图像生成

NumBench: Diagnosing Counting Failures in Text-to-Image Models

NumBench：诊断文本到图像模型中的计数失败问题

Sandeep Wadhwa, Mayank Vatsa, Richa Singh, Parrva Chirag Shah, Prakhar Galriya

机构 * Indian Institute of Technology Jodhpur（焦特布尔印度理工学院） ； Shiv Nadar University（希夫·纳达尔大学） 纠错

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

AI总结 该研究推出NumBench基准数据集，构建过程模型与置信度加权数值精确率指标，评估发现文本到图像模型计数性能随请求数增加而下降，50个以上时表现薄弱，且方法可跨模板迁移。

Comments The compiled main paper has seven technical-content pages; references start on page 8. The compiled supplement has three pages

Abstract4D: A Large-Scale Dataset and Framework for Understanding the Visual Language of Abstract Art

Abstract4D：用于理解抽象艺术视觉语言的大规模数据集与框架

Haowei Zhang, Yuanpei Zhao, Ji-Zhe Zhou, Mao Li

机构 * College of Computer Science, Sichuan University（四川大学计算机学院） 纠错

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

AI总结 该研究推出Abstract4D数据集，通过人机混合注释流程构建超12万张抽象绘画数据，开展语义结构分析并建立基准任务，助力评估AI对抽象艺术视觉语言的表征与解读能力。

Synth-JDoc: Synthesizing a Japanese Document Image Dataset for OCR with Diverse Layouts and Embedded Images

Synth-JDoc：用于OCR的、包含多样布局与嵌入图像的日文文档图像数据集合成

Keito Sasagawa, Shuhei Kurita, Daisuke Kawahara

机构 * Waseda University（早稻田大学） ； NII（信息学研究所） ； NII LLMC（信息学研究所语言媒体研究中心） 纠错

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

AI总结 本研究构建了含多样布局与嵌入图像的日文文档合成OCR数据集，可有效提升大型视觉语言模型读取竖排日文文本的性能，相关资源已公开。

Comments Accepted to ICDAR 2026, 17pages, 5 figures

FocusGen: Expanding Visual Design Exploration with a Simulated Focus Group of Persona Agents

FocusGen：通过模拟角色智能体的虚拟焦点小组拓展视觉设计探索

Jaewon Choi, Helena Vasconcelos, Hyun Lee, Carolyn Zou, Tak Yeon Lee, Michael Bernstein

专题命中 文生图 ：text-to-image(abstract)

AI总结 FocusGen是引入虚拟角色智能体焦点小组的交互式视觉设计系统，可拓展设计探索、提升输出多样性，助力设计师突破思维定式，同时存在刻板印象风险，为早期构思提供发散支架。

Comments 18 pages, 7 figures, 6 tables

Object Reconstruction under Occlusion with Generative Priors and Contact-induced Constraints

在遮挡下利用生成先验和接触诱导约束进行物体重建

Minghan Zhu, Zhiyi Wang, Qihang Sun, Maani Ghaffari, Michael Posa

机构 * University of Pennsylvania（宾夕法尼亚大学） ； University of Michigan（密歇根大学） 纠错

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

AI总结 本文提出了一种结合生成先验和接触诱导约束的方法，用于在遮挡下提高物体重建的准确性。

Comments IROS 2026. Project page: this https URL (https://contactgen3d.github.io/)

Comprehensive Evaluation and Analysis for NSFW Concept Erasure in Text-to-Image Diffusion Models

文本到图像扩散模型中NSFW概念擦除的综合评估与分析

Die Chen, Zhiwen Li, Cen Chen, Yuexiang Xie, Xiaodan Li, Jinyan Ye, Yingda Chen, Yaliang Li

机构 * East China Normal University（东华师范大学） ； Alibaba Group（阿里巴巴集团） 纠错

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

AI总结 该研究针对文本到图像扩散模型易生成NSFW内容的问题，开发了全流程概念擦除工具包，首次系统评估相关方法，为其实际应用提供指导并推动内容安全研究。

Comments Duplicate submission. Please cite and refer to arXiv:2502.12527 (https://arxiv.org/abs/2502.12527) for the latest version

Amortizing intractable inference in diffusion models for vision, language, and control

在视觉、语言与控制任务的扩散模型中分摊难解推理

Siddarth Venkatraman, Moksh Jain, Luca Scimeca, Minsu Kim, Marcin Sendera, Mohsin Hasan, Luke Rowe, Sarthak Mittal, Pablo Lemos, Emmanuel Bengio, Alexandre Adam, Jarrid Rector-Brooks, Yoshua Bengio, Glen Berseth, Esmeralda S. Whitammer

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

AI总结 本文针对扩散模型用作下游任务先验时的难解后验推理问题，提出相对轨迹平衡方法，在视觉、语言、多模态及连续控制等任务上取得良好效果

Comments NeurIPS 2024; code: this https URL (https://github.com/GFNOrg/diffusion-finetuning)

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, Asadullah 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

There and Back Again: Bidirectional Diffusion Bridges for Multimodality Translation

双向扩散桥用于多模态转换：往返之道

Gabe Guo, Elon Litman, Thanawat Sornwanee, Jose Blanchet, Stefano Ermon

机构 * Stanford University（斯坦福大学） 纠错

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

AI总结 针对现有多模态转换方法的不足，提出BIT双向图像-文本扩散桥，实现双向生成且性能优于基线。

Distributed Model-Based Diffusion: Finite Horizon Contraction under Bounded Delay

分布式基于模型的扩散：有界延迟下的有限时间收缩

Seth Golembeski, Keith L. Gibson, Alexander Gross, Shreyas Kousik, Anirban Mazumdar

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文针对多智能体轨迹优化难题，提出分布式基于模型的扩散算法，证明其在有界延迟下的收缩性与鲁棒性，在circleswap和空战任务中性能优于集中式算法。

Comments 8 pages, 3 figures

Diffusion models as plug-and-play priors

扩散模型即插即用先验

Alexandros Graikos, Esmeralda S. Whitammer, Nebojsa Jojic, Dimitris Samaras

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

AI总结 本文提出将独立训练的去噪扩散生成模型作为即插即用先验，结合可微辅助约束实现高维数据近似推断，可用于条件生成等任务，其多噪声版本评估机制或能解决组合优化问题。

Comments NeurIPS 2022; code: this https URL (https://github.com/AlexGraikos/diffusion_priors)

How Far Can 5,500 Hours of Driving Take You? A Scaling Law Analysis of Video Diffusion Models

5500小时驾驶数据能带来多大提升？视频扩散模型的缩放定律分析

Victor Besnier, Anh-Quan Cao, Elias Ramzi, Spyros Gidaris, Tuan-Hung Vu, Andrei Bursuc, Eloi Zablocki, Matthieu Cord

机构 * Sorbonne Université（索邦大学） 纠错

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

AI总结 本研究针对自动驾驶视频生成，通过对100万至90亿参数的视频扩散模型开展缩放定律分析，明确训练时长、模型规模、数据量的影响，训练出的90亿参数模型在nuScenes上达到开源最优。

BRACE: Taming Sharp Irregularities via Barycentric Rational Forecasting for Fast Diffusion Transformers Inference

BRACE：利用重心有理预测控制快速扩散Transformer推理中的尖锐不规则性

Jinlong Yang, Jinke Wu, Lizilin, Yao Zhou

机构 * Sichuan University（四川大学） ； School of Artificial Intelligence, Sichuan University（四川大学人工智能学院） 纠错

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

AI总结 本研究针对扩散Transformer（DiTs）高加速推理时的质量下降问题，提出带切比雪夫增强的重心有理预测方法BRACE，通过特征驱动的有理预测实现最优质量-效率权衡，且计算开销极低。

Comments Accepted at ACM MM 2026. Project page: this https URL (https://youngkinlon.github.io/BRACE-Taming-Sharp-Irregularities-via-Barycentric-Rational-Forecasting-for-Fast-DiT-Inference/)

Improved off-policy training of diffusion samplers

扩散采样器的改进离策略训练

Marcin Sendera, Minsu Kim, Sarthak Mittal, Pablo Lemos, Luca Scimeca, Jarrid Rector-Brooks, Alexandre Adam, Yoshua Bengio, Esmeralda S. Whitammer

机构 * Mila, Université de Montréal（米拉-蒙特利尔大学） ； Jagiellonian University（雅盖隆大学） ； KAIST（韩国科学技术院） ； Ciela Institute（塞拉研究所） ； Dreamfold（德里姆福尔德公司） ； CIFAR（加拿大高级研究院） ； University of Edinburgh（爱丁堡大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 该研究针对扩散模型的离策略训练问题，提出结合重放缓冲区的目标空间局部搜索探索策略，提升了样本质量，同时阐明了现有算法的相对优势并质疑了过往部分结论，相关代码已公开。

Comments NeurIPS 2024; code: this https URL (https://github.com/GFNOrg/gfn-diffusion)

Conditional Diffusion Models for Energy-Efficient Driving

面向节能驾驶的条件扩散模型

Hemanth Neelgund Ramesh, André Snoeck, Chyi-Fu Hong, Shijing Sun

机构 * University of Washington（华盛顿大学） ； Amazon Science（亚马逊科学） ； University of Cambridge（剑桥大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 该研究提出潜在条件扩散模型，基于1.2万次商用EV行程遥测数据生成电流轨迹，其性能优于直接条件注入，为不确定性感知的大规模车队规划奠定基础。

From Generation to Discovery: Diffusion Mutation Kernels for Circuit and Physical Design

从生成到发现：用于电路与物理设计的扩散变异核

Dinithi Jayasuriya, Aravind Saravanan, Nilesh Ahuja, Amanda Rios, Amit Trivedi

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 该研究提出基于扩散的发现框架，通过学习转移算子生成新电路设计，在三类电子设计任务中实现性能提升，且仅提供可行性结构，评估依赖外部工具。

Trajectory-Level Speculative Decoding for Diffusion Language Models

用于扩散语言模型的轨迹级推测解码

Tianxiang Pan, Baitao Gong, Mo Guang, Hongwei Yong, Tianpeng Jiang, Yaqian Li, Zheng Cao, Kaiwen Long

机构 * Li Auto Inc.（理想汽车） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对扩散语言模型低置信度下吞吐量受限的问题，提出轨迹级推测解码框架，结合置信度分层树探索与分块并行评估，实现7-14倍加速且准确率变化极小。

Strong solutions of SDEs with critical discontinuities in diffusion coefficients

扩散系数含临界不连续性的随机微分方程的强解

S.E. Boutiah, D. Kinzebulatov

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 该研究针对扩散系数含临界不连续性且可对子流形产生强吸引的伊藤SDE，扩展强化了Röckner-Zhao方法，为Krylov的强存在性证明提供了替代途径。

Inverse Source Problem for a Time-Fractional Diffusion-Wave Equation with a Singular Inverse-Square Potential

带奇异逆平方势的时间分数阶扩散波方程的逆源问题

Zewen Wang, Bin Wu, Yikan Liu, Liangwei Jin, Shufang Qiu

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文针对带奇异逆平方势的时间分数阶扩散波方程逆源问题，利用Hardy型不等式等建立正问题适定性，引入Tikhonov正则化结合伴随共轭梯度法实现源的数值重构，经数值实验验证方法有效稳定。

Comments 27 pages

Large-diffusion dynamics for a planar Neumann heat equation with exponential nonlinearity

带指数非线性项的平面Neumann热方程的大扩散动力学

Juneyoung Seo

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文研究带指数非线性项的平面Neumann热方程的大扩散动力学，证明足够大的扩散可恢复标量三分性，确定了使特定初值解全局收敛的一致扩散阈值的渐近行为。

Comments 26 pages

Transport-Matched Penalties for Diffusion Synthetic Acceleration of Polytopic Discontinuous Galerkin Discretisations

针对多面体间断伽辽金离散的扩散合成加速的输运匹配罚项

Ansar Calloo, Matthew Evans, Francois Madiot, Tristan Pryer

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文针对多面体网格上离散纵标输运的高阶迎风间断伽辽金离散，提出输运匹配的修正内罚校正，实现源迭代的严格加速，数值实验验证了收敛性与缩放关系。

Comments 25 pages, 3 figures

Propagation dynamics of an acid-mediated invasion model with degenerate tumor diffusion

具有退化肿瘤扩散的酸介导侵袭模型的传播动力学

Xinyue Cao, Quentin Griette, Xiong Li, Yang Wang

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究具有密度依赖退化扩散的酸介导肿瘤侵袭模型的行波前沿，通过引入非线性变量变换等方法，证明了特定波速下行波前沿存在，连接肿瘤主导与健康状态，并建立了相关估计。

Comments 27 pages

DiffuSent: Towards a Unified Diffusion Framework for Aspect-Based Sentiment Analysis

DiffuSent：面向方面级情感分析的统一扩散框架

Shu Long, Yanglei Gan, Xuchuan Zhou

机构 * University of Electronic Science and Technology of China（电子科技大学） ； Southwest Petroleum University（西南石油大学） ； Southwest Minzu University（西南民族大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出非自回归扩散框架DiffuSent，将方面级情感分析的所有子任务统一为边界去噪扩散过程，通过对比去噪训练策略解决重复预测问题，在28个设置上优于现有生成式和跨度式系统，并实现高达181倍的推理加速。

Learned Relay Representations for Forward-Thinking Discrete Diffusion Models

学习的中继表示用于前向思考的离散扩散模型

Benjamin Rozonoyer, Jacopo Minniti, Dhruvesh Patel, Neil Band, Avishek Joey Bose, Tim G. J. Rudner, Andrew McCallum

机构 * University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校） ； University of Toronto（多伦多大学） ； Stanford University（斯坦福大学） ； Imperial College London（伦敦帝国学院） ； Mila ； Vijil 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出Learned Relay Representations (Relay)方法，通过可微通道传递潜在信息，使掩码扩散模型在去噪步骤间前向思考，减少推理延迟并提升性能。

Comments 16 pages, 3 figures. Equal contribution: Benjamin Rozonoyer, Jacopo Minniti, and Dhruvesh Patel. Code: this https URL (https://github.com/jacopo-minniti/relay)

Finite-temperature spin diffusion in the two-dimensional XY model

二维XY模型中有限温度下的自旋扩散

Erik Fitzner, Byungjin Lee, Junhyeok Hur, Minseok Kim, Benedikt Schneider, Jae-yoon Choi, Björn Sbierski

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究通过理论与实验结合的方法，量化了二维正方形晶格量子自旋-1/2 XY模型在有限温度下的自旋扩散，展示了在超越一维范围和验证先进量子模拟平台定量能力上的突破。

Comments close to published version

ABC: Any-Subset Autoregression via Non-Markovian Diffusion Bridges in Continuous Time and Space

ABC：通过非马尔可夫扩散桥实现连续时间和空间中的任意子集自回归

Gabe Guo, Thanawat Sornwanee, Lutong Hao, Elon Litman, Stefano Ermon, Jose Blanchet

机构 * Stanford University（斯坦福大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出ABC模型，通过非马尔可夫扩散桥在连续时间和空间中实现任意子集的自回归，解决了传统方法在结构相似性捕捉、噪声注入和条件化任意子集方面的不足。

DiffAnon: Diffusion-based Prosody Control for Voice Anonymization

DiffAnon: 基于扩散的语调控制语音匿名化

Ismail Rasim Ulgen, Zexin Cai, Nicholas Andrews, Philipp Koehn, Berrak Sisman

机构 * Center for Language and Speech Processing, Johns Hopkins University, USA（语言与语音处理中心，约翰霍普金斯大学，美国） ； Human Language Technology Center of Excellence (COE), Johns Hopkins University, USA（人类语言技术卓越中心（COE），约翰霍普金斯大学，美国） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 DiffAnon通过扩散模型与分类器自由引导机制实现语调控制，提供连续的推理时间控制，实现匿名化强度与语调保真度的平滑插值。

Comments Accepted to Interspeech 2026

Destroy Me: Automatic Artifact Generation for Histopathology Images

销毁我：组织病理图像的人工制品自动生成

Zuzanna Krawczyk-Borysiak, Adam Krawczyk, Mateusz Miller, Gabriela Kaczmarek, Sławomir Pakuło, Małgorzata Sokół, Żaneta Swiderska-Chadaj

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

AI总结 该研究提出名为“Destroy Me”的混合框架，通过合成六种病理图像人工制品增强数据，训练的nnU-Net模型在肺腺癌分类任务中宏F1和Cohen’s Kappa分别提升10.5%、15%，平衡了鲁棒性与诊断特征保留。

Video Generative Models as Geometry Learner

作为几何学习者的视频生成模型

Haosen Yang, Jifei Song, Zhensong Zhang, Xiatian Zhu, Jiankang Deng

机构 * University of Surrey（萨里大学） ； Imperial College London（伦敦帝国学院） 纠错

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

AI总结 本研究提出GeoNeXt方法，将预训练视频生成模型用作统一数据高效的几何估计框架，以零样本方式在少数据下实现单目深度和表面法向量估计，性能优于同类生成式方法，可媲美数据量超100倍的判别式SOTA方法。

Comments 19 pages, 4 figures, 5 tables. Project page: this https URL (https://happy-hsy.github.io/projects/GeoNeXt/)

LayerRecall: A State-Conditioned Memory Router for Long-Horizon Consistency in Video Generation

LayerRecall：用于视频生成中长时序一致性的状态条件化记忆路由

Yixuan Ding, Jiahao Kong, Wei Huang, Ruijie Quan, Yi Yang

机构 * Zhejiang University（浙江大学） ； The University of Hong Kong（香港大学） 纠错

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

AI总结 提出LayerRecall记忆路由与CHPM训练方法，在不牺牲局部连续性的前提下提升视频生成长程一致性，在MemoBench、MovieBench等数据集上取得最优结果，且具备跨主干可移植性与低推理开销。

Comments 15 pages, 11 figures