab, University of Amsterdam（阿姆斯特丹大学UvA-Bosch Delta实验室） ； Johns Hopkins University（约翰霍普金斯大学） ； University of California, Irvine（加州大学尔湾分校） 纠错

专题命中 效率与蒸馏 ：diffusion(title,abstract)

AI总结 本文提出通过温和的温度化方法提升扩散语言模型采样多样性，实现高效且多样化的样本生成，优于现有方法。

Comments V2: accepted as a full conference paper at COLM

DEFT: Data-Efficient Frequency-domain Top-k Sampling via Inverse Discrete Fourier Transform for Spatiotemporal Dynamical Systems Modeling

DEFT：用于时空动力系统建模的、基于逆离散傅里叶变换的数据高效频域Top-k采样方法

Hengbo Xiao, Jiale Liu, Jiahao Song, Guannan He

机构 * Peking University（北京大学） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 DEFT是一种频域数据采样方法，通过逆离散傅里叶变换生成物理一致的训练数据，可减少数据需求且提升泛化能力，在多个PDE及电池退化系统建模任务中表现优异。

Generator-Guided Inverse Sampling for Lévy-Driven Generative Models

用于Lévy驱动生成模型的生成器引导逆采样

Tianfu Qi, Jun Wang, Jun Zhang

机构 * University of Electronic Science and Technology of China（电子科技大学） ； Hong Kong University of Science and Technology（香港科技大学） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文针对Lévy驱动生成模型的非局域反向过程挑战，提出生成器引导的结构化逆采样器，将动力学分解为三类分量，结合神经网络与解析分布实现高效采样，在OFDM-SISO信道估计中表现出稳健性能与良好权衡。

Efficient, Nonlinear Second Moment Methods for Multigroup Thermal Radiative Transfer

高效非线性二阶矩方法用于多群热辐射传输

Samuel Olivier, James S. Warsa, HyeongKae Park

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出一种高效的非线性加速框架，用于多群热辐射传输，通过高阶离散 ordinates 传输与灰度扩散低阶系统结合，实现稳定求解并提升鲁棒性。