图像生成

When Composition Doesn't Add Up: Humans Identifying Defects in AI-Generated Images

当组合失效时：人类识别AI生成图像中的缺陷

Ruoqi Hu, Chulin Zhao, Jiashuo Chang, Ramon Ruiz-Dolz, Hanhe Lin

机构 * Dundee International Institute of Central South University（中南大学邓迪国际学院） ； Central South University（中南大学） ； Faculty of Science, Engineering and Business, University of Dundee（邓迪大学科学、工程与商学院） ； University of Dundee（邓迪大学） 纠错

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

AI总结 本文探究人类识别T2I模型生成图像组合缺陷的方法，构建CO-AID数据集，训练深度模型可预测并优化AI图像生成，验证了其可用性与有效性。

Comments 6 pages, accepted at IEEE MMSP 2026

CRESSim-Neo: A Batched GPU Simulation Engine for Surgical Robotics and Robot Learning

CRESSim-Neo：面向外科机器人与机器人学习的批量GPU仿真引擎

Yafei Ou, Ahnaf Naheen, Tleukhan Mussin, Hans Jarales, Melwin Moncy, Mahdi Tavakoli

机构 * University of Alberta（阿尔伯塔大学） 纠错

专题命中 文生图 ：image synthesis(abstract)

AI总结 本文推出CRESSim-Neo，一款面向外科机器人与机器人学习的批量GPU仿真引擎，支持多类外科相关仿真任务，在RTX 4090上实现高并行环境步性能，为相关研究提供统一可扩展平台。

Comments 8 pages, 11 figures

RefVideo-6M: A Reliable Reference-Based Dataset for Instructional Video Editing

RefVideo-6M：一个用于教学视频编辑的可靠基于参考的数据集

Bojia Zi, Xiaoyan Yang, Yu Zhou, Ruijie Sun, Lihan Zhang, Bin Liang, Kam-Fai Wong, Haibin Huang, Chi Zhang, Xuelong Li

机构 * Institute of Artificial Intelligence, China Telecom (TeleAI)（中国电信人工智能研究院（TeleAI）） ； The Chinese University of Hong Kong (CUHK)（香港中文大学） ； Sun Yat-sen University（中山大学） ； Fudan University（复旦大学） ； Tsinghua University（清华大学） 纠错

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

AI总结 本文针对现有视频编辑数据集的局限，构建含600万样本的RefVideo-6M参考引导编辑数据集，训练Ref-MoT模型，实验证明其监督更可靠，可提升编辑模型的视觉质量、可控性与参考一致性。

APT: Accelerating Diffusion Transformers via Attention Probability-Guided Pruning and Quantization

APT：基于注意力概率引导剪枝与量化的扩散Transformer加速方案

Sungyeob Yoo, Seeyeon Kim, Joonyong Park, Seunghee Han, Joo-Young Kim

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出软硬件协同设计的APT加速器，通过APDT与TAFA优化DiTs的自注意力计算，在多款SOTA DiT模型上实现显著加速与能效提升。

Comments 9 pages, 17 figures, 3 tables. Accepted to the IEEE/ACM International Conference on Computer-Aided Design (ICCAD 2026)

Uncertainty-Guided Latent Diffusion Models for Faithful Super Resolution

用于忠实超分辨率的不确定性引导潜在扩散模型

Ren Wang, Yung-Yu Chuang

机构 * National Taiwan University（国立台湾大学） ； NTU AI-CoRE（台大AI核心研究中心） 纠错

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

AI总结 针对单图像超分辨率的感知-失真权衡问题，提出新型UGDiff不确定性引导潜在扩散模型，通过结合重建不确定性与扩散采样器后验方差引导采样，实现更优的感知-失真平衡，性能优于现有同类方法。

Comments ICIP 2026

Unsupervised Anatomical Feature Learning via Diffusion Models: Enhanced Medical Image Segmentation with Denoising Diffusion Probabilistic Models

基于扩散模型的无监督解剖特征学习：用去噪扩散概率模型增强医学图像分割

Akshat G, Divyansh Gupta, Shaleen Bhatnagar, Shilpa Ankalaki, Tusar Kanti Mishra

机构 * Manipal Institute of Technology Bengaluru, Manipal Academy of Higher Education（马尼帕尔理工学院班加罗尔分校，马尼帕尔高等教育学院） 纠错

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

AI总结 该研究提出用无监督DDPM预训练提取解剖特征，将编码器权重迁移至U-Net实现医学图像分割，在BTCV数据集上显著提升多器官分割性能，低数据场景下仍保持稳健表现。

Comments 15 pages, 5 figures. Submitted for peer review

Deep Learning Segmentation of Diffusion-Weighted MRI Acute Ischaemic Stroke: A Pragmatic Evaluation Across Three Datasets

扩散加权MRI急性缺血性脑卒中的深度学习分割：跨三个数据集的实用评估

Atle Bjørnerud, Till Schellhorn, Thor H. Skattør, Terje Nome, Jon André Ottesen, Anne Hege Aamodt, Bradley J MacIntosh

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

AI总结 本研究训练nnU-Net模型，对比不同输入配置与架构，发现仅用DWI训练的基线nnU-Net可快速准确分割急性缺血性脑卒中病灶，性能优于DeepISLES，或可支持临床工作。

Comments 19 pages, 8 figure and 4 tables

Diffusion Transformers for Roof Graph Synthesis and Reconstruction

用于屋顶图合成与重建的扩散Transformer

Daniel Panangian, Ksenia Bittner

机构 * The Remote Sensing Technology Institute（遥感技术研究所） ； German Aerospace Center (DLR)（德国航空航天中心） 纠错

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

AI总结 提出RoofDiT框架，以扩散Transformer和边预测模块为核心，结合几何感知注意力与多条件信号，在屋顶图合成与重建任务中取得优于基线的性能。

Comments Pre-review manuscript. Accepted at the ICPR 2026 Workshop on Pattern Recognition in Remote Sensing (PRRS)

Precipitation Downscaling Using Foundation Model-Conditioned Diffusion

基于基础模型条件扩散的降水降尺度方法

Victor Nascimento Ribeiro, Jorge Guevara, Jorge Sebastian Moraga, Chris Lucas, Natalie Lord, Andrew Taylor, Edward Lockhart, Will Trojak, Johannes Schmude, Anne Jones

机构 * IBM Research（IBM研究院） ； Fathom ； STFC Hartree Centre（STFC哈特雷中心） 纠错

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

AI总结 该研究针对降水降尺度问题，探究三种扩散模型条件策略，发现交叉注意力条件优于通道拼接，且Prithvi WxC基础模型在数据有限场景下性能良好。

Joint Initialization of Flux Networks and Effective Multiplication Factor for Physics-Informed Neural Networks Solving Neutron Diffusion Problems

求解中子扩散问题的物理信息神经网络的通量网络与有效倍增因子的联合初始化

Qin Hang, Yangdi Yi, Jiayi Li, Xu Wang, Heng Zhang

机构 * School of Computer Science and Technology, Chongqing University of Posts and Telecommunications（重庆邮电大学计算机科学与技术学院） ； Center for Scientific Intelligence Innovation, University of Science and Technology of China（中国科学技术大学科学智能创新中心） ； Institute of Advanced Technology, University of Science and Technology of China（中国科学技术大学先进技术研究院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对PINNs求解中子扩散K本征值问题效率不足的问题，提出JI-PINN方法，通过联合初始化通量网络参数与keff，在多测试案例上实现计算时间显著减少且精度相当。

DCGC: Draft-Conditioned Global Correction for Complex Reasoning with Masked Diffusion Models

DCGC：基于草稿条件的全局修正，用于带掩码扩散模型的复杂推理

Minhae Oh, Nakyung Lee, Jungwoo Lee

机构 * Seoul National University（首尔大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 DCGC是结合SFT与动态双CFG机制的MDM框架，用于修正LLMs推理错误，在多推理基准中优于现有方法，可作为无验证器的全局修正模块。

Comments 21 pages, 3 figures, 12 tables

Prefix-Denoising Consistency: Test-Time Verification for Diffusion Language Models

前缀去噪一致性：扩散语言模型的测试时验证方法

Yuki Ichihara, Naoto Iwase, Mohammad Atif Quamar, Junpei Komiyama

机构 * MBZUAI（穆罕默德·本·扎耶德人工智能大学） ； Nagoya University（名古屋大学） ； RIKEN AIP（理化学研究所人工智能项目） 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提出测试时自验证方法PDC，通过前缀条件再生的轨迹稳定性差异修正初始生成样本，在两类推理基准中提升性能且具鲁棒性。

On the hedging problem in general 1D diffusion markets

一般一维扩散市场中的对冲问题

Alexis Anagnostakis, David Criens, Mikhail Urusov

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对一般一维扩散市场的欧式或有债权，提出基于PDE的自融资对冲策略，推导最小对冲资本的充要条件，通过数值实验验证方法的有效性与局限性。

The high dimensional monostable reaction-diffusion equation with free boundary and radial symmetry

具自由边界与径向对称性的高维单稳反应-扩散方程

Hongkai Cao, Jingyi Cui, Chengzhe Tang, Xiaoyan Zhang

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文研究具自由边界的高维径向对称单稳反应-扩散方程，建立含扩散、过渡、消失的三分法，证明扩散情形解收敛并揭示对数偏移，关联对应 Cauchy 问题的扩散行为。

Physics-Guided Generative Surrogates for Parametric Rarefied Flows with Neural-Field Auto-Decoders: A Pipeline-Level Study of Flow Matching and Diffusion

基于神经场自动解码器的参数化稀薄流动的物理引导生成代理：流匹配与扩散的管道级研究

Yiming Qi, Guan Zhang, Xu Wang, Yonghao Zhang, Tianbai Xiao

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 该研究提出一种物理引导的条件隐式生成框架，以神经场自动解码器为核心，通过流匹配与扩散技术实现参数化稀薄流动的高效代理建模，在稳态基准测试中表现出高精度，且具备向多值或随机解扩展的潜力。

Torsion balances as operational probes of semiclassical gravity: Matched-filter bounds, torque-diffusion constraints, and quantum-noise benchmarks

扭秤作为半经典引力的运作探针：匹配滤波界限、扭矩扩散约束与量子噪声基准

Jyotirmaya Mohanta, Yutaka Shikano

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 该研究以扭秤为探针，推导了半经典引力的匹配滤波界限、扭矩扩散约束等，通过室温卡文迪什基准及 Yan 等人的实验数据给出相关噪声与系数的保守界限，搭建了扭秤数据与半经典引力搜索的连接接口。

Comments 16 pages, 2 figures

Battery Recycling: Mechanistic Modelling of LiCoO$_2$ Leaching with Coupled Diffusion-Reaction Kinetics and Film Passivation

电池回收：耦合扩散-反应动力学与薄膜钝化的LiCoO₂浸出机理建模

Uddipta Sarma, Ganesh Madabattula

专题命中 扩散模型 ：diffusion(title)

AI总结 本研究开发了耦合扩散-反应动力学与薄膜钝化的LiCoO₂浸出机理模型，经多组酸与H₂O₂浓度实验验证，可用于电池回收的锂钴浸出过程，且可扩展至其他相关体系。

Comments 45 pages

FlashNormal: Detailed Surface Normal Estimation from Flash and No-Flash Images

FlashNormal：基于闪光与非闪光图像的详细表面法向量估计

Ruiyang Chen, Feiran Li, Heng Guo, Zhanyu Ma

机构 * Beijing University of Posts and Telecommunications (BUPT)（北京邮电大学） 纠错

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

AI总结 针对现有单图像法向量估计的细节恢复不足与模糊性问题，提出基于扩散模型的FlashNormal，利用闪光图像对的阴影变化与曲率引导增强，结合新数据集EvalFlash，实现法向量估计性能提升。

Comments (c) 2026 IEEE. Personal use of this material is permitted. Permission from IEEE must be obtained for all other uses, in any current or future media, including reprinting/republishing this material for advertising or promotional purposes, creating new collective works, for resale or redistribution to servers or lists, or reuse of any copyrighted component of this work in other works

VISTA: Visually Inferred Spatial ConTact Attention for Contact-Rich Manipulation

VISTA：用于接触丰富操作的视觉推断空间接触注意力机制

Jiayi Chen, Wenlong Dong, Yan Huang, Xianglin Chen, Zijian Lin, Jiaqi Yin, Yushan Liu, Wenbo Ding

机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Southern University of Science and Technology（南方科技大学） ； School of Future Technology, Harbin Institute of Technology（哈尔滨工业大学未来技术学院） 纠错

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

AI总结 针对接触丰富操作的视觉反馈不足问题，提出基于VDF的VISTA-Policy，通过整合物理感知编码引擎等模块，在多任务上优于纯视觉与触觉基准，具分布外泛化及抗干扰能力。

DEFUSE: Generalizable Backdoor Defense for Self-Supervised Encoders with Generative Priors

DEFUSE：面向带生成先验的自监督编码器的可泛化后门防御方法

Tuo Chen, Jie Gui, Minjing Dong, Lanting Fang, Ju Jia, Benlei Cui, Jian Liu

机构 * Ant Group（蚂蚁集团） ； Purple Mountain Laboratories（紫金山实验室） ； City University of Hong Kong（香港城市大学） ； Beijing Institute of Technology（北京理工大学） ； Alibaba Group（阿里巴巴集团） 纠错

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

AI总结 本文提出DEFUSE，一种基于条件扩散生成模型的可泛化后门检测框架，用于防御自监督学习编码器的后门攻击，实验表明其性能优于现有方法且泛化性更强。

Comments Accepted at ACM Multimedia 2026

Security-Aware Pinching-Antenna Systems (PASS): Physical-Layer Security Transmission

感知安全的捏天线系统（PASS）：物理层安全传输

Zhaoming Hu, Xiaochen Nie, Ruikang Zhong, Haochen Li, Dengao Li, Xidong Mu

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文针对捏天线系统（PASS）的异构安全多用户传输问题，建立含三类安全模式的统一传输框架，开发HSPPO与MRHA-DPO两种学习控制器，实现兼顾效率与能力的物理层安全传输。

Comments 13 pages, 7 figures

Fast Generative Grasping via Lie Group-Constrained MeanFlow

基于李群约束MeanFlow的快速生成式抓取

S. Talha Bukhari, Yi Wei, Ruiqi Ni, Zachary Kingston, Aniket Bera

机构 * Purdue University（普渡大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 该研究提出基于李群约束MeanFlow的快速生成式抓取方法，可在≤5次网络评估内采样可靠抓取，在ACRONYM数据集上性能与SOTA模型相当，推理延迟达毫秒级，且无需额外训练即可迁移到真实机器人抓取。

Non-Great-Power Conflict and AI Risk

非大国冲突与AI风险

Kristina Kempkey, Seán Boddy, Catherine Ge-Wang

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文聚焦非大国冲突（NGPC）与AI风险，评估其作为灾难性风险来源的重要性，发现NGPC对大国冲突、灾难性恐怖主义的影响相关原假设不成立，提出需重点研究信息环境质量等五个中间变量。

Bayesian Flow Networks for Offline Trajectory Planning

用于离线轨迹规划的贝叶斯流网络

Ludvig Killingberg, Helge Langseth

机构 * Norwegian University of Science and Technology（挪威科技大学） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 该研究提出基于贝叶斯流网络（BFNs）的BFN-RL框架，可在单一概率公式内建模离散与连续轨迹空间，经实验验证其能在两类状态空间生成有效轨迹，为离线轨迹规划提供通用生成基础。

Tabular Foundation Models for Multi-View Information Cascade Popularity Prediction

面向多视图信息级联流行度预测的表格基础模型

Wenting Zhu, Chenghua Gong, Sanchuan Guo, Chaozhuo Li, Yueyue Zhang, Xi Zhang

专题命中 扩散模型 ：diffusion(abstract)

AI总结 该研究针对信息级联流行度预测的现有局限，提出双分支设计的TFM4POP框架，结合表格基础模型与神经ODE编码器，通过参数高效微调实现多视图建模，在多数据集上优于现有方法。

Block preconditioning for all-at-once variable-coefficient fractional evolution equations via the GLT analysis

基于GLT分析的全变量系数分数阶演化方程的块预处理方法

Muhammad Faisal Khan, Stefano Serra-Capizzano

专题命中 扩散模型 ：diffusion(abstract)

AI总结 针对带弱奇异时间核与空间变扩散系数的非局部演化偏微分方程，基于GLT理论开发块下三角预处理策略，结合GMRES求解器可显著提升大规模问题的收敛等性能。

Conditional Total Correlation and the Serial Depth of Adaptive Parallel Sampling

条件总相关与自适应并行采样的序列深度

Chuling Wen, Weijie Liang, Jian Lu

专题命中 扩散模型 ：diffusion(abstract)

AI总结 该研究针对离散向量自适应并行采样，通过推导条件总相关与采样散度的恒等式，明确序列深度的决定因素，并在马尔可夫链等场景验证其特性，为掩码扩散模型解码提供理论支撑。

Global well-posedness of strong solutions to the initial-boundary value problem for a two-dimensional stress-diffusive Oldroyd-B model in the creeping flow regime

二维蠕动流区域内应力扩散型Oldroyd-B模型初边值问题强解的整体适定性

Yinghui Wang, Shihao Zhang, Zhuo Zhang

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文证明了二维蠕动流区域内应力扩散型Oldroyd-B模型的初边值问题，在构形张量非负性条件下，对任意大的H¹初始聚合物应力均存在唯一整体强解，还揭示了零雷诺数区域的速度场正则性特征。

Noising-Denoising by Large Temperature Schrödinger Bridges

基于大温度薛定谔桥的加噪-去噪

Garrett Mulcahy

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文建立去噪扩散模型与大温度动态薛定谔桥的联系，证明大温度下薛定谔桥的扩散特性，为 Clerc 等人2023年的梯度流近似提供过程层面刻画。

Comments 27 pages, 1 figure

Particle production in $p$-O collisions at LHC energy

LHC能量下p-O碰撞中的粒子产生

Chuan Li, Georg Wolschin

专题命中 扩散模型 ：diffusion(abstract)

AI总结 该研究对比p-O碰撞带电强子产生的前期理论预测与ALICE的Run 3初步数据，调整三源模型参数，结合色玻璃凝聚态与相对论扩散模型，预测了周边碰撞中赝快度较大处最大产生振幅的反转。

Comments 7 pages, 3 figures; submitted to EPL