图像生成

Understanding Reward Hacking in Text-to-Image Reinforcement Learning

理解文本到图像强化学习中的奖励黑客行为

Yunqi Hong, Kuei-Chun Kao, Hengguang Zhou, Cho-Jui Hsieh

机构 * Department of Computer Science, University of California, Los Angeles（计算机科学系，加州大学洛杉矶分校） 纠错

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

AI总结 本文提出了一种轻量的伪影奖励模型，用于缓解文本到图像强化学习中的奖励黑客问题，通过提高图像真实性和减少低质量生成。

Pareto-Guided Optimal Transport for Multi-Reward Alignment

基于帕累托前沿的多奖励对齐最优传输

Ying Ba, Tianyu Zhang, Mohan Zhou, Yalong Bai, Wenyi Mo, Guiwei Zhang, Bing Su, Ji-Rong Wen

机构 * Gaoling School of Artificial Intelligence, Renmin University of China, Beijing, China（中国人民大学北京校区人工智能学院） ； Beijing Key Laboratory of Research on Large Models（北京大模型研究关键实验室） ； Engineering Research Center of Next-Generation Intelligent Search（下一代智能搜索与推荐工程技术研究中心） ； Rutgers University（罗格斯大学） 纠错

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

AI总结 本文提出帕累托前沿引导的最优传输框架，通过构建任务特定的帕累托前沿并利用分布感知最优传输将支配样本映射到前沿，结合在线和离线优化策略，引入联合支配率和联合坍塌率作为评估指标，实验显示在多奖励协同和对抗攻击中优于基线方法。

Comments Accepted to ICML 2026

Evaluating Perspectival Biases in Cross-Modal Retrieval

评估跨模态检索中的视角偏差

Teerapol Saengsukhiran, Peerawat Chomphooyod, Narabodee Rodjananant, Chompakorn Chaksangchaichot, Patawee Prakrankamanant, Witthawin Sripheanpol, Pak Lovichit, Sarana Nutanong, Ekapol Chuangsuwanich

机构 * Department of Computer Engineering, Chulalongkorn University（楚莱隆坤大学计算机工程系） ； School of Information Science and Technology, VISTEC（信息科学与技术学院，VISTEC） 纠错

专题命中 文生图 ：text-to-image(abstract)

AI总结 本文提出3XCM基准，揭示跨模态检索中语言和文化偏见的影响，强调需通过解耦策略实现公平检索。

RubricRM: Generative Reward Modeling via Dynamic Rubrics for Image Generation and Editing

RubricRM：基于动态评分规则的生成式奖励模型，用于图像生成与编辑

Zijian Kan, Wei Wang, Long Luo, Bing Zhao, Xuan Ren, Weixu Qiao, Wenbo Li, Hu Wei, Lin Qu

机构 * Peking University（北京大学） ； Alibaba Group（阿里巴巴集团） ； Alibaba DAMO Academy（阿里巴巴达摩院） 纠错

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

AI总结 该研究提出RubricRM框架，为文本到图像生成和图像编辑训练专用模型，其性能优于现有专用奖励模型，且与强专有MLLM评估器竞争力相当，可用于图像生成与编辑的奖励建模。

Comments Accepted to EMNLP 2026 Main Conference

DisciplineGen-1M: A Large-Scale Dataset for Multidisciplinary Visual Generation and Editing

DisciplineGen-1M：用于多学科视觉生成与编辑的大规模数据集

Zhaokai Wang, Mingxin Liu, Zirun Zhu, Ziqian Fan, Yiguo He, Mohan Zhang, Leyao Gu, Yan Li, Xiangyu Zhao, Ning Liao, Shaofeng Zhang, Xuanhe Zhou, Zhihang Zhong, Xue Yang

机构 * Shanghai Jiao Tong University（上海交通大学） ； South China University of Technology（华南理工大学） ； Xiamen University（厦门大学） ； University of Science and Technology of China（中国科学技术大学） 纠错

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

AI总结 提出百万级多学科数据集DisciplineGen-1M，涵盖10个学科，通过可扩展框架构建，并基于此开发学科感知推理生成模型，在学科和通用推理基准上显著提升。

Analyzing and Improving Fast Sampling of Text-to-Image Diffusion Models

分析和改进文本到图像扩散模型的快速采样

Zhenyu Zhou, Defang Chen, Siwei Lyu, Chun Chen, Can Wang

机构 * State Key Laboratory of Blockchain and Data Security（区块链与数据安全国家重点实验室） ； Institute for Artificial Intelligence and Data Science（人工智能与数据科学研究院） ； University at Buffalo（布法罗大学） 纠错

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

AI总结 本文提出TORS调度策略，通过优化采样轨迹的几何变化，提升文本到图像扩散模型在有限采样步数下的生成质量。

Comments Accepted by ECCV 2026

Comprehensive Assessment and Analysis for NSFW Content Erasure in Text-to-Image Diffusion Models

文本到图像扩散模型中NSFW内容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（华东师范大学） 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 本研究针对文本到图像扩散模型的NSFW内容问题，构建全流程工具包开展首次系统性评估，为相关概念擦除方法的应用提供指导，助力扩散模型内容安全研究。

PEPPER: Perception-Guided Perturbation for Robust Backdoor Defense in Text-to-Image Diffusion Models

PEPPER：基于感知的扰动用于文本到图像扩散模型的鲁棒后门防御

Oscar Chew, Po-Yi Lu, Jayden Lin, Kuan-Hao Huang, Hsuan-Tien Lin

机构 * Texas A&M University（德克萨斯A&M大学） ； National Taiwan University（台湾国立大学） ； University of Michigan（密歇根大学） 纠错

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

AI总结 PEPPER通过重写提示生成语义上不同但视觉上相似的描述，干扰输入提示中的触发器，提高文本到图像扩散模型的鲁棒性，尤其有效对抗基于文本编码器的攻击。

Comments EMNLP 2026 Findings

WiT: Waypoint Diffusion Transformers for Alleviating Trajectory Conflict in Pixel-Space Image Generation

WiT：通过轨迹冲突导航实现方式点扩散变换

Hainuo Wang, Mingjia Li, Xiaojie Guo

机构 * College of Intelligence and Computing, Tianjin University（天津大学智能与计算学部） 纠错

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

AI总结 本文提出WiT，通过分解连续向量场中的语义方式点，解决像素空间中的轨迹冲突问题，提升扩散生成效果。

Prefix-Adaptive Block Diffusion for Efficient Document Recognition

前缀自适应块扩散用于高效的文档识别

Mingxu Chai, Ziyu Shen, Chenyu Liu, Jihua Kang, Tao Gui, Qi Zhang

机构 * Computation and Artificial Intelligence Innovative College, Fudan University, Shanghai, China（复旦大学计算与人工智能创新学院，上海，中国） ； Shanghai Innovation Institute, Shanghai, China（上海创新研究院，上海，中国） ； ByteDance, Shanghai, China（字节跳动，上海，中国） 纠错

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

AI总结 本文提出前缀自适应块扩散模型（PA-BDM），通过改进块内去噪和缓存机制，提升文档识别的效率和准确性。

Comments 16pages,6 figures

Accelerate Vector Diffusion Maps by Landmarks

通过地标加速向量扩散图

Sing-Yuan Yeh, Yi-An Wu, Hau-Tieng Wu, Mao-Pei Tsui

机构 * Department of Mathematics, National Taiwan University, Taipei, 106, Taiwan（台湾大学数学系） ； National Center for Theoretical Sciences, Mathematics Division, Taipei, 106, Taiwan（理论科学国家中心数学组） ； Courant Institute of Mathematical Sciences, New York University, New York, NY, 10012 USA（纽约大学数学科学学院） ； Data Science Degree Program, National Taiwan University（台湾大学数据科学学士学位计划） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出LA-VDM算法，通过两阶段归一化加速基于图连接拉普拉斯的向量扩散图框架，有效处理数据和地标集的非均匀采样密度，通过流形模型恢复平行运输，提升连接拉普拉斯的收敛性。

UniDiffFusion: A Unified Diffusion Framework for Multi-Task and Degradation-Robust Image Fusion

HP-UniIF：用于统一图像融合的分层提示学习

Xingxin Xu, Siqi Zhao, Xin Li, Xinjie Yao, Yiming Sun, Pengfei Zhu

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

AI总结 HP-UniIF是一种基于分层条件调制策略的统一视觉框架，利用扩散先验实现异构图像融合、视觉恢复与下游感知的协同，在多任务实验中表现出优越性能。

ACE-Ego-Hand: Repurposing Video Diffusion Models for Occlusion-Robust Egocentric 3D Hand Motion Recovery

DreamHand：复用视频扩散模型实现遮挡鲁棒的第一人称视角3D手部运动恢复

Yufei Liu, Xixi Wang, Hao Li, Ganlong Zhao, Kaitong Cai, Chengkai Jin, Chunxiao Liu, Jianbo Liu, Siyuan Huang, Xingang Pan, Hongsheng Li

机构 * ACE Robotics（ACE机器人公司） ； Nanyang Technological University（南洋理工大学） ； The Chinese University of Hong Kong（香港中文大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

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

AI总结 DreamHand是复用视频扩散模型的离线片段级框架，通过确定性干净潜在编码器与双向时空解码器恢复带度量位置的连续双手轨迹，在五个第一人称视角基准测试中实现最佳性能，为机器人操作数据提供可扩展路径。

Comments Project Page: this https URL (https://ggxxii.github.io/ace-ego-hand)

DASH: Dual-Branch Score Distillation for Guidance-Calibrated Compact Diffusion Models

DASH: 用于引导校准紧凑扩散模型的双分支分数蒸馏

Abdullah Al Shafi, Kazi Saeed Alam, Sk Imran Hossain, Engelbert Mephu Nguifo

机构 * Khulna University of Engineering & Technology（Khulna 工程与技术大学） ； University Clermont Auvergne（克莱蒙特-奥弗涅大学） 纠错

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

AI总结 针对类条件扩散模型参数压缩中无监督无条件分数分支导致引导失效的问题，提出双分支蒸馏框架DASH，通过独立监督两个分支并引入锚点正则化和课程迁移，在5.9倍压缩下保持与教师模型相近的FID和引导保真度。

Comments 30 pages, 12 figures, 19 tables. Code: this https URL (https://github.com/C-loud-Nine/DASH_Dual-Branch-Score-Distillation)

PIU: Proximity-guided Identity Unlearning in ID-Conditioned Diffusion Models

PIU：基于接近性的身份去学习在ID条件化的扩散模型中

Jose Edgar Hernandez Cancino Estrada, Mauro Díaz Lupone, Žiga Emeršič, Vitomir Štruc, Peter Peer, Darian Tomašević

机构 * University of Ljubljana, Faculty of Computer and Information Science（卢布尔雅那大学计算机与信息科学系） ； University of Ljubljana, Faculty of Electrical Engineering（卢布尔雅那大学电子工程系） 纠错

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

AI总结 本文研究了在ID条件化的扩散模型中身份去学习的问题，提出了一种基于接近性的身份去学习框架PIU，通过在学习的身份空间中重新分配源身份到选定的锚身份来实现身份移除，并结合基于ArcFace表示几何的锚点选择策略，通过局部微调少量身份敏感的交叉注意力层实现有效的去学习。

Can We Change the Stroke Size for Easier Diffusion?

我们能否通过改变笔触大小来使扩散更简单？

Yunwei Bai, Ying Kiat Tan, Yao Shu, Tsuhan Chen

机构 * National University of Singapore（新加坡国立大学） ； Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） 纠错

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

AI总结 本文研究通过控制笔触大小改变监督目标的粗糙度，以缓解低信噪比下的预测挑战。

Stream-DiffVSR: Low-Latency Streamable Video Super-Resolution via Auto-Regressive Diffusion

Stream-DiffVSR: 通过自回归扩散实现低延迟可流式传输视频超分辨率

Hau-Shiang Shiu, Chin-Yang Lin, Zhixiang Wang, Chi-Wei Hsiao, Po-Fan Yu, Yu-Chih Chen, Yu-Lun Liu

机构 * National Yang Ming Chiao Tung University（国立阳明交通大学） ； Shanda AI Research Tokyo（盛大AI研究东京） ； MediaTek Inc.（联发科技股份有限公司） 纠错

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

AI总结 Stream-DiffVSR提出一种因果条件扩散框架，通过四步蒸馏去噪器、自回归时间引导模块和轻量时间感知解码器，实现高效在线视频超分辨率，显著降低延迟并提升质量。

Comments ECCV 2026 Spotlight. Project page: this https URL (https://jamichss.github.io/stream-diffvsr-project-page/)

Conditional Diffusion for 3D CT Volume Reconstruction from 2D X-rays

基于条件扩散的3DCT体积重建从2DX光

Martin Rath, Morteza Ghahremani, Yitong Li, Ashkan Taghipour, Marcus Makowski, Christian Wachinger

机构 * Technical University of Munich (TUM)（慕尼黑工业大学） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） ； University of Western Australia (UWA)（西澳大利亚大学） 纠错

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

AI总结 本文提出AXON框架，通过多阶段扩散模型直接从真实X光重建高保真3DCT体积，采用粗到细策略和ControlNet优化，支持双平面X光输入并提升诊断分辨率。

Comments Accepted at BMVC 2026

DiffInf: Influence-Guided Diffusion for Supervision Alignment in Facial Attribute Learning

DiffInf: 基于影响的扩散法用于面部属性学习中的监督对齐

Basudha Pal, Zhaoyang Wang, Rama Chellappa

机构 * Departement of Electrical and Computer Engineering（电气与计算机工程系） ； Departement of Biomedical Engineering（生物医学工程系） 纠错

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

AI总结 DiffInf通过自影响引导的扩散方法，修复面部属性学习中的标注不一致，提升分类泛化能力。

Phys4D: Fine-Grained Physics-Consistent 4D Modeling from Video Diffusion

Phys4D: 从视频扩散模型实现细粒度物理一致的4D建模

Haoran Lu, Shang Wu, Songling Liu, Jianshu Zhang, Maojiang Su, Guo Ye, Chenwei Xu, Lie Lu, Pranav Maneriker, Fan Du, Zhaoran Wang, Han Liu

机构 * Northwestern University（西北大学） ； Dolby Laboratories（杜比实验室） 纠错

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

AI总结 提出Phys4D流水线，通过三阶段训练（伪监督预训练、物理监督微调、强化学习校正）从视频扩散模型学习物理一致的4D世界表示，显著提升细粒度时空与物理一致性。

Comments v2:Expanded the experiment section with more baselines and add more experiments in supplementary--corrected some typographical errors, and corrected author-affiliation information that was inaccurate in the previous version

EMAG: Self-Rectifying Diffusion Sampling with Exponential Moving Average Guidance

EMAG: 无训练的自修正扩散采样与指数移动平均引导

Ankit Yadav, Ta Duc Huy, Lingqiao Liu

机构 * Australian Institute for Machine Learning（澳大利亚机器学习研究所） ； The University of Adelaide（阿德莱德大学） 纠错

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

AI总结 EMAG通过无训练机制改进扩散模型的引导技术，生成更困难的负样本以提升生成质量和人类偏好分数。

Comments 63 pages (Accepted at ECCV 2026)

FoundDiff: Foundational Diffusion Model for Generalizable Low-Dose CT Denoising

FoundDiff：用于通用低剂量CT去噪的基础扩散模型

Zhihao Chen, Qi Gao, Zilong Li, Junping Zhang, Yi Zhang, Jun Zhao, Hongming Shan

机构 * Institute of Science and Technology for Brain-inspired Intelligence and MOE Frontiers Center for Brain Science, Fudan University（脑启发智能科学技术研究所和脑科学前沿中心，复旦大学） ； Shanghai Key Lab of Intelligent Information Processing, School of Computer Science, Fudan University（智能信息处理上海市重点实验室，复旦大学计算机科学学院） ； School of Cyber Science and Engineering, Sichuan University（四川大学网络科学与工程学院） ； School of Biomedical Engineering, Shanghai Jiao Tong University（上海交通大学生物医学工程学院） 纠错

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

AI总结 该研究针对现有低剂量CT去噪方法泛化性差的问题，提出基础扩散模型FoundDiff，采用DA-CLIP与DA-Diff的两阶段策略，在多数据集上验证了其优异去噪性能与泛化能力。

Comments 14 pages, 8 figures

Dimple: Discrete Diffusion Multimodal Large Language Model with Parallel Decoding

Dimple：采用并行解码的离散扩散多模态大语言模型

Runpeng Yu, Xinyin Ma, Xinchao Wang

机构 * National University of Singapore（新加坡国立大学） 纠错

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

AI总结 本研究提出首个离散扩散多模态大语言模型Dimple，采用自回归与扩散结合的训练范式，性能优于LLaVA-NEXT 3.9%，通过置信解码提升推理效率，还探索了结构先验的响应控制能力。

Diffusion limits of cyclic finite-velocity random motions along vector fields

沿向量场的循环有限速度随机运动的扩散极限

Olga Aryasova, Ilya Pavlyukevich, Yusif Sualah

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 该研究针对受主动粒子模型启发的循环有限速度随机运动，在Kac型标度下证明其弱收敛到多维扩散，揭示循环顺序、动力学类型对扩散极限的影响及几何因素的作用。

Comments 26 pages, 3 figures

Is Multimodal Speculative Decoding Ready for Diffusion-Based Parallel Drafting? A Survey and Empirical Diagnosis

多模态推测解码是否适用于基于扩散的并行草稿生成？一项调查与实证诊断

Yantao Li, Huanlin Gao, Fang Zhao, Chao Tan, Qiang Hui, Shuting Liu, Fuyuan Shi, Ting Lu, Shaoan Zhao, Xueqiang Guo, Xinpei Su, Jianbing Zhang, Xinyu Dai, Kai Wang, Shiguo Lian

机构 * Data Science & Artificial Intelligence Research Institute, China Unicom（中国联通数据科学与人工智能研究院） ； Unicom Data Intelligence, China Unicom（中国联通数据智能） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文通过调查多模态模型并开展跨架构实证研究，探究多模态推测解码是否适用于基于扩散的并行草稿生成，提出统一分类法并分析现有方法的局限性与未来方向。

Simulation-free and finite-time diffusion model

无模拟且有限时间的扩散模型

Kentaro Kaba, Masayuki Ohzeki, Yuki Sughiyama

机构 * Institute of Science Tokyo（东京科学大学） ； Tohoku University（东北大学） ； Kumamoto University（熊本大学） ； Sigma-i Co., Ltd.（Sigma-i股份有限公司） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出一种参考过程设计框架，可同时实现无模拟训练与有限时间生成，还揭示得分匹配并非扩散模型训练的基础，且条件流匹配是该框架的小噪声极限。

Self-similar smoothing of a discontinuity by degenerate cross-diffusion

退化交叉扩散对间断的自相似平滑

Michael C. Dallaston

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究生物入侵中退化交叉扩散模型的自相似平滑现象，通过匹配渐近分析揭示间断前高度消失时传播速度的对数慢衰减，表明系统不支持紧支撑移动前沿解。

Comments 23 pages, 7 figures

Learning Generated Controls under Fractured Geometry: Projective Residualization and Variation-Allocation Frontiers

用于控制函数工具变量的图扩散残差

Rui Wu, Zongyuan Chen, Hong Xie, Defu Lian, Enhong Chen

机构 * School of Computer Science and Engineering, University of Science and Technology of China（中国科学技术大学计算机科学与技术学院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出自适应各向异性工具热流（A-IHF），一种基于图扩散的残差提取方法，用于灵活控制函数，通过检测处理跳跃并调整图传导性，在合成基准测试中优于多种基线方法。

Comments 86 pages, 9 figures, including supplementary material. Revised version; submitted to Artificial Intelligence

Attention-Discounted Adaptive Sampler for Masked Diffusion Language Models

注意力折扣自适应采样器用于掩码扩散语言模型

Yusuf Sahin, Ahmed Rockey Saikia, Volkan Cevher, Paolo Favaro

机构 * University of Bern（伯尔尼大学） ； EPFL（瑞士联邦理工学院洛桑分校） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对掩码扩散语言模型并行解码中候选词交互导致的不安全问题，提出训练无关的重排序规则ADAS，通过注意力折扣软惩罚改进子集构建，在多个基准上提升低NFE性能。

Prefilling-dLLM: Predictive Prefilling for Long-Context Inference in Diffusion Language Models

Prefilling-dLLM: 扩散语言模型中长上下文推理的预测性预填充

Jing Xiong, Qi Han, Shansan Gong, Yunta Hsieh, Boyuan Zheng, Chengyue Wu, Chaofan Tao, Chenyang Zhao, Ngai Wong

机构 * The University of Hong Kong（香港大学） ； University of Michigan, Ann Arbor（密歇根大学安娜堡分校） ； LMSYS Org（LMSYS组织） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对扩散语言模型在长上下文中因重复编码前缀导致计算量二次增长的问题，提出Prefilling-dLLM框架，通过分块缓存KV表示并基于稀疏性选择相关块，实现高效解码，在LongBench等基准上达到最先进加速效果。

Comments Accepted to the EMNLP 2026 Main Conference