图像生成

MapDreamer: Aerial Imagery Conditioned Latent Diffusion for Lane-Level Map Generation

MapDreamer: 基于航空影像条件潜扩散的车道级地图生成

Julian Brandes, Philipp Crocoll, Wolfram Burgard

机构 * Department CSAI at University of Technology Nuremberg（纽伦堡工业大学CSAI系） ； Robert Bosch GmbH（罗伯特·博世有限公司） 纠错

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

AI总结 提出MapDreamer，一种从单张航空影像直接生成带显式拓扑的车道级矢量地图的生成扩散模型，通过变分自编码器学习车道中心线及其拓扑的紧凑潜表示，并利用基于Transformer的潜扩散模型预测图结构，在几何和拓扑保真度上优于非生成基线。

Comments Accepted at ECCV 2026

Look But Don't Touch with Sparse Autoencoders for Unlearning in Diffusion Models

用稀疏自编码器实现扩散模型中的遗忘：只看不碰

Enrico Cassano, Riccardo Renzulli, Rayyan Ahmed, Marco Grangetto, Stephan Alaniz

机构 * University of Turin（都灵大学） ； LTCI, Télécom Paris, Institut Polytechnique de Paris（LTCI，巴黎电信学院，巴黎综合理工学院） 纠错

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

AI总结 本文利用稀疏自编码器作为语义检测器，通过检测并替换包含目标对象的图像区域，实现扩散模型中的对象擦除，避免了直接干预潜在空间导致的视觉伪影。

Comments Accepted at ECCV 2026

Hi-DREAM: Brain-Inspired Hierarchical Diffusion for fMRI-to-Image Reconstruction via ROI Encoder and VisuAl Mapping

Hi-DREAM: 基于脑启发的层次化扩散用于fMRI到图像重建，通过ROI编码器和视觉映射

Guowei Zhang, Yun Zhao, Kai Sun, Moein Khajehnejad, Adeel Razi, Dinh Phung, Levin Kuhlmann

机构 * Dept of Data Science and AI, Monash University, Melbourne, Australia（数据科学与人工智能系，墨尔本大学，澳大利亚） ； School of Psychological Sciences, Monash University, Melbourne, Australia（心理学科学学院，墨尔本大学，澳大利亚） ； Brain and Mind Centre, University of Sydney, Sydney, Australia（脑与心智中心，悉尼大学，澳大利亚） 纠错

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

AI总结 提出Hi-DREAM框架，利用层次化扩散模型，通过ROI适配器将早期、中期和晚期视觉ROI流转换为多尺度皮层金字塔，并用轻量级ROI条件ControlNet注入解剖先验，在NSD数据集上实现最先进的高层语义重建和强低层结构。

Comments 18 pages, 5 figures

Rethinking Video Super-Resolution: Towards Diffusion-Based Methods without Motion Alignment

重新思考视频超分辨率：基于扩散的方法无需运动对齐

Zhihao Zhan, Wang Pang, Xiang Zhu, Yechao Bai

机构 * TopXGun Robotics（TopXGun机器人研究所） ； Nanjing University（南京大学） 纠错

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

AI总结 本文提出基于扩散后验采样框架的视频超分辨率方法，无需显式估计光流或运动参数，通过学习现实物理规律来处理多种运动模式，实验证明其有效性。

Comments ICSPS 2025

Journal ref 17th International Conference on Signal Processing Systems (ICSPS), 2025

AVSR-Diff: Scale-Agnostic Diffusion Priors for Temporally Consistent Arbitrary-Scale Video Super-Resolution

AVSR-Diff: 用于时间一致任意尺度视频超分辨率的尺度无关扩散先验

Geunhyuk Youk, Jeonghyeok Do, Dayeon Kim, Jihyong Oh, Munchurl Kim

机构 * KAIST（韩国科学技术院） ； CMLab, Chung-Ang University（中央大学CMLab） 纠错

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

AI总结 提出AVSR-Diff框架，通过解耦尺度无关的潜在去噪与连续坐标渲染，并引入时间门控特征循环和尺度感知傅里叶细化模块，实现任意尺度下的高保真时间一致视频超分辨率。

Comments Accepted to ECCV 2026. Project page: https://kaist-viclab.github.io/AVSR-Diff/

Not All Prediction Targets Keep Training-Free Diffusion Guidance on the Manifold

并非所有预测目标都能保持无训练扩散引导在流形上

Yunsung Lee, Hyeongmin Lee

机构 * Seoul National University of Science and Technology（首尔科学技术大学） 纠错

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

AI总结 本文分析不同预测目标对无训练扩散引导中干净图像估计精度的影响，提出x预测能最可靠地保持引导样本在数据流形上，并引入Child FID指标评估流形损伤。

Comments Accepted to ECCV 2026. 15-page main paper with appendix (48 pages total, 14 figures). Project page: https://manluml.github.io/on-manifold-tfg

AnF-DiffPET: Anatomy- and Frequency-Guided Diffusion for PET/CT Denoising

AnF-DiffPET: 用于PET/CT去噪的解剖与频率引导扩散

Xuepeng Liu, Ruili Li, Zetong Liu, Renyiming Li, Yan Li, Yin Dai, Chao Li, Yueyang Teng

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） ； Department of Clinical Neurosciences, University of Cambridge（剑桥大学临床神经科学系） 纠错

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

AI总结 提出AnF-DiffPET框架，通过解剖-频率引导、多尺度交叉变换重建和频率对比硬挖掘，解决低剂量PET去噪中的解剖引导不足、多尺度特征传播不稳定和频域恢复不确定性问题，在多个数据集上优于现有方法。

Comments 11 pages, 8 figures, 3 tables

Vitality-Aware Compression for Efficient Image-to-Shape Diffusion Transformers

活力感知压缩：面向高效图像到形状扩散Transformer

Jaeah Lee, Hyunjin Kim, Jaewoong Cho, Gihyun Kwon

机构 * KRAFTON AI, Republic of Korea（KRAFTON AI, 韩国） ； Amazon, Australia（亚马逊, 澳大利亚） 纠错

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

AI总结 提出首个针对图像到形状扩散Transformer的压缩方法，通过活力引导的结构化剪枝、自适应量化和微调，在保持几何保真度下实现高达66%的模型尺寸缩减。

Comments Accepted to ECCV 2026

Joint Medical Image Enhancement and Segmentation with Diffusion-based Symbiotic Information Interaction

基于扩散的共生信息交互的联合医学图像增强与分割

Ying Chen, Jinyue Li, Qiankun Li

机构 * Shenzhen Research Institute, The Chinese University of Hong Kong（香港中文大学深圳研究院） ； University of Science and Technology of China（中国科学技术大学） ； Imperial Global Singapore, Imperial College London（伦敦帝国学院新加坡分校） 纠错

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

AI总结 提出DiSIINet，利用扩散模型和共生信息交互模块，在统一框架中实现图像增强与分割的相互促进，在多模态医学图像上取得显著性能提升。

Comments Accepted by IJCAI 2026

HIR-ALIGN: Enhancing Hyperspectral Image Restoration via Diffusion-Based Data Generation

HIR-ALIGN：通过基于扩散的数据生成增强超光谱图像恢复

Li Pang, Heng Zhao, Yijia Zhang, Deyu Meng, Xiangyong Cao

机构 * School of Mathematics and Statistics, Xi’an Jiaotong University（西安交通大学数学与统计学学院） ； School of Computer Science and Technology, Xi’an Jiaotong University（西安交通大学计算机科学与技术学院） ； School of Mathematics and Statistics and the Ministry of Education Key Laboratory for Intelligent Networks and Network Security, Xi’an Jiaotong University（西安交通大学数学与统计学学院和教育部智能网络与网络安全重点实验室） ； Pazhou Laboratory (Huangpu), Guangzhou（广州黄埔 Pazhou 实验室） 纠错

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

AI总结 本文提出HIR-ALIGN框架，通过生成与目标分布匹配的合成数据提升超光谱图像恢复性能，包含代理生成、分布自适应合成和对齐监督微调三个阶段，理论分析表明增强细调可降低目标域恢复风险。

FUMO: Prior-Modulated Diffusion for Single Image Reflection Removal

FUMO：先验调制扩散模型用于单图像反射去除

Telang Xu, Chaoyang Zhang, Guangtao Zhai, Xiaohong Liu

机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院） ； Xi’an Jiaotong University（西安交通大学） 纠错

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

AI总结 提出FUMO扩散模型，通过从混合图像提取强度和高频先验，结合粗到细训练范式，实现空间自适应和结构保真的单图像反射去除。

Comments Accepted by ECCV 2026

Next-Frame Decoding for Ultra-Low-Bitrate Image Compression with Video Diffusion Priors

利用视频扩散先验的超低比特率图像压缩的下一帧解码

Yunuo Chen, Chuqin Zhou, Jiangchuan Li, Xiaoyue Ling, Bing He, Jincheng Dai, Li Song, Guo Lu

机构 * Shanghai Jiao Tong University（上海交通大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） 纠错

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

AI总结 提出一种超低比特率图像压缩新范式，通过定义紧凑锚帧作为中间状态，利用预训练视频扩散模型将解码转化为下一帧预测，在保持语义的同时丢弃高频细节，相比DiffC在CLIC2020上节省超50%比特率并实现5倍解码加速。

Comments Accepted by ECCV 2026

Spectral and Trajectory Regularization for Diffusion Transformer Super-Resolution

扩散变换器超分辨率的频谱与轨迹正则化

Jingkai Wang, Yixin Tang, Jue Gong, Jiatong Li, Shu Li, Libo Liu, Jianliang Lan, Yutong Liu, Yulun Zhang

机构 * Shanghai Jiao Tong University（上海交通大学） ； Shenzhen Transsion Holdings Co., Ltd.（深圳传音控股股份有限公司） 纠错

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

AI总结 提出StrSR框架，通过非对称判别蒸馏和频率分布匹配策略，解决扩散变换器在真实图像超分辨率中的轨迹失配和周期性伪影问题，实现最先进性能。

Comments 15 pages, appears at ECCV 2026

GryphOne: Symbol-Aware Masked Diffusion for Structural Refinement in Offline Handwritten Mathematical Expression Recognition

GryphOne: 面向离线手写数学表达式识别中结构细化的符号感知掩码扩散

Takaya Kawakatsu, Ryo Ishiyama

机构 * Preferred Networks, Inc.（Preferred Networks公司） ； 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 提出离散扩散框架GryphOne，将HMER重构为迭代符号细化而非序列生成，通过符号感知分词和随机掩码互学习提升鲁棒性，在MathWriting上达到5.51% CER和59.9% EM，超越所有重实现模型和商业系统。

Comments ECCV 2026

Mixture of Distributions Matters: Dynamic Sparse Attention for Efficient Video Diffusion Transformers

分布混合至关重要：面向高效视频扩散Transformer的动态稀疏注意力

Yuxi Liu, Yipeng Hu, Zekun Zhang, Kunze Jiang, Kun Yuan

机构 * Peking University（北京大学） ； University of Electronic Science and Technology of China（电子科技大学） ； University of Science and Technology of China（中国科学技术大学） 纠错

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

AI总结 提出MOD-DiT框架，通过两阶段动态稀疏注意力（利用早期去噪先验和分布混合线性近似预测掩码，结合在线块掩码策略）在无需采样的情况下实现高效视频生成，显著加速并保持质量。

End-to-End Training for Autoregressive Video Diffusion via Self-Resampling

通过自重采样实现自回归视频扩散的端到端训练

Yuwei Guo, Ceyuan Yang, Hao He, Yang Zhao, Meng Wei, Zhenheng Yang, Weilin Huang, Dahua Lin

机构 * The Chinese University of Hong Kong（香港中文大学） ； ByteDance Seed（字节跳动Seed） ； ByteDance（字节跳动） 纠错

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

AI总结 提出自回归视频扩散模型的端到端训练框架Resampling Forcing，通过自重采样模拟推理错误，结合稀疏因果掩码和动态历史路由，实现长视频生成的时间一致性。

Comments Project Page: https://guoyww.github.io/projects/resampling-forcing/

Distortion-Corrected Diffusion MRI Using Rotated-View EPI and Joint Field-Map/Image Estimation with Gaussian Primitives

使用旋转视图EPI和高斯原型的联合场图/图像估计的畸变校正扩散MRI

Wenqi Huang, Zhitao Li, Nan Wang, Yimeng Lin, Mengze Gao, Yurui Qian, Sevgi Gokce Kafali, Xiaozhi Cao, Kawin Setsompop, Daniel Rueckert, Congyu Liao

机构 * Chair for AI in Healthcare and Medicine, Technical University of Munich (TUM) and TUM University Hospital, and the School of Computation, Information and Technology, TUM（慕尼黑工业大学(TUM)医疗与医学人工智能教席、TUM大学医院、计算信息与技术学院） ； Neuroimaging Technology Research Center, Department of Radiology and Biomedical Imaging, University of California, San Francisco（加州大学旧金山分校放射与生物医学影像系神经影像技术研究中心） ； Innovation Academy for Precision Measurement Science and Technology, Chinese Academy of Sciences（中国科学院精密测量科学与技术创新研究院） ； Department of Radiology, Stanford University（斯坦福大学放射学系） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心(MCML)） ； Department of Computing, Imperial College London（伦敦帝国理工学院计算系） 纠错

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

AI总结 提出一种物理信息框架，直接从k空间联合估计B0场和无畸变图像，避免中间并行成像重建，通过高斯原型的连续参数化表示图像和场，支持旋转视图EPI，在高b值和高加速下显著改善畸变校正质量。

Accelerated Likelihood Maximization for Diffusion-based Versatile Content Generation

基于扩散模型的加速似然最大化用于多样化内容生成

Hyunsoo Lee, Inwoo Hwang, Young Min Kim

机构 * Seoul National University（首尔国立大学） 纠错

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

AI总结 提出加速似然最大化（ALM）方法，通过直接优化未观测区域并引入加速策略，实现高效、全局一致的内容生成，在多种任务中超越现有方法。

Comments ECCV 2026. Project website: http://hleephilip.github.io/ALM

Wavelet-Optimized Pseudo-3D Accelerated Diffusion Model for Truncated Computed Laminography

小波优化的伪3D加速扩散模型用于截断计算机层析成像

Genyuan Zhang, Junyao Wang, Chuandong Tan, Fenglin Liu, Yongning Zhou

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

AI总结 针对计算机层析成像中的投影截断问题，提出小波优化的伪3D加速扩散模型，通过扩展重建区域和引入小波正则化消除伪影，恢复高保真3D结构。

Comments 17 pages, 11 figures, 4 tables. Under review at NDT&E International

Controllable Histopathology Image Synthesis with Training-free Structural Initialization and Textural Modulation

可控的组织病理学图像合成：无需训练的结构初始化和纹理调制

Yuheng Qiu, Jingyi Luo, Chenfei Ye, Ting Ma, Jianfeng Cao

机构 * School of Biomedical Engineering, Harbin Institute of Technology (Shenzhen), Shenzhen, China（哈尔滨工业大学（深圳）生物医学工程学院，深圳，中国） 纠错

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

AI总结 提出CHIS框架，通过频率域结构初始化和小波域纹理调制，使无标签预训练扩散模型生成与先验结构掩码对齐且保持参考组织风格的图像，提升下游分割任务性能。

Comments Accepted at MICCAI 2026

GeoNVS: Geometry Grounded Video Diffusion for Novel View Synthesis

GeoNVS: 基于几何的视频扩散模型用于新视角合成

Minjun Kang, Inkyu Shin, Taeyeop Lee, Myungchul Kim, In So Kweon, Kuk-Jin Yoon

机构 * KAIST, South Korea（韩国科学技术院） ； Luma AI, USA（Luma AI（美国）） 纠错

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

AI总结 提出GeoNVS，通过高斯溅射特征适配器将扩散特征提升为3D高斯表示，增强几何保真度和相机可控性，在新视角合成任务上超越现有方法。

Comments The code will be available at https://sites.google.com/view/minjun-kang/geonvs-eccv26 (ECCV 2026)

Cross-Resolution Distribution Matching for Diffusion Distillation

跨分辨率分布匹配的扩散蒸馏

Feiyang Chen, Hongpeng Pan, Haonan Xu, Xinyu Duan, Zhefeng Wang, Yang Yang

机构 * Huawei（华为） ； Nanjing University of Science and Technology（南京理工大学） ； HiThink Research（海康研究院） 纠错

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

AI总结 提出跨分辨率分布匹配蒸馏（RMD）框架，通过logSNR映射和分布匹配弥合分辨率间隙，实现高保真、少步数多分辨率级联推理，在SDXL和Wan2.1-14B上分别加速33.4倍和25.6倍。

CharDiff-LP: A Diffusion Model with Character-Level Guidance for License Plate Image Restoration

CharDiff-LP: 一种具有字符级引导的车牌图像恢复扩散模型

Kihyun Na, Gyuhwan Park, Injung Kim

机构 * Handong Global University（韩东国际大学） 纠错

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

AI总结 提出CharDiff-LP扩散框架，通过字符级引导（CHARM模块）恢复严重退化车牌图像，在Roboflow-LP数据集上字符错误率相对降低28.3%。

Comments Accepted at ICPR 2026. 15 pages, 6 figures, 4 tables

PA-VAD: Diffusion-Based Pseudo-Only Video Anomaly Detection via Domain-Aligned Memory Updates

PA-VAD: 基于扩散的伪异常视频异常检测通过域对齐记忆更新

Satoshi Hashimoto, Yanan Wang, Hitoshi Nishimura, Mori Kurokawa

机构 * KDDI Research, Inc.（KDDI研究所） 纠错

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

AI总结 提出PA-VAD框架，仅用真实正常视频和扩散合成伪异常视频训练检测器，通过域对齐正则化模块（DARM）消除伪异常特征偏差，在多个基准上超越使用真实异常视频的方法。

Comments Accepted to ECCV 2026

Phase-Aligned RoPE for Mixed-Resolution Diffusion Transformer

相位对齐的混合分辨率扩散Transformer旋转位置编码

Haoyu Wu, Jingyi Xu, Qiaomu Miao, Dimitris Samaras, Hieu Le

机构 * Stony Brook University（石溪大学） ； UNC-Charlotte（北卡罗来纳大学夏洛特分校） 纠错

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

AI总结 针对混合分辨率token在RoPE中注意力分数异常的问题，提出无训练机制PMA，通过统一位置尺度稳定注意力，并引入边界细化模块提升局部连贯性，在图像和视频扩散模型中提升视觉质量与计算效率。

Comments Accepted to ECCV 2026. Project page: https://hao-yu-wu.github.io/mixed_res/

Rethinking Garment Conditioning in Diffusion-based Virtual Try-On: Decouple, Don't Denoise

重新思考基于扩散的虚拟试穿中的服装条件：解耦，而非去噪

Kihyun Na, Jinyoung Choi, Injung Kim

机构 * Handong Global University（韩东国际大学） 纠错

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

AI总结 针对扩散虚拟试穿中双UNet结构参数多、空间拼接全微调失效的问题，通过可视化研究揭示服装条件必须与去噪过程解耦，提出DeCo-VTON模型，以单网络架构达到双UNet水平且成本减半。

Comments Accepted at ECCV 2026. 28 pages, 9 figures, 11 tables

FeRA: Frequency-Energy Constrained Routing for Effective Diffusion Adaptation Fine-Tuning

FeRA: 面向高效扩散自适应微调的频率能量约束路由

Bo Yin, Xiaobin Hu, Xingyu Zhou, Yu He, Peng-Tao Jiang, Yue Liao, Junwei Zhu, Jiangning Zhang, Ying Tai, Shuicheng Yan

机构 * National University of Singapore（新加坡国立大学） ； University of Electronic Science and Technology of China（电子科技大学） ； Nanyang Technological University（南洋理工大学） ； vivo ； Tencent（腾讯） ； Nanjing University（南京大学） 纠错

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

AI总结 提出FeRA框架，通过揭示扩散模型去噪过程中的频率能量机制，利用频率能量指示器、软频率路由和频率能量一致性正则化，实现参数更新与内在频率能量进程对齐，从而高效稳定地微调扩散模型。

Multi-Channel Uncertainty-Weighted Score Matching for Conditional Diffusion in Medical UDA

多通道不确定性加权分数匹配用于医学UDA中的条件扩散

Chen Li, Meilong Xu, Xiaoling Hu, Weimin Lyu, Chao Chen

机构 * Stony Brook University（石溪大学） ； Massachusetts General Hospital and Harvard Medical School（麻省总医院与哈佛医学院） 纠错

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

AI总结 提出UPDiff-UDA框架，通过不确定性加权的分数匹配聚合多通道伪标签，结合贝塞尔曲线适应，提升跨模态医学图像分割性能。

Comments 28 pages, 7 figures. Accepted by ECCV'2026

Few to Big: Prototype Expansion Network via Diffusion Learner for Point Cloud Few-shot Semantic Segmentation

从少到多：基于扩散学习器的原型扩展网络用于点云小样本语义分割

Qianguang Zhao, Dongli Wang, Yan Zhou, Jianxun Li, Richard Irampa

机构 * School of Mathematics and Computational Science, Xiangtan University（湘潭大学数学与计算科学学院） ； School of Automation and Electronics Information, Xiangtan University（湘潭大学自动化与电子信息学院） ； School of Automation, Shanghai Jiao Tong University（上海交通大学自动化学院） 纠错

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

AI总结 针对小样本点云语义分割中原型容量小且与查询空间不对齐的问题，提出原型扩展网络（PENet），利用扩散模型的预训练条件编码器扩展原型，并通过推-拉机制对齐，在S3DIS和ScanNet数据集上取得最优性能。

Filterless Snapshot Hyperspectral Imaging using Guided Patch Diffusion

无滤波器快照高光谱成像引导补丁扩散

Dean Hazineh, Luca Sacchi, Davide Cassara, Federico Capasso, Todd Zickler

机构 * Harvard University（哈佛大学） 纠错

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

AI总结 提出使用条件去噪扩散模型，通过小补丁移位不变操作和光学点扩散函数物理一致性引导，从单衍射透镜和滤光片全色传感器捕获的灰度快照中重建高光谱图像。

Comments ECCV 2026