图像生成

Calibrate What You SHIP: Post-Selection Risk Control for Verifier-Guided Text-to-Image Generation

校准你所发布的内容：验证器引导的文本到图像生成的后选择风险控制

Xuanhua Yin, Shunqi Mao, Wei Guo, Chuanzhi Xu, Weidong Cai

专题命中 文生图 ：text-to-image(title,abstract)；image generation(title)；分类 cs.CV

AI总结 该研究针对验证器引导的文本到图像生成的后选择风险控制问题，提出 SHIP 方法，通过策略级校准降低发布输出风险，在 GenEval2 数据集上使发布风险从 0.310 降至 0.162。

Comments 17 pages, 9 figures, 23 tables

The Plan, Not the Decoder: Diagnosing and Repairing Compositional Failure in Reasoning-Augmented Text-to-Image Generation

计划而非解码器：诊断与修复推理增强型文本到图像生成中的组合式失败

Ashritha Gonuguntla

机构 * Carnegie Mellon University（卡内基梅隆大学） 纠错

专题命中 文生图 ：text-to-image(title,abstract)；image generation(title)；分类 cs.CV

AI总结 该研究针对推理增强型文本到图像生成的组合式失败，发现问题源于规划器而非解码器，通过编辑计划（如重写几何结构）可显著提升生成质量，还发布了相关评估协议及数据。

Comments 15 pages, 7 figures. Accepted at ECCV 2026 (oral)

DefaultShift: Auditing Semantic Default Shift in Accelerated Text-to-Image Models

DefaultShift：审计加速文本到图像模型中的语义默认偏移

Xuanhua Yin, Chuanzhi Xu, Shunqi Mao, Wei Guo, Weidong Cai

专题命中 文生图 ：text-to-image(title,abstract)；分类 cs.CV

AI总结 本研究提出DefaultShift审计方法检测文本到图像模型加速时的语义默认偏移，还提出DefaultShift-Select校准方法降低偏移，提升模型语义保护能力。

Comments 21 pages, 12 figures, 25 tables

GuardPaint:SpeculativeSafetyDecodingforText-to-ImageGeneration

GuardPaint：文本到图像生成的推测性安全解码

Shreyash Dhoot, Paras Dhiman, Arsh Abbas Naqvi, Aranbi Dutta, Aman Chadha, Vinija Jain, Amitava Das

专题命中 文生图 ：text-to-image(abstract)；diffusion(abstract)；inpainting(abstract)；分类 cs.CV

AI总结 GuardPaint是一种无需修改基础模型的文本到图像生成安全防护框架，可在扩散轨迹内干预，通过轻量级审计器定位并修复不安全区域，在多类越狱提示词和主流T2I模型上显著降低有害内容生成且对图像质量影响极小。

Can We Perform Online RL for Image Editing without Editing Rewards?

我们能否在无编辑奖励的情况下进行图像编辑的在线强化学习？

Qichao Ma, Jikang Cheng, Ling Liang, Zhaofei Yu, Tiejun Huang, Renye Yan

专题命中 图像编辑 ：image editing(title,abstract)；text-to-image(abstract)；分类 cs.CV

AI总结 本文提出Lever-Edit框架，将文本到图像（T2I）奖励生态系统迁移至图像编辑，在无编辑奖励的情况下优化编辑策略，实验效果优于直观迁移基线且接近基于编辑奖励的微调。

When the Edit Changes the Patient: Measuring Identity Preservation in Counterfactual Retinal Images

当编辑改变患者时：在反事实视网膜图像中测量身份保留情况

Andrea Posada, Wenke Karbole, Bach Ngoc Doan, Alexander Weers, Solmaz Abdolrahimzadeh, Maria Patsiamanidi, Kahkashan Haider, Vaishali Khare, Daniel Rueckert, Andrew Lotery, Sobha Sivaprasad, Martin J. Menten

机构 * Technical University of Munich（慕尼黑工业大学） ； TUM University Hospital（慕尼黑工业大学医院） ； Munich Center of Machine Learning (MCML)（慕尼黑机器学习中心） ； Munich Data Science Institute (MDSI)（慕尼黑数据科学研究所） ； Sapienza University of Rome（罗马第一大学） ； Faculty of Medicine, University of Southampton（南安普顿大学医学院） ； Moorfields Eye Hospital NHS Foundation Trust（摩尔菲尔兹眼科医院NHS信托基金） ； Imperial College London（伦敦帝国学院） 纠错

专题命中 图像编辑 ：image generation(abstract)；image editing(abstract)；分类 cs.CV

AI总结 本研究针对视网膜OCT图像，用裁判分类器等方法对比三类文本条件编辑方法的身份保留效果，发现配对训练法身份保留最佳，建议未来医学反事实生成需明确报告身份保留情况。

SpatialDiff: 3D-Aware Object Movement via Implicit Spatial Modeling

SpatialDiff：基于隐式空间建模的三维感知物体运动

Zheng Liu, Zijian He, Huiguo He, Weizhi Zhong, Yejun Tang, Huan Yang, Kun Gai, Guanbin Li

机构 * Sun Yat-sen University（中山大学） ； South China University of Technology（华南理工大学） ； Kuaishou Technology（快手科技） ； Shenzhen Loop Area Institute（深圳河套学院） 纠错

专题命中 图像编辑 ：image editing(abstract)；分类 cs.CV

AI总结 SpatialDiff通过隐式三维空间建模和全局空间监督，解决了现有图像编辑方法难以处理复杂场景中物体空间运动的问题，提升了空间运动的准确性与保真度。

Comments Accepted by CVPR2026

Training-Free Pseudo-Fusion for Composed Image Retrieval with Diffusion Models and Multimodal Large Language Models

无需训练的伪融合：基于扩散模型和多模态大语言模型的组合图像检索

Fan Xu, Luis A. Leiva

机构 * University of Luxembourg（卢森堡大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)；text-to-image(abstract)；分类 cs.CV

AI总结 本文提出无需训练的PeFuse伪融合框架，结合扩散模型与多模态大语言模型，将组合图像检索转化为单模态检索任务，在零样本场景下实现了媲美当前最优方法的性能。

GAN-Diff: Coupling Pretrained WGAN-GP Features with Conditional Diffusion U-Nets

GAN-Diff：耦合预训练WGAN-GP特征与条件扩散U-Net

Saif Ahmed, Ashadulla Hil Galib, S.M. Riaz Rahman Antu, Ahmed Faizul Haque Dhrubo, Souvik Pramanik, Mohammad Abdul Qayum, Mohsin Sajjad, Mohammad Ashrafuzzaman Khan

机构 * North South University（北南大学） 纠错

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

AI总结 本文提出GAN-Diff框架，将预训练WGAN-GP特征作为先验耦合到条件扩散U-Net，在CelebA数据集的高斯去噪和2倍超分辨率任务上，分别提升PSNR达4.40 dB和3.70 dB，实现稳定高效的图像复原。

Comments 7 pages, 10 figures, 4 tables

Pixel-Space Diffusion via Observation Operators

基于观测算子的像素空间扩散模型

Shaojie Guo, Lichen Ma, Haoyang Tong, Yu He, Zipeng Guo, Xiaoan Liu, Feng Yan, Yu Guo, Fei Wang, Junshi Huang, Yan Wang

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

AI总结 针对像素空间扩散模型的尺度-时间不匹配问题，提出观测算子扩散框架，采用时变观测轨迹与GL-CoDA解码器，在ImageNet-256上FID达1.52，收敛更快且生成质量提升。

ChebBooster: A Training-Free Approach for Efficient Diffusion Transformer Inference via Chebyshev-Inspired Extrapolation

ChebBooster：一种基于切比雪夫启发式外推的无训练高效扩散Transformer推理方法

Chengjie Lu, Tianchi Deng, Zhengqi He, Chengwen Luo, Xueliang Li

机构 * College of Electronics and Information Engineering, Shenzhen University（深圳大学电子与信息工程学院） ； School of Artificial Intelligence, Shenzhen University（深圳大学人工智能学院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)；image generation(abstract)

AI总结 本文提出无训练外推框架ChebBooster，基于切比雪夫多项式理论解耦为离线预计算与轻量在线阶段，在三种DiT模型上实现最高3.68倍延迟加速，优于现有无训练基线。

Accelerating Diffusion Language Models via Structured Suffix Modeling

通过结构化后缀建模加速扩散语言模型

Zifeng Cheng, Keda Li, Zhiwei Jiang, Cong Wang, Fei Shen, Qing Gu

机构 * State Key Laboratory for Novel Software Technology, Nanjing University（南京大学计算机软件新技术国家重点实验室） ； National University of Singapore（新加坡国立大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 该研究针对扩散语言模型（DLM）并行解码的高计算开销问题，提出结构化后缀建模方法，将后缀分区域处理并融入前一步解码信息，无需训练且可与其他加速技术结合，能进一步加速DLM推理并提升性能，长序列场景下最高可实现72.81倍加速。

GET: Generative Embedding Translation for Medical Image Segmentation

GET：用于医学图像分割的生成式嵌入翻译

Md Maklachur Rahman, Md Hasan Al Banna, Saraf Anjum, Mahmudul Hasan, Tracy Hammond

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

AI总结 该研究提出GET框架，基于Stable Diffusion VAE的冻结潜在空间实现医学图像分割，在多数据集上优于各类基线，参数更少且域偏移下性能提升显著。

Comments Accepted at ECCV 2026 - BioImage Computing Workshop

FlowSep 2: Self-Supervised Flow Matching for Language-Queried Audio Source Separation

FlowSep 2：用于语言查询音频源分离的自监督流匹配方法

Yi Yuan, Xubo Liu, Haohe Liu, Xiyuan Kang, Mark D. Plumbley, Wenwu Wang

机构 * School of Computer Science and Electronic Engineering, University of Surrey（萨里大学计算机科学与电子工程学院） ； Meta Superintelligence Labs（元宇宙超级智能实验室） ； Department of Informatics, King’s College London（伦敦国王学院信息学系） 纠错

专题命中 扩散模型 ：diffusion(summary_cn,abstract)

AI总结 本研究提出FlowSep2，一种结合Self-Flow与Diffusion Transformer的文本条件流匹配生成模型，用于语言查询音频源分离，在多个基准上达到SOTA性能，可有效分离重叠声源。

Comments Submission to IEEE/ACM Transactions on Audio, Speech, and Language Processing

Image-Conditioned Diffusion Models for Quality Assurance of Organ-at-Risk Segmentations in Radiotherapy

用于放疗中危及器官分割质量保证的图像条件扩散模型

Clea Dronne, Catharine H Clark, Xavier Loizeau, Elizabeth Miles, Peter Hoskin, Jamie R McClelland

机构 * UCL Hawkes Institute（UCL霍克斯研究所） ； University College London（伦敦大学学院） ； National Physical Laboratory（英国国家物理实验室） ； University College London Hospital（伦敦大学学院医院） ； National Radiotherapy Trials Quality Assurance Group（国家放射治疗试验质量保证组） ； Mount Vernon Hospital（芒特弗农医院） ； University of Manchester（曼彻斯特大学） 纠错

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

AI总结 该研究针对放疗中危及器官分割审阅耗时主观的问题，对比VAE框架与图像条件分割扩散模型，发现后者能更一致地定位细微边界错误，为分割质量保证提供了有前景的框架。

Comments Submitted to the MICCAI 2026 UNSURE Workshop

Controllable blind deblurring with diffusion models

基于扩散模型的可控盲去模糊

Imane Si Salah, Emile Cribelier, Thomas Veit, Wolf Hauser, Arthur Leclaire

机构 * DxO Labs ； LTCI, Télécom Paris, IP Paris（LTCI，巴黎电信学院，巴黎理工大学） 纠错

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

AI总结 提出基于扩散模型的SuperSharpen盲去模糊方法，通过模糊度量可控调整复原强度，经实验验证其在合成与真实模糊上的感知质量及可控性优于对比策略

Comments 6 pages, 5 figures, 1 table. Accepted to IEEE ICIP 2026

Grounding Free-Form Instructions for Fashion Complementary Image Generation

基于自由形式指令的时尚互补图像生成的接地

Matteo Attimonelli, Claudio Pomo, Alessandro De Bellis, Danilo Danese, Dietmar Jannach, Tommaso Di Noia

机构 * Politecnico di Bari（巴里理工大学） ； Sapienza University of Rome（罗马大学） ； University of Klagenfurt（克拉根福大学） 纠错

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

AI总结 针对现有时尚互补图像生成基准的缺陷，该研究提出基于自由形式指令的新设置，用StyleFlow模型实现该任务，其生成的服装符合指令且风格连贯，同时降低了架构复杂度和推理成本。

Spatiotemporally Decoupled Autoregressive Diffusion Model for Human Motion Generation

用于人体动作生成的时空解耦自回归扩散模型

Chengqun Yang, Liang Xu, Yanping Li, Fulong Liu, Jingnan Gao, Weili Zeng, Yichao Yan

机构 * AI Institute, Shanghai Jiao Tong University（上海交通大学AI学院） 纠错

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

AI总结 本文提出名为DeMoDiff的时空解耦框架，通过针对每个身体关节编码的时空VAE与融入时空掩码和注意力的自回归扩散生成器，在HumanML3D和KIT-ML数据集上取得最优重构性能与动作生成效果，且具备强时空编辑能力。

Comments Accepted by ICME 2026

Toward a Foundation Plug-and-Play Prior for Computed Tomography Reconstruction via a Multimodal Diffusion Model

面向计算机断层扫描重建的即插即用基础先验：基于多模态扩散模型

Haley Duba-Sullivan, Patxi Fernandez-Zelaia, Obaidullah Rahman, Amirkoushyar Ziabari

机构 * Oak Ridge National Laboratory（橡树岭国家实验室） 纠错

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

AI总结 该研究探究用跨多成像域训练的单一多模态扩散模型作为CT重建的通用先验，在三类不同CT数据集上验证其性能优于解析重建，为异构CT重建提供可复用基础先验。

AnaDiffusion: Anatomically CompositionalLatent Diffusion for Controllable 3D Brain MRI Generation

AnaDiffusion：用于可控3D脑部MRI生成的解剖学组成式潜在扩散模型

Huiwen Han, Lulin Liu, Bangya Liu, Yuanhao Cai, Nuo Chen, Xiaoqing Wang, Ziqian Xie, Chenyu You, Shuiwang Ji, Degui Zhi, Zhiwen Fan

机构 * Stanford University（斯坦福大学） ； Texas A&M University（德克萨斯农工大学） ； University of Minnesota（明尼苏达大学） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； Johns Hopkins University（约翰霍普金斯大学） ； UTHealth Houston（休斯顿健康科学中心） ； Stony Brook University（纽约州立大学石溪分校） 纠错

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

AI总结 AnaDiffusion是一种解剖学组成式潜在扩散框架，通过分解3D脑部MRI生成为解剖区域并组装细化，在ADNI测试集上实现低FID与高Cohen's d值，支持无需密集分割图的可控部分编辑。

Improved denoising diffusion probabilistic models with efficient non-diagonal covariance modeling

结合高效非对角协方差建模的改进去噪扩散概率模型

Rui Xia, Ayan Das, Artem Artemev, Andi Zhang, Guillaume Hennequin, Alberto Bernacchia

机构 * University of Cambridge（剑桥大学） ； MediaTek Research（联发科研究院） ； University of Warwick（华威大学） 纠错

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

AI总结 本文提出K-DCT协方差模型改进DDPM，降低计算复杂度，在少采样步数下于多数据集上实现优于现有SOTA的采样性能。

Comments 29 pages, 11 figures

GaussVid: Sparse-View Gaussian Splatting with 3D-Aware Video Diffusion Priors

GaussVid：结合3D感知视频扩散先验的稀疏视图高斯溅射

Xinhui Liu, Can Wang, Wei Jiang, Wei Wang, Dong Xu

机构 * The University of Hong Kong（香港大学） ； School of Computing and Data Science, The University of Hong Kong（香港大学计算与数据科学学院） ； Futurewei Technologies Inc（华为主流技术公司） 纠错

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

AI总结 本研究提出结合3D感知视频扩散先验的GaussVid框架，构建3DGS视频数据集并引入相机条件几何先验，提升稀疏视图3DGS重建的像素、结构保真度与多视图一致性。

StereoDiffuer: Diffusion-based Progressive Geometry Modeling with Saliency Attention Perception for Stereo Matching

StereoDiffuer：基于扩散的显著性注意力感知渐进几何建模的立体匹配方法

Bohan Li

机构 * Shanghai Jiaotong University（上海交通大学） ； Ningbo Institute of Digital Twin, Eastern Institute of Technology（宁波东方理工大学数字孪生研究院） 纠错

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

AI总结 针对现有立体匹配方法难以保留细粒度几何细节的问题，提出基于扩散的StereoDiffuer框架，通过显著性注意力感知模块提取几何线索，结合迭代去噪扩散过程优化视差，在Scene Flow与KITTI基准上表现具竞争力。

Comments 17 pages, 9 figures, and 11 tables. Accepted by Signal Processing: Image Communication

One Inverse Step is a Convex Program: Bayes-Limit Calibration of Diffusion Inversion

一步逆过程是凸规划：扩散逆过程的贝叶斯极限校准

Gordei Verbii

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 该研究提出扩散逆过程的一步隐式DDIM步骤对应贝叶斯极限下的凸规划，分析了其解的唯一性、求解器稳定性及几何收敛域，发现训练扩散模型的分数函数违反了相关协方差上限，揭示了模型的固有局限性。

Comments Revised follow-up of "Extracting Local Manifold Geometry from Pretrained Diffusion Models in One Inverse Step" (ICML 2026 Workshop SPIGM)

Arbitrage-Aware Multi-Step Forecasting of Implied Volatility Surfaces: Modelling Surface Trajectories Using Latent Diffusion

考虑套利的隐含波动率曲面多步预测：使用潜在扩散模型对曲面轨迹进行建模

Dominik Manuel Buchegger, Lukas Gonon

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对隐含波动率曲面的多步预测问题，提出条件潜在扩散框架，结合考虑套利的自编码器与扩散模型，在SPX数据集上生成逼真多步场景且点预测性能优于持续性基准。

Adaptive Item-based Collaborative Structures via Noise Rescheduling in Diffusion for Generative Recommendation

基于扩散模型中噪声重调度的自适应基于物品的协同结构用于生成式推荐

Jiaqi Wang, Tianying Liu, Heng Chang, Jihong Guan, Wengen Li, Shuigeng Zhou

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对现有生成式推荐模型未整合物品协同信息的缺陷，提出 ANR-DiffRec 框架，通过引入物品共现矩阵与自适应噪声重调度机制，在多基准测试中优于现有最优模型。

SelFusion: Self-distillation for Diffusion Language Models

SelFusion：面向扩散语言模型的自蒸馏方法

Hyeongsoo Lim, Jinyoung Kim, Eunseo Seo, Minho Jang, Jiwon Yoon

机构 * Chung-Ang University（中央大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文针对扩散语言模型（DLM）生成质量差的问题，提出无需外部教师模型的自蒸馏框架SelFusion，通过双向蒸馏两种掩码模式实现性能提升，在指令跟随任务中效果优于传统知识蒸馏方法。

Comments Published as a main conference paper at ACL 2026

DIME: Query-Efficient Framework for Membership Inference on Diffusion Models

DIME：针对扩散模型的查询高效成员推断框架

Tue Do, Daniel Alabi

机构 * University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本研究提出理论依据充分、查询高效的DIME框架，可针对扩散模型开展成员推断攻击，在多数据集上的性能优于现有攻击，还提出并评估了对应防御措施。

Change Detection in Probability Flow ODE: Online Testing in Diffusion Latent Spaces

概率流常微分方程中的变化检测：扩散潜在空间中的在线测试

Artem Kraevskiy, Artem Prokhorov

机构 * National Research University Higher School of Economics（国立研究型大学高等经济学院） ； The University of Sydney Business School（悉尼大学商学院） ； CIREQ（蒙特利尔数量经济学研究中心） ； CEBDA（应用经济学与数据分析研究中心） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 该研究针对序列数据分布偏移检测难题，提出基于概率流常微分方程与最大均值差异的在线检测方法，可检测任意分布偏移且无需参数假设。

CAI-DLLM: Convergence Aware Inference for Diffusion Language Models

CAI-DLLM：面向扩散语言模型的感知收敛推理

Farhana Amin, Sabiha Afroz, Dimitrios S. Nikolopoulos

机构 * Virginia Tech（弗吉尼亚理工大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 CAI-DLLM 是一种无需训练的扩散语言模型推理方法，通过利用第一步置信度调整解码策略，在多类任务上实现显著推理加速，同时保持较高准确率并降低能耗。