图像生成

UniE2F: A Unified Diffusion Framework for Event-to-Frame Reconstruction with Video Foundation Models

UniE2F: 一种基于视频基础模型的统一扩散框架用于事件到帧重建

Gang Xu, Zhiyu Zhu, Junhui Hou

机构 * Department of Computer Science, City University of Hong Kong（香港城市大学计算机科学系） ； Guangdong Laboratory of Artificial Intelligence and Digital Economy (SZ)（广东人工智能与数字经济实验室（深圳）） ； Department of Computer Science, City University of Hong Kong (Dongguan)（香港城市大学（东莞）计算机科学系） 纠错

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

AI总结 本文提出UniE2F框架，利用预训练视频扩散模型的生成先验，从稀疏事件数据中重建高保真视频帧，通过引入事件基帧间残差引导提升重建精度，并扩展到零样本视频帧插值与预测。

Phase-map synthesis from magnitude-only MR images using conditional score-based diffusion models with application in training of accelerated MRI reconstruction models

仅使用幅度图像的相位图合成方法及其在加速MRI重建模型训练中的应用

M. Berk Sahin, Dilek Yalcinkaya, Abolfazl Hashemi, Behzad Sharif

机构 * Purdue University（普渡大学） 纠错

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

AI总结 本文提出利用条件分数扩散模型合成幅度图像的相位图，从而生成大规模k空间数据集，用于训练更通用的MRI重建模型，提升重建质量与诊断准确性。

Watch Your Step: Information Injection in Diffusion Models via Shadow Timestep Embedding

小心脚下：通过影子时间步嵌入在扩散模型中注入信息

An Huang, Junggab Son, Zuobin Xiong

机构 * Department of Computer Science, University of Nevada Las Vegas（内华达大学拉斯维加斯分校计算机科学系） 纠错

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

AI总结 研究探讨了扩散模型中时间步嵌入的潜在信息注入风险，提出影子时间步嵌入机制，揭示时间步嵌入作为侧信道的潜力，推动对抗生成建模的新方向。

Comments 14 pages, accepted to ICML 2026

A Coupled Fourth Order Telegraph Diffusion Framework Using Grayscale Indicators for Image Despeckling

一种利用灰度指标的耦合四阶电报扩散框架用于图像去斑

Manish Kumar, Rajendra K. Ray

机构 * School of Mathematical and Statistical Sciences（数学与统计科学学院） ； Indian Institute of Technology Mandi（印度理工学院曼迪） 纠错

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

AI总结 本文提出一种非线性四阶耦合双曲-抛物型PDE模型，通过灰度指标保护纹理和结构，有效去斑并保留细节，实验表明其在PSNR、MSSIM和斑点指数上表现优异。

Need for Speed: Zero-Shot Depth Completion with Single-Step Diffusion

速度为王：单步扩散的零样本深度补全

Jakub Gregorek, Paraskevas Pegios, Nando Metzger, Konrad Schindler, Theodora Kontogianni, Lazaros Nalpantidis

机构 * DTU - Technical University of Denmark（丹麦技术大学） ； Pioneer Centre for AI（先锋人工智能中心） ； ETH Zürich（苏黎世联邦理工学院） 纠错

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

AI总结 本文提出Marigold-SSD框架，通过单步晚融合方法结合强扩散先验，降低测试时优化成本，实现高效鲁棒的3D感知。该方法在四个室内和两个室外数据集上表现优异，显著缩小了扩散模型与判别模型间的效率差距。

Information-geometric adaptive sampling for graph diffusion

信息几何自适应采样用于图扩散

Yuhui Lu, Wenjing Liu, Kun Zhan

机构 * School of Information Science and Engineering（信息科学与工程学院） 纠错

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

AI总结 本文提出基于信息几何的图扩散自适应采样方法，通过Fisher-Rao度量定义信息速度，提升分子和社会网络生成的结构保真度和采样效率。

Comments Accepted to ICML 2026!

Conditional Diffusion Posterior Alignment for Sparse-View CT Reconstruction

基于条件扩散后验对齐的稀疏视图CT重建

Luis Barba, Johannes Kirschner, Benjamin Bejar

机构 * Swiss Data Science Center (SDSC) in Paul Scherrer Institute (PSI)（瑞士数据科学中心（SDSC）在保罗·舍勒研究所（PSI）） ； Swiss Data Science Center (SDSC) and ETH Zurich（瑞士数据科学中心（SDSC）和苏黎世联邦理工学院） ； Swiss Data Science Center (SDSC) and Paul Scherrer Institute (PSI)（瑞士数据科学中心（SDSC）和保罗·舍勒研究所（PSI）） 纠错

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

AI总结 本文提出CDPA方法，结合条件扩散与显式数据一致性，解决稀疏视图CT重建中3D体积扩展问题，通过2D U-Net模型提升切片一致性，并在合成和真实CBCT数据上取得最佳性能。

It's Never Too Late: Noise Optimization for Collapse Recovery in Trained Diffusion Models

迟到也不晚：通过噪声优化在训练好的扩散模型中恢复崩溃

Anne Harrington, A. Sophia Koepke, Shyamgopal Karthik, Trevor Darrell, Alexei A. Efros

机构 * UC Berkeley（加州大学伯克利分校） ； University of Tübingen, Tübingen AI Center（图宾根大学，图宾根人工智能中心） ； TU Munich, MCML（慕尼黑工业大学，MCML） 纠错

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

AI总结 本文通过噪声优化提升扩散模型生成多样性，减少模式崩溃，同时保持基础模型的保真度。

Comments CVPR 2026. Project page at https://akoepke.github.io/divgen/index.html

DiffMI: Breaking Face Recognition Privacy via Diffusion-Driven Training-Free Model Inversion

DiffMI：通过扩散驱动的无训练模型逆向攻击破解人脸识别隐私

Hanrui Wang, Shuo Wang, Chun-Shien Lu, Isao Echizen

机构 * Echizen Lab, National Institute of Informatics (NII)（筑前实验室，日本国立信息学研究所） ； Shanghai Jiao Tong University（上海交通大学） ； Institute of Information Science, Academia Sinica（学术院信息科学研究所） 纠错

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

AI总结 本文提出DiffMI，一种基于扩散的无训练模型逆向攻击方法，通过鲁棒潜在码初始化、对抗性细化策略和统计学基础的优化目标，实现对未知目标身份和人脸识别模型的有效攻击，具有更高的适应性和更低的计算开销。

Comments IEEE Transactions on Information Forensics and Security

Journal ref IEEE Transactions on Information Forensics and Security, vol. 21, 2026. 4275-4290

Diffusion Models are Secretly Zero-Shot 3DGS Harmonizers

扩散模型实际上是秘密的零样本3DGS和谐者

Vsevolod Skorokhodov, Nikita Durasov, Pascal Fua

机构 * Computer Vision Laboratory, EPFL（EPFL 计算机视觉实验室） 纠错

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

AI总结 本文提出D3DR方法，通过扩散模型隐含理解场景光照，实现3DGS场景中物体的自然插入与光照修正，提升视图合成质量。

Noise2Map: End-to-End Diffusion Model for Semantic Segmentation and Change Detection

Noise2Map: 语义分割与变化检测的端到端扩散模型

Ali Shibli, Andrea Nascetti, Yifang Ban

机构 * Division of Geoinformatics, School of Architecture and Built Environment, KTH Royal Institute of Technology（地理信息学系，建筑与环境学院，皇家理工学院） 纠错

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

AI总结 本文提出Noise2Map模型，通过扩散模型的去噪过程实现端到端的语义分割和变化检测，结合任务特定的噪声调度和时间步条件，提升模型的可解释性和鲁棒性。

D-Rex : Diffusion Rendering for Relightable Expressive Avatars

D-Rex：基于扩散的可重新照明表达性人体虚拟角色

Timo Teufel, Xilong Zhou, Umar Iqbal, Jan Kautz, Marc Habermann, Vladislav Golyanik, Christian Theobalt

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

AI总结 D-Rex提出一种人特定框架，实现真实感、可重新照明、表达性和可动画化的全身体虚拟角色，通过图像空间后处理实现与虚拟角色建模的解耦，优于基于物理的可重新照明虚拟角色基线。

Co-generation of Layout and Shape from Text via Autoregressive 3D Diffusion

通过自回归3D扩散模型生成布局和形状

Zhenggang Tang, Yuehao Wang, Yuchen Fan, Jun-Kun Chen, Yu-Ying Yeh, Kihyuk Sohn, Zhangyang Wang, Qixing Huang, Alexander Schwing, Rakesh Ranjan, Dilin Wang, Zhicheng Yan

机构 * Meta Reality Labs（Meta现实实验室） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

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

AI总结 本文提出一种新的文本到场景生成方法，通过自回归3D扩散模型生成布局和形状，解决文本描述与生成场景不一致的问题。

StereoSpace: Depth-Free Synthesis of Stereo Geometry via End-to-End Diffusion in a Canonical Space

StereoSpace：通过端到端扩散在规范空间中实现无深度的立体几何合成

Tjark Behrens, Anton Obukhov, Bingxin Ke, Fabio Tosi, Matteo Poggi, Konrad Schindler

机构 * ETH Zurich（苏黎世联邦理工学院） ； University of Bologna（博洛尼亚大学） ； HUAWEI Bayer Lab（华为贝加尔实验室） 纠错

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

AI总结 StereoSpace通过端到端扩散模型在规范空间中实现无深度的立体几何合成，采用视角条件化方法，无需显式深度或变形，通过端到端生成对应关系和填补遮挡区域，提升立体生成的清晰度和鲁棒性。

Comments CVPR 2026 Findings. Project page: https://hf.co/spaces/prs-eth/stereospace

SnapPose3D: Diffusion-Based Single-Frame 2D-to-3D Lifting of Human Poses

SnapPose3D: 基于扩散模型的单帧2D到3D姿态提升

Alessandro Simoni, Riccardo Catalini, Davide Di Nucci, Guido Borghi, Davide Davoli, Lorenzo Garattoni, Gianpiero Francesca, Yuki Kawana, Roberto Vezzani

机构 * University of Modena and Reggio Emilia（摩德纳和雷吉奥艾米利亚大学） ； Toyota Motor Europe（丰田欧洲公司） ； Woven by Toyota（丰田织造） 纠错

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

AI总结 本文提出SnapPose3D，通过扩散模型生成多个假设并聚合，解决2D到3D姿态提升中的深度模糊和关节不确定性问题，利用单帧输入提升计算效率。

Comments Accepted at ICPR 2026

Delta Score Matters! Spatial Adaptive Multi Guidance in Diffusion Models

Delta Score Matters! 空间自适应多引导在扩散模型中

Haosen Li, Wenshuo Chen, Lei Wang, Shaofeng Liang, Bowen Tian, Soning Lai, Yutao Yue

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港理工大学（广州）） ； Griffith University & Data61/CSIRO（格里菲斯大学及Data61/CSIRO） 纠错

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

AI总结 本文提出空间自适应多引导方法，通过几何分析解决扩散模型中细节与伪影的矛盾，提升语义对齐和结构完整性。

Beyond Fixed Formulas: Data-Driven Linear Predictor for Efficient Diffusion Models

超越固定公式：用于高效扩散模型的数据驱动线性预测器

Zhirong Shen, Rui Huang, Jiacheng Liu, Chang Zou, Peiliang Cai, Shikang Zheng, Zhengyi Shi, Liang Feng, Linfeng Zhang

机构 * Shanghai Jiao Tong University（上海交通大学） ； University of Electronic Science and Technology of China（电子科技大学） ； Shandong University（山东大学） ； Xiamen University（厦门大学） ； Fudan University（复旦大学） 纠错

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

AI总结 本文提出L2P数据驱动缓存框架，通过学习每时间步的权重替代固定系数，有效降低扩散模型采样成本，实现4.55倍FLOPs减少和4.15倍延迟加速。

Comments Accepted by CVPR 2026

High-Dimensional Noise to Low-Dimensional Manifolds: A Manifold-Space Diffusion Framework for Degraded Hyperspectral Image Classification

高维噪声到低维流形：一种用于退化超光谱图像分类的流形空间扩散框架

Boxiang Yang, Ning Chen, Xia Yue, Yichang Luo, Yingbo Fan, Haoyuan Zhang, Haoyu Ma, Jun Yue, Shanjun Mao

机构 * Institute of Remote Sensing and Geographic Information System, Peking University（遥感与地理信息系统研究所，北京大学） ； Beijing Key Laboratory of Spatio-temporal Perception and Urban Resilience, Peking University（北京时空感知与城市韧性重点实验室，北京大学） ； School of Computer Science and Engineering, Central South University（中南大学计算机科学与工程学院） ； Aerospace Information Research Institute, Chinese Academy of Sciences（中国科学院航空航天信息研究所） ； Institute of energy, Peking University（北京大学能源研究所） ； School of Mechanics and Engineering Science, Peking University（北京大学力学与工程科学学院） ； School of Automation, Central South University（中南大学自动化学院） 纠错

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

AI总结 本文提出一种流形空间扩散框架，通过判别光谱-空间重建任务将高维退化数据映射到低维流形，利用扩散模型稳定潜在特征，提升复杂退化条件下的分类性能。

Inferix: A Block-Diffusion based Next-Generation Inference Engine for World Simulation

Inferix：基于块扩散的下一代世界模拟推理引擎

Inferix Team, Tianyu Feng, Yizeng Han, Jiahao He, Yuanyu He, Xi Lin, Teng Liu, Hanfeng Lu, Jiasheng Tang, Wei Wang, Zhiyuan Wang, Jichao Wu, Mingyang Yang, Yinghao Yu, Zeyu Zhang, Bohan Zhuang

机构 * Inferix Team（Inferix 团队） 纠错

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

AI总结 Inferix 是一种基于块扩散的下一代推理引擎，通过优化半自回归解码过程实现沉浸式世界合成，支持交互式视频流和性能分析，结合 LV-Bench 提供高效评估。

Towards Redundancy Reduction in Diffusion Models for Efficient Video Super-Resolution

向扩散模型的冗余减少迈进：为高效视频超分辨率而优化

Jinpei Guo, Yifei Ji, Shengwei Wang, Zheng Chen, Yufei Wang, Sizhuo Ma, Yong Guo, Baiang Li, Jusheng Zhang, Yulun Zhang, Jian Wang

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Shanghai Jiao Tong University（上海交通大学） ； Sun Yat-sen University（中山大学） ； Snap Inc.（Snap公司） ； South China University of Technology（华南理工大学） 纠错

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

AI总结 本文提出OASIS，一种针对真实世界视频超分辨率的高效单步扩散模型，通过注意力专业化路由减少冗余，提升性能与推理速度。

FA-Seg: A Fast and Accurate Diffusion-Based Method for Open-Vocabulary Segmentation

FA-Seg: 一种基于扩散模型的快速且准确的开放词汇分割方法

Huy Che, Vinh-Tiep Nguyen

机构 * University of Information Technology（信息科技大学） ； Vietnam National University（越南国家大学） 纠错

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

AI总结 FA-Seg提出一种基于扩散模型的快速准确开放词汇分割框架，通过双提示机制、层次注意力细化方法和测试时翻转方案提升分割质量，实现高效且高精度的分割性能。

Journal ref Neurocomputing 660 (2026) 131844

Splatent: Splatting Diffusion Latents for Novel View Synthesis

Splatent: 基于扩散模型的潜在空间光场表示用于新视角合成

Or Hirschorn, Omer Sela, Inbar Huberman-Spiegelglas, Netalee Efrat, Eli Alshan, Ianir Ideses, Frederic Devernay, Yochai Zvik, Lior Fritz

机构 * Amazon Prime Video（亚马逊Prime视频） ； Tel-Aviv University（特拉维夫大学） 纠错

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

AI总结 Splatent通过多视图注意力机制在2D中恢复细节，提升VAE潜在空间光场重建质量，实现高精度稀疏视角3D重建。

Comments CVPR 2026. Project's webpage at https://orhir.github.io/Splatent/

Edge-Cloud Collaborative Reconstruction via Structure-Aware Latent Diffusion for Downstream Remote Sensing Perception

通过结构感知潜在扩散实现边缘-云协作重建以用于下游遥感感知

Yun Li, Xianju Li

机构 * School of Computer Science, China University of Geosciences, Wuhan, Hubei, China（中国地质大学（武汉）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 本文提出结构感知潜在扩散框架，通过边缘-云协作实现高效超分辨率重建，在极端带宽限制下提升遥感场景分类和小目标检测性能。

Comments 6 pages, 3 figures

Exploring Time Conditioning in Diffusion Generative Models from Disjoint Noisy Data Manifolds

探索扩散生成模型中的时间条件：从离散噪声数据流形的角度

Liuzhuozheng Li, Zhiyuan Zhan, Shuhong Liu, Dengyang Jiang, Zanyi Wang, Guang Dai, Jingdong Wang, Mengmeng Wang

机构 * SGIT AI Lab（SGIT人工智能实验室） ； UTokyo（东京大学） ； HKUST（香港科技大学） ； UCSD（加州大学圣地亚哥分校） ； ZJUT（浙江工业大学） ； Baidu（百度） ； RIKEN AIP（日本理化学研究所AIP） 纠错

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

AI总结 本文从几何视角重新审视扩散模型中的时间条件作用，发现高维空间中噪声分布集中在低维流形上，通过调整DDIM前向过程并结合流匹配方法，证明无需时间条件即可生成高质量内容。

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。

HATIR: Heat-Aware Diffusion for Turbulent Infrared Video Super-Resolution

HATIR: 用于湍流红外视频超分辨率的热感知扩散

Yang Zou, Xingyue Zhu, Kaiqi Han, Jun Ma, Xingyuan Li, Zhiying Jiang, Jinyuan Liu

机构 * Northwestern Polytechnical University（西北工业大学） ； Dalian University of Technology（大连理工大学） ； Zhejiang University（浙江大学） ； Dalian Maritime University（大连海事大学） 纠错

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

AI总结 HATIR通过热感知变形先验联合建模湍流退化与结构细节损失，提出相位引导流估计器和湍流感知解码器，构建首个湍流红外视频超分辨率数据集FLIR-IVSR，提升非均匀退化下的结构恢复精度。

Journal ref Proceedings of the 40th Annual AAAI Conference on Artificial Intelligence (AAAI 2026)

DiffuSAM: Diffusion-Based Prompt-Free SAM2 for Few-Shot and Source-Free Medical Image Segmentation

DiffuSAM: 基于扩散的无提示SAM2用于少样本和源无关医学图像分割

Tal Grossman, Noa Cahan, Lev Ayzenberg, Hayit Greenspan

机构 * School of Electrical Engineering, Tel Aviv University, Israel（特拉维夫大学电气工程学院） ； School of Biomedical Engineering, Tel Aviv University, Israel（特拉维夫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 DiffuSAM通过轻量级扩散先验生成SAM2兼容的分割掩码嵌入，实现无提示医学图像分割，无需用户输入，在BTCV和CHAOS数据集上表现出色。

AD-Relight: Training-Free Banner Relighting via Illumination Translation with Diffusion Priors

AD-Relight：通过扩散先验进行无训练横幅照明转换的免训练横幅重照明

Rameshwar Mishra, A V Subramanyam

机构 * Indraprastha Institute of Information Technology（印度理工学院信息技术研究所） 纠错

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

AI总结 本文提出AD-Relight，一种无训练的多阶段框架，利用扩散模型在测试时适应重照明新插入的Photoshop横幅，优于现有方法。

B-FIRE: Binning-Free Diffusion Implicit Neural Representation for Hyper-Accelerated Motion-Resolved MRI

B-FIRE：无分组扩散隐式神经表示用于超加速运动分辨MRI

Di Xu, Hengjie Liu, Yang Yang, Mary Feng, Jin Ning, Xin Miao, Jessica E. Scholey, Alexandra E. Hotca-cho, William C. Chen, Michael Ohliger, Martina Descovich, Huiming Dong, Wensha Yang, Ke Sheng

机构 * Radiation Oncology, University of California, San Francisco, California（加州大学旧金山分校放射肿瘤学系） ； Radiology and Biomedical Imaging, University of California, San Francisco, California（加州大学旧金山分校放射学与生物医学成像系） ； Siemens Medical Solutions USA, Inc., Cleveland, Ohio（西门子医疗解决方案美国公司，克利夫兰，俄亥俄） ； Radiology at Children’s Hospital Los Angeles, Keck School of Medicine, University of Southern California, Los Angeles, California（洛杉矶儿童医院放射学，美国南加州大学凯克医学院，洛杉矶，加利福尼亚） 纠错

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

AI总结 B-FIRE通过扩散隐式神经表示框架实现超加速MRI重建，解决运动分辨信息模糊问题，提升3D腹部解剖的即时重建精度。

ZID-Net: Zero-Inference Diffusion Prior Decoupling Network for Single Image Dehazing

ZID-Net：零推理扩散先验解耦网络用于单图像去雾

Xinheng Li, Minghao Chen, Mengqing Wu, Yan Liu, Guanying Huo

机构 * College of Information Science and Engineering, Hohai University（河海大学信息科学与工程学院） 纠错

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

AI总结 ZID-Net通过解耦扩散监督与前馈推理，提出一种高效去雾框架，结合频率-空间解耦前馈骨干网络和物理先验，实现高PSNR和低延迟的去雾效果。

Comments Submitted to Neurocomputing. Includes 12 figures and 8 tables