图像生成

Steering Optimisation Trajectories in Diffusion Representation Learning

引导扩散表示学习中的优化轨迹

Rajat Rasal, Avinash Kori, Tian Xia, Ben Glocker

机构 * Imperial College London（伦敦帝国理工学院） 纠错

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

AI总结 该研究探究扩散自编码器图像质量相近但潜在结构差异大的成因，提出SteeringDRL方法，通过门控残差U-Net和噪声水平课程引导优化，提升表示质量并降低种子敏感性。

Last-Meter Precision Navigation for UAVs: A Diffusion-Refined Aerial Visual Servoing Approach

无人机的最后一米精确导航：一种扩散细化的空中视觉伺服方法

Yaxuan Li, Jiarui Zeng, Shaofei Huang, Zhedong Zheng

机构 * FST and ICI, University of Macau（澳门大学科技学院及资讯与通信技术研究所） 纠错

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

AI总结 研究无人机最后一米精确导航，提出DreamNav框架，先粗估计旋转，再用预训练世界模型模拟未来视觉观测选轨迹，贡献PairUAV基准测试，实验表明DreamNav性能优。

EMPURPLE: A Free Lunch for Diffusion Distillation based on the Information Bottleneck

EMPURPLE：基于信息瓶颈的扩散蒸馏免费午餐

Zilai Li, Lujia Bai

机构 * University of Nottingham（诺丁汉大学） ； Ruhr University Bochum（波鸿鲁尔大学） 纠错

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

AI总结 研究扩散模型推理成本高问题。通过PAC-style泛化界分析原因，提出无需训练的EMPURPLE减少中间潜在分布不匹配，提升FID，该方法与模型无关，在多个模型上效果显著。

Comments 20 pages,2 figures, conference

CineMobile: On-Device Image-to-Video Diffusion for Cinematic Camera Motion Generation

CineMobile：用于电影级相机运动生成的设备端图像到视频扩散

Xuyao Huang, Zelai Deng, Xu Wang, Xizhong Xiao, Zhijie Deng

机构 * Shanghai Jiao Tong University（上海交通大学） ； Nankai University（南开大学） ； Transsion（传音） 纠错

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

AI总结 针对移动设备图像到视频创作需求，提出CineMobile。采用蒸馏引导剪枝、扩散蒸馏与强化学习优化及混合后训练量化策略，在保持视觉质量的同时大幅加速生成，证明其在移动图像到视频创作中的实用性。

Self-Improving Diffusion Classifiers with Minority Preference Optimization

通过少数偏好优化实现自我改进的扩散分类器

Hyunsoo Kim, Jungmyung Wi, Soobin Um, Donghyun Kim, Suhyun Kim

机构 * Korea University（韩国大学） ； Kook Min University（国民大学） ； Kyung Hee University（庆熙大学） 纠错

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

AI总结 研究发现扩散分类器感知偏向多数区域，提出MiPO方法，利用少数偏好奖励微调预训练扩散模型，无需额外图像数据等，经实验验证可缓解偏差并提升零样本扩散分类性能。

Comments ECCV 2026

IPDiff: Diffusion-driven ORSI Salient Object Detection with Information Reconstruction and Multi-Prior Guidance

IPDiff：基于信息重构和多先验引导的扩散驱动光学遥感图像显著目标检测

Gongyang Li, Zhen Bai, Runmin Cong, Dan Zeng, Weisi Lin, Xiao-Ping Zhang

机构 * School of Communication and Information Engineering, Shanghai University（上海大学通信与信息工程学院） ； Department of Medical Equipment, the First Affiliated Hospital of Zhengzhou University（郑州大学第一附属医院医学装备部） ； School of Control Science and Engineering, Shandong University（山东大学控制科学与工程学院） ； School of Computer Science and Engineering, Nanyang Technological University（南洋理工大学计算机科学与工程学院） ； Shenzhen Key Laboratory of Ubiquitous Data Enabling, Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院深圳泛在数据赋能重点实验室） 纠错

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

AI总结 提出IPDiff，一种基于独特动态优化策略的扩散驱动光学遥感图像显著目标检测方法，通过提取多先验信息，在去噪网络中迭代去噪生成显著图，并经混合损失函数监督训练，性能优于46种先进方法。

Comments 22 pages, 8 figures, accepted by IJCV 2026

EPRA U-Net: An Efficient Pyramid Residual Attention Framework for Accurate Infarct Segmentation in Diffusion-Weighted MRI

EPRA U-Net：一种用于扩散加权磁共振成像中准确梗死分割的高效金字塔残差注意力框架

Hasan Ulutas, Muhammet Emin Sahin, Mustafa Fatih Erkoc, Esra Yuce, Turker Tuncer, Sengul Dogan, Serkan Kiranyaz

机构 * Yozgat Bozok University（亚兹加特博兹克大学） ； Izmir Bakircay University（伊兹米尔巴克伊大学） ； Queen Mary’s Digital Environment Research Institute (DERI)（皇后玛丽数字环境研究 institute (DERI)） ； Firat University（费拉特大学） ； Qatar University（卡塔尔大学） 纠错

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

AI总结 研究提出EPRA U-Net用于DWI图像梗死分割，用基于EfficientNet的编码器提取特征，集成多种模块并采用双注意力机制，用Tversky损失函数，实验表明其性能优于其他模型。

Comments 25 pages, 13 figures, 10 tables

Flex-Forcing: Towards a Unified Autoregressive and Bidirectional Video Diffusion Model

Flex-Forcing：迈向统一的自回归和双向视频扩散模型

Xinyin Ma, Julius Berner, Chao Liu, Arash Vahdat, Weili Nie, Xinchao Wang

机构 * NVIDIA（英伟达） 纠错

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

AI总结 研究针对现有视频生成方法推理范式僵化的问题，提出Flex-Forcing框架。核心是灵活分块机制，可依设备预算灵活分块，跨块双向推理与块内自回归生成，实验表明该框架提升了视频质量、稳定性并加快推理速度。

Comments Project page: https://research.nvidia.com/labs/genair/flex-forcing

Handwriting Trajectory Recovery with Diffusion Models

使用扩散模型进行手写轨迹恢复

Hiroki Nagamatsu, Shoji Toyota, Seiichi Uchida

机构 * Kyushu University（九州大学） 纠错

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

AI总结 提出首个基于扩散模型的框架用于从离线手写图像恢复在线笔轨迹，将其作为图像条件生成任务，用去噪扩散模型采样轨迹，实验验证该方法能准确恢复复杂多笔画字符，提升指标并具笔画顺序倾向及泛化能力。

SNR-Adaptive Unified Diffusion for Multi-Task Medical Image Segmentation

用于多任务医学图像分割的信噪比自适应统一扩散

Jiahao Liu, Hang Wei, Shuai Wu

机构 * School of Telecommunications Engineering, Xidian University（西安电子科技大学通信工程学院） ； School of Computer Science and Technology, Xidian University（西安电子科技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)；分类 cs.CV

AI总结 研究解决临床心脏成像模型冗余及知识共享问题，提出统一扩散分割框架UniT-Diff，通过特定机制化解冲突，在多基准测试中超越独立训练的特定任务基线。

Comments Accepted to IEEE SMC 2026. 6 pages, 15 figures

HyperVAttention: Efficient Sparse Attention with Spatio-Temporal Clustering for Video Diffusion

HyperVAttention：用于视频扩散的具有时空聚类的高效稀疏注意力

Dongyeun Lee, Amir Zandieh, Vahab Mirrokni, Junmo Kim, Insu Han

机构 * KAIST（韩国科学技术院） ； Google Research（谷歌研究院） 纠错

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

AI总结 针对视频扩散中自注意力机制的二次复杂度问题，提出HyperVAttention框架，通过3D局部窗口聚类等方法解决聚类开销大及CTA利用率低的瓶颈，提升视频扩散中无训练稀疏注意力的质量和速度。

Comments 21 pages, 8 figures

Awakening Diffusion Transformers: Eliciting Stronger Generation and Understanding via Massive Activation Modulation

唤醒扩散变换器：通过大规模激活调制激发更强的生成和理解能力

Chaofan Gan, Zicheng Zhao, Yuanpeng Tu, Xi Chen, Ziran Qin, Tieyuan Chen, Supavadee Aramvith, Mehrtash Harandi, Weiyao Lin

机构 * Shanghai Jiao Tong University（上海交通大学） ； Monash University（莫纳什大学） ； The University of Hong Kong（香港大学） ； Zhongguancun Academy（中关村科学城创新中心） ； Chulalongkorn University（朱拉隆功大学） ； City University of Hong Kong（香港城市大学） 纠错

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

AI总结 研究扩散变换器中大规模激活（MAs）的结构和功能，发现其空间分布及与AdaLN残差缩放因子的关系。基于此提出EMA框架，通过MA驱动的细节引导和MA调制的表征提取，提升生成和理解能力。

BiSLW: Bi-Spectral Latent Watermarking for Generative Diffusion Models

BiSLW：用于生成扩散模型的双谱潜在水印

Aryan Pandit

机构 * PDPM Indian Institute of Information Technology, Jabalpur（印度信息技术学院（贾巴尔普尔）） 纠错

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

AI总结 研究针对扩散生成模型易被非法使用且缺乏可靠溯源方法的问题，提出BiSLW框架，利用潜在空间频率结构在互补谱带嵌入身份信号，平衡感知保真度与鲁棒性。

Comments ECCV 2026

Hierarchical Anti-Aesthetics: Protecting Facial Privacy against Customized Diffusion Models

分层反美学：保护面部隐私免受定制扩散模型侵害

Songping Wang, Yueming Lyu, Shiqi Liu, Chen Zhao, Ziyuan Chen, Ning Li, Jing Dong, Caifeng Shan

机构 * School of Intelligence Science and Technology, Nanjing University（南京大学智能科学与技术学院） ； China Mobile Information Technology Co., Ltd.（中国移动信息科技有限公司） ； State Key Laboratory of Multimodal Artificial Intelligence Systems (MAIS), Center for Research on Intelligent Perception and Computing (CRIPAC), Institute of Automation Chinese Academy of Sciences (CASIA)（多模态人工智能系统国家重点实验室（MAIS）、智能感知与计算研究中心（CRIPAC）、中国科学院自动化研究所（CASIA）） 纠错

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

AI总结 提出分层反美学框架，通过全局和局部反美学奖励机制降低定制扩散模型的生成质量，从而保护面部隐私。

Comments arXiv admin note: text overlap with arXiv:2504.12129

Open-Weather Robust 3D Detection via Dual-Critic Diffusion Alignment

基于双判别器扩散对齐的开放天气鲁棒3D检测

Shuyao Li, Chuanxing Geng, Heyang Sun, Qiang Zhou, Jingjing Gu

机构 * Nanjing University of Aeronautics and Astronautics（南京航空航天大学） ； MIIT Key Laboratory of Pattern Analysis and Machine Intelligence（工业和信息化部模式分析与机器智能重点实验室） 纠错

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

AI总结 提出双判别器引导扩散对齐（DCDA）框架，通过4D雷达条件扩散过程恢复退化LiDAR特征，无需显式天气建模，在未见天气类型和强度下实现鲁棒3D检测。

Comments 18 pages, 6 figures, 8 tables. ECCV 2026 camera-ready

Ctrl-Z Sampling: Scaling Diffusion Sampling with Controlled Random Zigzag Explorations

Ctrl-Z Sampling：通过受控随机zigzag探索扩展扩散采样

Shunqi Mao, Wei Guo, Chaoyi Zhang, Jieting Long, Ke Xie, Weidong Cai

机构 * School of Computer Science, The University of Sydney（悉尼大学计算机科学学院） 纠错

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

AI总结 本文提出Ctrl-Z采样方法，通过检测质量景观中的高原并进行受控探索，提升扩散模型生成质量，在不同NFE预算下均表现优异。

Comments ECCV 2026

GMODiff: One-Step Gain Map Refinement with Diffusion Priors for HDR Reconstruction

GMODiff：基于扩散先验的单步增益图优化用于高动态范围重建

Tao Hu, Weiyu Zhou, Yanjie Tu, Peng Wu, Wei Dong, Qingsen Yan, Yanning Zhang

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

AI总结 本文提出GMODiff，通过单步扩散框架优化增益图，提升多曝光HDR重建的动态范围和效率，实验表明其性能优于现有方法且速度提升100倍。

Comments This paper is accepted by ECCV2026

LAW & ORDER: Adaptive Spatial Weighting for Medical Diffusion and Segmentation

法律与秩序：医学扩散与分割的自适应空间加权

Anugunj Naman, Ayushman Singh, Gaibo Zhang, Yaguang Zhang

机构 * Elmore Family School of Electrical and Computer Engineering（埃尔莫尔电气与计算机工程学院） ； Purdue University（普渡大学） ； Sesame AI ； Department of Computer Science（计算机科学系） ； Department of Agricultural and Biological Engineering (ABE)（农业与生物工程系） ； Department of Agricultural Sciences Education and Communication (ASEC)（农业科学教育与交流系） 纠错

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

AI总结 研究医学图像分析中自适应空间加权，通过两个适配器实现。LAW为掩码条件扩散学习像素损失权重，ORDER通过选择性双向跳跃注意力改进分割，在多个数据集上取得良好效果，证明该方法对医学扩散和分割的有效性。

Comments Accepted at TMLR

Learning on the Manifold: Unlocking Standard Diffusion Transformers with Representation Encoders

流形上的学习：通过表示编码器解锁标准扩散变压器

Amandeep Kumar, Vishal M. Patel

机构 * Johns Hopkins University（约翰霍普金斯大学） 纠错

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

AI总结 研究利用表示编码器进行生成建模时标准扩散变压器收敛失败的问题，指出根本原因是几何干扰，提出黎曼流匹配与雅可比正则化方法，使标准扩散变压器无需宽度缩放就能收敛。

Comments ECCV 2026

FlashBlock: Attention Caching for Efficient Long-Context Block Diffusion

FlashBlock：用于高效长上下文块扩散的注意力缓存

Zhuokun Chen, Jianfei Cai, Bohan Zhuang

机构 * Monash University（墨尔本大学） ； Zhejiang University（浙江大学） 纠错

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

AI总结 研究长内容生成中块扩散在长上下文设置下的注意力计算开销问题，提出FlashBlock机制，利用块外注意力输出稳定性复用注意力，减少计算与缓存访问，提升效率且不影响质量。

A Random Matrix Theory Perspective on the Consistency of Diffusion Models

扩散模型一致性的随机矩阵理论视角

Binxu Wang, Jacob Zavatone-Veth, Cengiz Pehlevan

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

AI总结 研究扩散模型在不同数据集子集训练时输出相似的原因，用随机矩阵理论框架量化有限数据集对去噪器和采样映射期望及方差的影响，揭示交叉分割不一致的因素并验证对模型行为的预测。

Comments 58 pages, 45 figures. Accepted as an Oral Presentation at ICML 2026

Towards Realistic Remote Sensing Dataset Distillation with Discriminative Prototype-guided Diffusion

基于判别原型引导扩散的逼真遥感数据集蒸馏研究

Yonghao Xu, Pedram Ghamisi, Qihao Weng

机构 * Computer Vision and Learning Systems, Department of Electrical Engineering, Linköping University（计算机视觉与学习系统，电气工程系，利厄普大学） ； Helmholtz-Zentrum Dresden-Rossendorf, Responsible AI Group（海姆霍尔茨·德累斯顿-罗斯托克研究中心，负责任人工智能小组） ； University of Iceland, Faculty of Electrical and Computer Engineering（冰岛大学，电气与计算机工程学院） 纠错

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

AI总结 针对遥感图像解释依赖大量训练数据带来的高成本问题，提出判别原型引导扩散框架，通过提取原型、构建语义锚及筛选候选样本，将大规模数据集浓缩成有代表性的蒸馏数据集用于下游模型训练。

Reconstruction-Anchored Diffusion Model for Text-to-Motion Generation

用于文本到运动生成的重建锚定扩散模型

Yifei Liu, Changxing Ding, Ling Guo, Huaiguang Jiang, Qiong Cao

机构 * South China University of Technology（华南理工大学） ； Joy Future Academy（京东探索研究院） 纠错

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

AI总结 针对文本驱动人体运动生成中预训练文本编码器存在表征差距及迭代去噪过程中误差传播问题，提出重建锚定扩散模型，利用运动潜在空间监督，采用自正则化等目标函数训练，还提出重建误差引导机制，实验表明性能显著提升。

Comments ECCV 2026

AnchorDream: Repurposing Video Diffusion for Embodiment-Aware Robot Data Synthesis

AnchorDream：将视频扩散用于具身感知机器人数据合成

Junjie Ye, Rong Xue, Basile Van Hoorick, Pavel Tokmakov, Muhammad Zubair Irshad, Yue Wang, Vitor Guizilini

机构 * Toyota Research Institute（丰田研究院） ； USC Physical Superintelligence (PSI) Lab（USC物理超智能（PSI）实验室） 纠错

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

AI总结 针对机器人示范数据收集瓶颈，AnchorDream利用预训练视频扩散模型，通过机器人运动渲染来合成数据，无需环境建模，从少量示范生成多样高质量数据集，提升下游策略学习。

Comments Project page: https://jay-ye.github.io/AnchorDream/

PointDiT: Pixel-Space Diffusion for Monocular Geometry Estimation

PointDiT: 用于单目几何估计的像素空间扩散

Haofei Xu, Rundi Wu, Philipp Henzler, Nikolai Kalischek, Michael Oechsle, Fabian Manhardt, Marc Pollefeys, Andreas Geiger, Federico Tombari, Michael Niemeyer

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

AI总结 提出基于纯ViT的像素空间扩散Transformer，直接在原始3D点图块上操作，无需复杂架构和潜在空间压缩，在单目几何估计中超越潜在扩散模型。

Comments ICML 2026. Project page: https://haofeixu.github.io/pointdit/

OrbitQuant: Data-Agnostic Quantization for Image and Video Diffusion Transformers

OrbitQuant: 图像和视频扩散Transformer的数据无关量化

Donghyun Lee, Jitesh Chavan, Duy Nguyen, Sam Huang, Liming Jiang, Priyadarshini Panda, Timo Mertens, Saurabh Shukla

机构 * Cantina Labs（Cantina实验室） ； University of Southern California（南加州大学） ； University of Illinois 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)；分类 cs.CV

AI总结 提出数据无关量化方法OrbitQuant，通过归一化旋转基和Lloyd-Max码本，无需校准数据即可对扩散Transformer的权重和激活进行低比特量化，在多个模型和模态上达到最优。

QWERTY: Training-Free Motion Control via Query-Warped Video Diffusion Transformers

QWERTY: 通过查询扭曲的视频扩散变换器实现无需训练的运动控制

Kyobin Choo, Youngmin Kim, Hyunkyung Han, Geunrip Park, Chanyoung Kim, Sunyoung Jung, Seong Jae Hwang

机构 * Department of Computer Science, Yonsei University（延世大学计算机科学系） ； Department of Artificial Intelligence, Yonsei University（延世大学人工智能系） 纠错

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

AI总结 提出QWERTY框架，通过扭曲查询的语义子空间，在预训练图像到视频扩散变换器中实现无需训练的运动控制，性能接近微调方法。

Comments 37 pages, 18 figures, accepted at the European Conference on Computer Vision (ECCV) 2026

ProSAC-CT: Progressive Spectral-Anatomical Co-Guided Multi-Stage Diffusion Model for Low-Dose CT Denoising

ProSAC-CT: 渐进式频谱-解剖协同引导的多阶段扩散模型用于低剂量CT去噪

Xuepeng Liu, Zetong Liu, Renyiming Li, Yan Li, Ruiyu Li, Ruili Li, Jiayi Ding, Eichi Takaya

机构 * College of Medicine and Biological Information Engineering, Northeastern University（东北大学医学与生物信息工程学院） ； Tohoku University School of Medicine（东北大学医学院） ； State Key Laboratory of Oncology in South China, Sun Yat-sen University Cancer Center（华南肿瘤学国家重点实验室，中山大学肿瘤防治中心） ； AI Lab, Tohoku University Hospital（东北大学医院人工智能实验室） 纠错

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

AI总结 提出ProSAC-CT，一种渐进式频谱-解剖协同引导的多阶段扩散模型，通过解剖先验引导、残差频域解耦和时间步解耦解码器，有效去除低剂量CT噪声并保留解剖细节。

Comments 14 pages, 8 figures, 3 tables

InterCMDM: Block-Causal Diffusion for Autoregressive Human Interaction Generation

InterCMDM：用于自回归人体交互生成的块因果扩散

Qing Yu, Kent Fujiwara

机构 * LY Corporation（LY公司） 纠错

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

AI总结 提出InterCMDM块因果潜扩散框架，通过双流因果扩散Transformer和多重任务注意力掩码实现自回归双人交互生成，解决因果性缺失和时间漂移问题，在InterHuman和InterX上达到最优性能。

Comments Accepted to ECCV 2026, Project website: https://yu1ut.com/InterCMDM-HP/

ICDepth: Taming Video Diffusion Models for Video Depth Estimation via In-Context Conditioning

ICDepth: 通过上下文条件化驯服视频扩散模型用于视频深度估计

Xuanhua He, Jiaxin Xie, Mingzhe Zheng, Qifeng Chen

机构 * The Hong Kong University of Science and Technology（香港科技大学） 纠错

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

AI总结 提出ICDepth框架，利用上下文条件化（ICC）将预训练文本到视频扩散Transformer适配到视频深度估计，通过SAND-Attention确保时空对齐和SRFM注入语义分辨率先验，仅用0.8M帧训练数据即达到SOTA并展现强零样本泛化。

Comments Accepted to ECCV 2026. Project page: https://xuanhuahe.github.io/ICDepth/