视觉与机器人
图像生成、文生图、图像编辑、扩散模型和可控生成。
ORBIS: 通过分布感知匹配的输出引导标记减少以加速视频扩散
机构 * KAIST（韩国科学技术院）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文提出ORBIS，一种针对视频扩散Transformer的SW-HW协同设计加速器，通过利用前一时间步的输出激活获得更准确的token相似性，从而提高匹配质量并实现更高的标记减少比例，同时引入分布感知标记匹配算法和专用硬件设计，实现比现有方法更高的标记减少率、更快的速度和更低的能耗。
引导轨迹优化与稀疏缩放用于测试时间扩散
机构 * Guangdong University of Technology（广东工业大学） ； South China University of Technology（华南理工大学） ； Nanyang Technological University（南洋理工大学）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文提出RTS方法，通过奖励引导的噪声优化策略和稀疏测试时间缩放框架，提升扩散模型的生成性能，实验表明在GenEval和ImageReward指标上均优于现有方法。
分层变分策略用于奖励引导的扩散
机构 * Department of Computer Science（计算机科学系） ； University of California Irvine（加州大学伊文斯顿分校）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文提出了一种分层变分模型框架，通过将控制信息压缩到轻量级且表达能力强的随机策略中，实现了在降低推理成本的同时生成高质量的奖励对齐样本，该方法在4倍超分辨率任务中实现了比现有最佳基线快5倍的推理速度并具有更好的感知质量。
具有时间意识的剪枝用于高效扩散式视频生成
机构 * University of Pittsburgh（匹兹堡大学） ； Illinois Institute of Technology（伊利诺伊理工学院） ； Rutgers University（罗格斯大学） ； Rice University（Rice大学）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文提出TAPE，一种无需训练的时间感知剪枝方法，用于高效扩散式视频生成，通过时间平滑、层内token重选和时间步预算调度，提升生成效率并保持高质量视觉效果。
局部关注，线性记忆：线性注意力作为跨帧记忆用于自回归视频扩散
机构 * Institute of Artificial Intelligence, University of Central Florida（中央佛罗里达大学人工智能研究所）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文提出了一种名为ARL2的混合注意力模块，通过将二次跨帧注意力替换为固定大小的递归状态，解决了自回归视频扩散模型在长视频生成中的可扩展性瓶颈问题，实现了线性时间复杂度和常数内存消耗，同时提升了时间一致性。
一种用于南极 Landsat 7 ETM+ SLC-off 图像恢复的非参考扩散框架
机构 * College of Surveying and Geo-Informatics, Tongji University, Shanghai 200092, China（同济大学测绘与地理信息学院，上海200092，中国）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文提出 DiffGF 框架，通过非参考扩散方法恢复 Landsat 7 SLC-off 图像，无需外部参考数据，利用南极专用数据集 SLCANT 进行训练和评估，验证了其在恢复南极 SLC-off 图像方面的高保真度，并通过下游裂缝分割应用展示了其实际价值。
Comments Submitted to IEEE JSTARS
Q-ARVD: 对自回归视频扩散模型进行量化
机构 * National University of Singapore（新加坡国立大学） ； The Hong Kong Polytechnic University（香港理工大学）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文针对自回归视频扩散模型（ARVD）的量化问题，提出了一种新的框架Q-ARVD，解决了帧间量化敏感度不平衡和权重中异质性异常模式的问题，从而提高了模型效率。
Comments Code: https://github.com/tsa18/Q-ARVD
学习物理中的推理：通过表征对齐打破科学扩散中的捷径学习
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港理工大学（广州）） ； Shandong University（山东大学） ； LimX Dynamics Technology Co., Ltd.（LimX动态技术有限公司） ； Xidian University（西安电子科技大学） ； Peking University（北京大学） ； Institute of Deep Perception Technology, Jiangsu Industrial Technology Research Institute (JITRI)（感知技术研究院，江苏工业技术研究院（JITRI）） ； Griffith University（格里菲斯大学）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 该研究提出了一种无需教师的框架REPA-P，通过使用原理残差对中间特征与物理状态进行对齐，以解决物理信息扩散模型中中间表示在边界条件变化时容易产生捷径学习的问题，从而在四个PDE任务中提高了收敛速度、减少了物理残差并增强了分布外鲁棒性。
AttriStory: 基于扩散模型的视觉叙事中细粒度属性实现
机构 * Indian Institute of Science（印度科学研究院）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文提出AttriStory基准，通过细粒度属性实现提升视觉叙事的质量，引入了在早期去噪步骤中操作的潜在优化模块，并通过AttriLoss目标增强属性-对象对的对齐度，从而实现更精确的属性定位。
Comments Accepted at CVPR AIStory Workshop, 2026
Diffuse to Detect: 基于伪标签扩散的双级样本再平衡点监督红外小目标检测
机构 * School of Software Technology, Dalian University of Technology, Dalian, China（大连理工大学软件学院）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文提出了一种更适应且稳定的框架，通过利用热辐射模式与热扩散的内在一致性，提出了一种物理诱导的标注策略，扩展单点标签为可靠的伪掩码，并开发了双级双更新框架，联合优化检测器权重、样本权重和扩散参数，以提高监督效果并缓解样本不平衡问题。
RoPeSLR: 3D RoPE驱动的稀疏低秩注意力用于高效的扩散变换器
机构 * Peking University（北京大学） ； University of Electronic Science and Technology of China（电子科技大学） ； Beijing University of Posts and Telecommunications（北京邮电大学）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本研究提出RoPeSLR，一种基于3D RoPE的稀疏低秩注意力框架，旨在解决扩散变换器中长序列生成的高复杂度问题，通过结合高频率语义尖峰集和极低秩背景连续体，实现子二次稀疏性和子线性秩增长，从而在超长视频推理中表现出色。
用自回归扩散模型加速视频逆问题求解器
机构 * KAIST（韩国科学技术院） ； EverEx
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文提出自回归视频逆问题求解器（AVIS），通过自回归扩散模型实现流式视频恢复，显著降低初始延迟并提高吞吐量，同时保持高质量的恢复效果，并进一步提出加速变体AVIS Flash，实现更高的吞吐量和更优的效率-性能权衡，为实时部署铺平道路。
Comments Project page is available here: https://avis-project.github.io/
注意生成细节：面向视频扩散模型的直接局部化细节偏好优化
机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Alibaba Group - Taobao & Tmall Group（阿里巴巴集团-淘宝 & 天猫集团）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文提出LocalDPO，一种新的后训练框架，通过从真实视频中构建局部偏好对，并在时空区域层面优化对齐，以提高视频生成的质量和人类偏好评分。
Comments Accepted by CVPR 2026
基于表示空间扩散模型的Tippett最小融合多编码器异常检测
机构 * Georgia Institute of Technology（佐治亚理工学院）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文提出了一种多编码器融合的表示空间扩散模型，通过统计分析每个编码器对特定分布偏移类型的敏感性，引入EncMin2L门控机制，无需使用OOD标签即可在较低参数成本下提升异常检测性能，同时在四种分布偏移类型上均达到0.94以上的AUROC。
Comments 14 pages
EPC-3D-Diff: 基于CBCT到CT合成的等价物理一致条件3D潜在扩散模型
机构 * School of Science and Engineering, University of Dundee UK（邓迪大学科学与工程学院） ； Faculty of Applied Sciences, Jordan University of Science and Technology（约旦科学技术大学应用科学学院） ； Experia Healthcare, Jordan（约旦Experia医疗） ； School of Cardiovascular and Metabolic Health, University of Glasgow UK（格拉斯哥大学心血管与代谢健康学院）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文提出EPC-3D-Diff，一种新的条件3D潜在扩散框架，用于体积CBCT到CT合成，通过引入从成像物理导出的投影域等价损失，提高了物理一致性。该方法在训练过程中通过正向投影旋转合成的CT体积，并将其与相应角度偏移的投影进行匹配，从而在扩散目标中集成物理一致的等价约束。
Comments 10 pages, 4 figures
PolycubeNet: 一种基于多立方体的双潜在扩散模型用于六面体网格生成
机构 * Dalian University of Technology（大连理工大学） ； Jiangxi University of Science and Technology（江西理工大学） ； School of Mathematical Sciences, Guangxi Minzu University（广西民族大学数学与计算机科学学院） ； Caohejing Hi-Tech Park Development Co., Ltd.（曹家京高科技园发展有限公司） ； Shanghai AI Laboratory（上海人工智能实验室）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.GR
AI总结 本文提出了一种基于条件扩散模型的端到端框架，用于生成基于多立方体的六面体网格，通过双潜在条件扩散架构有效解耦了计算复杂度与输入输出分辨率，提高了生成效率和鲁棒性。
面向几何视角的扩散模型
机构 * Elsa Lab, National Taiwan University（国家台湾大学 Elsa 实验室）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文提出了一种面向几何视角的扩散模型，通过重塑优化景观来引导更新至真实视角，并通过视角条件扩散模型进行细化，以提高收敛性、减少对暴力采样依赖并实现更高的样本效率。
Comments CVPR2026
用于扩散对齐的拼接价值模型
机构 * ETH Zurich（苏黎世联邦理工学院） ； Google（谷歌） ； University of Copenhagen（哥本哈根大学）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文提出StitchVM，一种将预训练的干净图像奖励模型转移到噪声潜在空间的拼接框架，通过高效转移和微调，提升扩散对齐的效率和效果。
Comments Project page: https://gohyojun15.github.io/StitchVM/
EpiDiffVO: 一种基于几何的视差扩散用于鲁棒视觉里程计
机构 * International Institute of Information Technology Bangalore（国际信息科技学院班加罗尔）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文提出了一种稀疏视差匹配框架，通过优化几何一致性来减少冗余，并结合视差扩散过程和图神经网络实现高效的视觉里程计。
Comments 8 pages, 5 figures, in revision to be submitted to IEEE RA-L
视觉扩散变换器中稀疏专家混合路由的稀疏性：从路由崩溃到选择性死锁的诊断、边界校准和进化路线图
机构 * Haiying Sha（海ying Sha）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文系统诊断了Token-Choice稀疏混合专家（MoE）在视频扩散变换器中的训练失败模式，通过分析超过6500万个标记的路由决策时间序列，提出了功能冗余假说，并总结了从视觉统一到世界模型的三步进化路线图。
缓解大扩散视觉-语言模型中的遮蔽先验漂移和位置注意力崩溃
机构 * Department of Artificial Intelligence, Yonsei University, Seoul, Republic of Korea（首尔大学人工智能系）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文研究了大扩散视觉-语言模型在长形式生成中的重复生成和视觉 grounding 退化问题，提出了一种无需训练的解决方案来缓解遮蔽先验漂移和位置注意力崩溃。
分布原型扩散学习用于开放集监督异常检测
机构 * Nanjing University of Science and Technology（南京理工大学） ； Nanjing SeetaCloud Technology（南京海康威视科技） ； Beijing Normal University（北京师范大学）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文提出了一种分布原型扩散学习方法，通过构建可学习的高斯原型来创建潜在表示空间，以提高正常样本的判别边界，并通过Schroedinger桥促进正常样本向原型的扩散，同时将异常样本推离，从而提升异常检测性能。
Comments Accepted by CVPR 2025
SafeDiffusion-R1: 在线奖励引导用于安全扩散后训练
机构 * Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； Michigan State University（密歇根州立大学）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文提出了一种在线强化学习框架，通过在负样本和正样本文本提示上进行后训练，利用组相对策略优化（GRPO）解决数据稀缺和模型退化问题，引入了引导奖励机制以提高扩散模型的安全性，实验表明其在减少不适当内容和提升生成质量方面表现优异。
Comments Page 28, Image 20, Table 6
双速率扩散：通过交错重-轻网络加速扩散模型
机构 * Google DeepMind Amsterdam（谷歌深Mind阿姆斯特丹） ； Amsterdam University of Amsterdam（阿姆斯特丹大学）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文提出双速率扩散方法，通过交错执行高容量上下文编码器和轻量解噪模型，加速扩散模型推理，同时保持样本质量，在ImageNet基准上实现性能与计算成本的平衡。
LURE: 用于扩散模型多概念重新唤醒的潜在空间解阻
机构 * Sichuan University（四川大学） ； The Hong Kong Polytechnic University（香港理工大学） ； Nanyang Technological University（南洋理工大学） ； Yonsei University（延世大学）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文提出LURE方法，通过重建潜在空间和引导采样轨迹，实现多概念的高保真重新唤醒，解决了现有方法在多概念场景下的梯度冲突和特征纠缠问题。
快速核空间扩散用于遥感全色锐化
机构 * University of Electronic Science and Technology of China（电子科技大学）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文提出KSDiff框架，通过整合低秩核心张量生成器和统一因子生成器，利用结构感知的多头注意力机制生成增强全局上下文的卷积核，以提升全色锐化质量并加速推理，实验表明其在性能和效率上均优于现有方法。
Comments CVPR 2026 Findings
通过路径测度的序列蒙特卡洛实现扩散模型的简单近似与无导数推理时间缩放
机构 * School of Mathematical Sciences, Peking University, Beijing, China ； School of Mathematical Sciences, Fudan University, Shanghai, China ； Department of Industrial Engineering \& Management Sciences, Northwestern University, Evanston, IL, United States ； Institute for Computational \& Mathematical Engineering, Stanford University, Stanford, CA, United States ； Management Science \& Engineering, Stanford University, Stanford, CA, United States
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文提出URGE算法，一种无需梯度的推理时间缩放方法，通过路径重要性重加权提升扩散模型样本质量，同时在合成测试和扩散模型基准中表现出色，且实现简单且无梯度依赖。
Comments accepted by ICML 2026
利用扩散模型从街景图像中设计街道景观
机构 * Department of Urban and Regional Planning, University of Florida（城市与区域规划系，佛罗里达大学） ； Singapore-MIT Alliance for Research and Technology Centre (SMART)（新加坡-麻省理工联合研究中心（SMART）） ； Department of Landscape Architecture and Urban Planning, Texas A&M University（景观建筑与城市规划系，德克萨斯大学安德森分校） ； Department of Agronomy, University of Florida（农业系，佛罗里达大学）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文提出了一种生成多模态AI框架，通过目标视觉指标生成替代的街道景观，提升了城市规划和设计中的视觉探索能力。
SlimDiffSR: 向轻量高效遥感图像超分辨率迈进：通过扩散模型蒸馏
机构 * School of Remote Sensing and Information Engineering, Wuhan University（武汉大学遥感与信息工程学院）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文提出SlimDiffSR，一种轻量高效的基于扩散模型的遥感图像超分辨率框架，通过引入不确定性引导的时间步分配策略和结构化剪枝策略，提升模型效率和重建质量。
向稀疏视角X射线CT数据重建迈进：基于扩散模型
机构 * 1 Martin-Luther-University Halle-Wittenberg, Institute of Physics, Halle, Germany ； 2 Centrum Wiskunde \& Informatica, Computational Imaging Group, Amsterdam, The Netherlands
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文研究了如何利用扩散模型重建稀疏视角X射线CT数据，探讨了训练数据不匹配（域偏移）和正向模型不匹配对实验数据应用的影响，发现域偏移在不同程度上影响模型性能，而正向模型不匹配可通过退火似然权重调度缓解。
Comments 5 pages + references, 4 figures, 2 tables, conference paper
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈