图像生成

Stein's method for the matrix normal distribution

矩阵正态分布的Stein方法

Robert E. Gaunt, Frédéric Ouimet, Donald Richards

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文首次系统发展矩阵分布的Stein方法，通过矩阵Ornstein-Uhlenbeck扩散建立Stein恒等式，给出Stein方程解的半群表示及正则性估计，并应用于矩阵中心极限定理、矩阵T分布近似及协方差估计。

Comments 25 pages, 0 figures

Phase-Randomized Laser Pulse Generation at 10 GHz for Quantum Photonic Applications

10 GHz量子光子应用中的相随机化激光脉冲生成

Yuen San Lo, Adam H. Brzosko, Peter R. Smith, Robert I. Woodward, Davide G. Marangon, James F. Dynes, Sergio Juárez, Taofiq K. Paraïso, R. Mark Stevenson, Andrew J. Shields

专题命中 扩散模型 ：diffusion(abstract)

AI总结 通过结合外部自发辐射源与激光器，实现10 GHz重复率下的相位随机化激光脉冲生成，提升量子通信和随机数生成的应用性能。

Comments Accepted version, published: APL Photonics 11, 086111 (2026) 16 pages, 5 figures

Journal ref APL Photonics 1 August 2026; 11 (8): 086111

RFWM: Physics-Guided World Model for Dynamic Wireless Radiance Field Generation

RFWM：用于生成动态无线辐射场的物理引导世界模型

Zijiu Yang, Qianqian Yang

专题命中 可控生成 ：diffusion(abstract)

AI总结 本研究针对动态未知环境下RF场建模泛化难的问题，提出物理引导的RF世界模型RFWM，采用两阶段训练策略，在新构建的基准上实现了优于现有最优方法的RF场生成性能。

Unwarping the Lens: A Physics-Grounded Approach to Video Glasses Removal

校正镜头：一种基于物理的视频眼镜去除方法

Radim Spetlik, David Futschik, Radek Danecek, Feitong Tan, Ziqian Bai, Rohit Pandey, Yinda Zhang

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

AI总结 提出基于物理的迁移框架，将 Nano Banana 等模型知识迁移至 JFSnet，在 FFHQ 等数据集上实现高保真视频眼镜去除，性能优于扩散与 GAN 基线。

Guaranteed Tensor Recovery Fused Low-rankness and Smoothness

Hailin Wang, Jiangjun Peng, Wenjin Qin, Jianjun Wang, Deyu Meng

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

Journal ref IEEE Transactions on Pattern Analysis and Machine Intelligence 2023

HT-Bench: Benchmarking and Learning Dexterous Full-Hand Tactile Representations with Egocentric Vision

HT-Bench：基于自我中心视觉的灵巧全手触觉表示基准与学习

Yuzhe Huang, Jiaping Wu, Jiaming Jiang, Hezhe Lin, Aikebaier Aierken, Yunlong Wang, Kun Cheng, Wanlin Li, Chenxi Xiao, Ziyuan Jiao, Yuanxin Zhong

机构 * Beihang University（北航） ； Rimbot ； BUPT（北邮） ； ShanghaiTech University（上海科技大学） ； Tsinghua University（清华大学） ； CAS（中国科学院） 纠错

专题命中 图像修复 ：inpainting(abstract)

AI总结 提出HT-Bench多任务基准和HandTouch编码器，通过大规模自我中心视觉与全手触觉数据，在触觉相似性检索、掩码修复、视觉到触觉合成等任务上验证了触觉表示的有效性。

Comments 9pages, 4figures

WithEveryone: Unified Planning and Identity Grounding for Group Image Generation

WithEveryone：面向群体图像生成的统一规划与身份定位

Hengyuan Xu, Qixun Wang, Yiji Cheng, Miles Yang, Zhao Zhong, Wei Cheng, Xingjun Ma, Yu-gang Jiang

机构 * Fudan University（复旦大学） ； Hunyuan, Tencent（腾讯混元） ； The University of Hong Kong（香港大学） 纠错

专题命中 个性化与一致性 ：image generation(title,abstract)；image synthesis(abstract)；分类 cs.CV

AI总结 针对多人物群体图像生成的身份保留难题，提出WithEveryone框架，通过布局定位身份损失等技术，提升了人脸相似度并降低伪影，实现高身份覆盖率与低重复率。

Comments Project Page: doby-xu.github.io/WithEveryone/ ;Code will be released: github.com/Doby-Xu/WithEveryone/

Scale-Separated Conditioning for Style-Encoder-Free Diffusion Stylization

用于无风格编码器的扩散风格化的尺度分离条件设置

Jingtao Zhang, Haorui Gao, Youqing Liang, Zeming Liu

机构 * College of Computing, Georgia Institute of Technology（佐治亚理工学院计算学院） ； Courant Institute of Mathematical Sciences, New York University（纽约大学柯朗数学科学研究所） ； Department of Computer Science, Brown University（布朗大学计算机科学系） 纠错

专题命中 个性化与一致性 ：diffusion(title,abstract)；分类 cs.CV

AI总结 本研究提出无风格编码器的扩散风格化框架SEFS，通过单张图像低分辨率裁剪形成风格令牌，在未配对单张图像上训练，提升艺术风格化的内容一致性等性能，代码将公开。

BeyondMasks: Evaluating Causal and Physical Consistency in Video Object Removal

BeyondMasks：评估视频对象移除中的因果与物理一致性

Yigit Ekin, Enes Sanli, Aykut Erdem, Erkut Erdem, Aysegul Dundar

机构 * Bilkent University（毕尔肯大学） ； Koç University（科克大学） ； Hacettepe University（哈杰泰佩大学） ； KUIS AI Center（KUIS人工智能中心） 纠错

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

AI总结 该研究推出BeyondMasks基准及CORE评估协议，针对现有视频对象移除评估仅关注局部掩码保真度的问题，填补了视觉合理性与因果正确性的差距。

Comments ECCV 2026 Project Page: https://yigitekin.github.io/BeyondMasks/

RoMAN-Flow: Taming Autoregressive Normalizing Flows for Offline Reinforcement Learning in Robotic Manipulation

RoMAN-Flow：驯服自回归归一化流用于机器人操作中的离线强化学习

Shaoxuan Wang, Guangting Zheng, Rui Huang, Zhipeng Tang, Sha Zhang, Jiajun Deng, Yanyong Zhang

专题命中 效率与蒸馏 ：diffusion(abstract)；分类 cs.CV

AI总结 该研究针对机器人操作离线强化学习中AR-NFs采样开销大的问题，提出RoMAN-Flow框架，通过无采样的优势加权似然目标和策略蒸馏方法，在保证性能的同时大幅降低推理延迟。

PETA:Parameter-Efficient Test-Time Adaptation for Virtual Screening

PETA：用于虚拟筛选的参数高效测试时自适应方法

Jia-Qi Lin, Yinghua Yao, Chang-Dong Wang, Yew-Soon Ong, Yuangang Pan

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本研究提出参数高效测试时自适应框架PETA，仅更新预训练虚拟筛选模型约0.03%的LayerNorm参数，在测试时通过构建特定负样本等方式自适应，性能优于预训练及全重训练基线。

Physics-Informed Neural Networks as Fast Surrogate Models for Electrochemical Flow Reactors

用于电化学流动反应器快速替代模型的物理信息神经网络

Eric Fernández-García, Miguel Modestino, Sergio Maldonado

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本研究提出物理信息神经网络（PINN），将其作为电化学流动反应器的快速替代模型，经验证精度高、速度快，为低计算成本的数字孪生建模提供基础。