图像生成

ViFeEdit: A Video-Free Tuner of Your Video Diffusion Transformer

ViFeEdit：一种无需视频的视频扩散变换器调谐器

Ruonan Yu, Zhenxiong Tan, Zigeng Chen, Songhua Liu, Xinchao Wang

机构 * National University of Singapore（新加坡国立大学） ； 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 本文提出ViFeEdit框架，通过2D图像实现视频生成与编辑，无需视频训练数据，采用架构重参数化解耦空间独立性与全3D注意力，实现高质量视频编辑与生成。

Comments Working in progress, code is at https://github.com/Lexie-YU/ViFeEdit

A PPO-Based Bitrate Allocation Conditional Diffusion Model for Remote Sensing Image Compression

基于PPO的比特率分配条件扩散模型用于遥感图像压缩

Yuming Han, Jooho Kim, Anish Shakya

机构 * Department of Electrical and Computer Engineering（电气与计算机工程系） ； Institute for a Disaster Resilient Texas（灾难韧性德克萨斯研究所） 纠错

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

AI总结 本文提出基于PPO的条件扩散压缩框架，结合条件扩散解码器与块级比特率分配策略，实现高压缩比和强感知性能，并发布高分辨率无人机图像数据集，实验显示在DIV2K和无人机图像数据集上分别达到19.3x和21.2x的压缩比，下游目标检测实验表明重建图像保持任务相关信息且性能损失极小。

Exemplar Diffusion: Improving Medical Object Detection with Opportunistic Labels

示例扩散：利用机会性标签改进医学目标检测

Victor Wåhlstrand, Jennifer Alvén, Ida Häggström

机构 * Chalmers University of Technology（查尔姆斯理工大学） 纠错

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

AI总结 本文提出一种利用推理时现有标签（示例）提升医学图像目标检测性能的方法，通过无需训练的扩散方法增强已知边界框信息，提高检测精度和鲁棒性，并量化预测不确定性。

Comments Submitted to MICCAI 2026

SpiralDiff: Spiral Diffusion with LoRA for RGB-to-RAW Conversion Across Cameras

SpiralDiff: 基于LoRA的Spiral扩散用于跨相机的RGB到RAW转换

Huanjing Yue, Shangbin Xie, Cong Cao, Qian Wu, Lei Zhang, Lei Zhao, Jingyu Yang

机构 * School of Electrical and Information Engineering, Tianjin University（天津大学电气与信息工程学院） ； State key laboratory of Smart Power Distribution Equipment and System, Tianjin University（天津大学智能电力分配设备与系统国家重点实验室） 纠错

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

AI总结 SpiralDiff通过信号依赖噪声加权策略和CamLoRA模块，提升跨相机RGB到RAW转换的重建质量及下游任务性能。

Comments Accepted by CVPR 2026

RAZOR: Ratio-Aware Layer Editing for Targeted Unlearning in Vision Transformers and Diffusion Models

RAZOR：面向视觉变换器和扩散模型的比率感知层编辑以实现针对性遗忘

Ravi Ranjan, Utkarsh Grover, Xiaomin Lin, Agoritsa Polyzou

机构 * Florida International University（佛罗里达国际大学） ； University of South Florida（佛罗里达州立大学） 纠错

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

AI总结 RAZOR通过比率感知机制实现视觉变换器和扩散模型的针对性遗忘，通过多层和多头编辑提升模型安全性与合规性，实现高效且稳定的遗忘更新。

Comments 18 pages, 6 figures, 8 tables, accepted to the CVPR 2026 and to appear in the Findings Track Proceedings of IEEE/CVF Conference

Chain-of-Trajectories: Unlocking the Intrinsic Generative Optimality of Diffusion Models via Graph-Theoretic Planning

轨迹链：通过图论规划解锁扩散模型的内在生成最优性

Ping Chen, Xiang Liu, Xingpeng Zhang, Fei Shen, Xun Gong, Zhaoxiang Liu, Zezhou Chen, Huan Hu, Kai Wang, Shiguo Lian

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

AI总结 本文提出轨迹链框架，通过图论规划解决扩散模型在高维状态空间中的计算瓶颈，提升生成质量与稳定性。

Comments 12 figues, 5 tables

Fractal Autoregressive Depth Estimation with Continuous Token Diffusion

分形自回归深度估计与连续令牌扩散

Jinchang Zhang, Xinrou Kang, Guoyu Lu

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

AI总结 本文提出一种分形视觉自回归扩散框架，通过粗到细的自回归生成过程改进单目深度估计，采用多尺度特征融合和连续空间去噪扩散损失提升跨模态条件化效果，同时通过分形递归架构和不确定性感知共识聚合方案提高计算效率与预测稳定性。

Comparative Analysis of 3D Convolutional and 2.5D Slice-Conditioned U-Net Architectures for MRI Super-Resolution via Elucidated Diffusion Models

3D卷积与2.5D切片条件化U-Net架构在MRI超分辨率中的比较分析：通过阐明扩散模型

Hendrik Chiche, Ludovic Corcos, Logan Rouge

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

AI总结 本文比较了3D卷积U-Net与2.5D切片条件化U-Net架构，利用阐明扩散模型提升MRI超分辨率，3D模型在PSNR、SSIM和LPIPS指标上均优于基线模型。

Spectrum Matching: a Unified Perspective for Superior Diffusability in Latent Diffusion

频谱匹配：一种提升潜在扩散扩散性的统一视角

Mang Ning, Mingxiao Li, Le Zhang, Lanmiao Liu, Matthew B. Blaschko, Albert Ali Salah, Itir Onal Ertugrul

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

AI总结 本文研究了变分自编码器在潜在扩散中的扩散性，提出频谱匹配假设，通过频谱匹配提升潜在扩散性，并在多个数据集上验证了其有效性。

Comments We use NIPS template for readability reason

Mapping Dark-Matter Clusters via Physics-Guided Diffusion Models

通过物理引导的扩散模型映射暗物质簇

Diego Royo, Brandon Zhao, Adolfo Muñoz, Diego Gutierrez, Katherine L. Bouman

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

AI总结 本文提出一种自动重建星系团表面质量密度的方法，利用DarkClusters-15k数据集和扩散模型，在无需专家调参的情况下实现高精度质量重建。

Comments 22 pages, 7 figures. Project page available at: https://graphics.unizar.es/projects/DarkMatterMapping

Early Failure Detection and Intervention in Video Diffusion Models

视频扩散模型中的早期故障检测与干预

Kwon Byung-Ki, Sohwi Lim, Nam Hyeon-Woo, Moon Ye-Bin, Tae-Hyun Oh

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

AI总结 本文提出了一种用于视频扩散模型的早期故障检测与干预方法，通过实时检查模块在生成过程中快速检测故障并提前干预，减少计算开销，提升生成质量。

Comments 29 pages, 24 figures, 9 tables

FIND: A Simple yet Effective Baseline for Diffusion-Generated Image Detection

FIND: 一种简单而有效的扩散生成图像检测基线

Jie Li, Yingying Feng, Chi Xie, Jie Hu, Lei Tan, Jiayi Ji

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

AI总结 本文提出FIND方法，通过在真实图像上添加高斯噪声并标记为合成图像，利用分布差异提升检测性能，比现有方法快126倍，提升11.7%。

Comments AAAI'26

DualTSR: Unified Dual-Diffusion Transformer for Scene Text Image Super-Resolution

DualTSR：统一的双扩散变压器用于场景文本图像超分辨率

Axi Niu, Kang Zhang, Qingsen Yan, Hao Jin, Jinqiu Sun, Yanning Zhang

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

AI总结 DualTSR通过统一的双扩散目标解决文本图像超分辨率中的文本先验依赖和复杂架构问题，采用单多模态Transformer骨干网络，实现视觉与文本信息的交互，提升超分辨率效果与文本保真度。

Sat-JEPA-Diff: Bridging Self-Supervised Learning and Generative Diffusion for Remote Sensing

Sat-JEPA-Diff: 联合自监督学习与生成扩散模型以实现遥感图像预测

Kursat Komurcu, Linas Petkevicius

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

AI总结 本文提出Sat-JEPA-Diff，结合自监督学习与隐藏扩散模型，解决遥感图像预测中结构准确与纹理细节的平衡问题，实现高精度纹理生成与结构预测的结合。

Comments ICLR 2026 Workshop ML4RS Main Track: https://openreview.net/forum?id=WBHfQLbgZR

Journal ref 4th ICLR 2026 Workshop on Machine Learning for Remote Sensing (Main Track)

Single Image Super-Resolution via Bivariate `A Trous Wavelet Diffusion

通过双变量A Trous小波扩散实现单图像超分辨率

Maryam Heidari, Nantheera Anantrasirichai, Alin Achim

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

AI总结 本文提出BATDiff模型，通过双变量跨尺度模块提升超分辨率中高频细节的结构一致性和质量，实验表明其在标准基准上优于现有方法。

Comments 17 pages

Purrception: Variational Flow Matching for Vector-Quantized Image Generation

Purrception：基于向量量化图像生成的变分流匹配

Răzvan-Andrei Matişan, Vincent Tao Hu, Grigory Bartosh, Björn Ommer, Cees G. M. Snoek, Max Welling, Jan-Willem van de Meent, Mohammad Mahdi Derakhshani, Floor Eijkelboom

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

AI总结 Purrception结合连续方法的几何意识与离散监督的分类监督，通过学习代码本索引的类别后验和连续嵌入空间中的速度场，实现对潜在代码的不确定性量化和温度控制生成。

Comments Published as a conference paper at ICLR 2026

SegQuant: A Semantics-Aware and Generalizable Quantization Framework for Diffusion Models

SegQuant: 一种语义感知且通用的扩散模型量化框架

Jiaji Zhang, Ruichao Sun, Hailiang Zhao, Jiaju Wu, Peng Chen, Hao Li, Yuying Liu, Kingsum Chow, Gang Xiong, Shuiguang Deng

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

AI总结 SegQuant提出一种统一的量化框架，通过自适应结合互补技术提升跨模型通用性，采用结构感知图量化策略和双尺度量化方案，有效保持视觉保真度，适用于Transformer扩散模型及其他模型。

Comments 22 pages, 15 figures, to be published in The IEEE/CVF Conference on Computer Vision and Pattern Recognition 2026 (CVPR 2026), code is available at https://github.com/OptiSys-ZJU/segquant

DiCoDe: Diffusion-Compressed Deep Tokens for Autoregressive Video Generation with Language Models

DiCoDe：扩散压缩深度标记用于语言模型的自回归视频生成

Yizhuo Li, Yuying Ge, Yixiao Ge, Ying Shan, Ping Luo

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

AI总结 DiCoDe利用扩散压缩深度标记，通过自回归语言模型生成视频，实现高效压缩与高质量输出，展示了在视频建模中的潜力。

Comments Project Page: https://liyz15.github.io/DiCoDe

CtrlAttack: A Unified Attack on World-Model Control in Diffusion Models

CtrlAttack：一种针对扩散模型世界模型控制的统一攻击

Shuhan Xu, Siyuan Liang, Hongling Zheng, Yong Luo, Han Hu, Lefei Zhang, Dacheng Tao

机构 * Wuhan University（武汉大学） ； Nanyang Technological University（南洋理工大学） ； Beijing Institute of Technology（北京理工大学） 纠错

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

AI总结 本文提出CtrlAttack攻击方法，针对扩散模型中的时间动态建模漏洞，通过低维速度场干扰状态转移，提升攻击成功率并揭示模型在状态动态层面的安全风险。

Anchor Forcing: Anchor Memory and Tri-Region RoPE for Interactive Streaming Video Diffusion

锚点强制：用于交互式流视频扩散的锚点记忆与三区域RoPE

Yang Yang, Tianyi Zhang, Wei Huang, Jinwei Chen, Boxi Wu, Xiaofei He, Deng Cai, Bo Li, Peng-Tao Jiang

机构 * Zhejiang University（浙江大学） ； vivo BlueImage Lab（vivo蓝影实验室） ； University of Hong Kong（香港大学） 纠错

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

AI总结 本文提出锚点强制框架，通过锚点引导重置缓存和三区域RoPE解决交互式流视频生成中的质量退化和运动动态减弱问题，提升感知质量和运动指标。

RBF-Solver: A Multistep Sampler for Diffusion Probabilistic Models via Radial Basis Functions

RBF-Solver: 通过径向基函数的多步采样器用于扩散概率模型

Soochul Park, Yeon Ju Lee, SeongJin Yoon, Jiyub Shin, Juhee Lee, Seongwoon Jo

机构 * SteAI ； Korea University（韩国大学） ； SoftAI ； Bogonet ； SBS ； MODULABS 纠错

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

AI总结 本文提出RBF-Solver，通过径向基函数插值模型评估，实现多步扩散采样，提高采样效率和图像保真度，适用于高NFE和低NFE场景，优于多项式基采样器。

Comments 49 pages , 5 figures , Preprint

Fractals made Practical: Denoising Diffusion as Partitioned Iterated Function Systems

分形的实用化：去噪扩散作为分段迭代函数系统

Ann Dooms

机构 * Department of Mathematics & Data Science（数学与数据科学系） 纠错

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

AI总结 本文通过分段迭代函数系统框架，揭示扩散模型的去噪动态，并提出三种可计算的几何量，解释了扩散模型的双阶段行为，同时推导出三个最优设计准则。

Accelerating Stroke MRI with Diffusion Probabilistic Models through Large-Scale Pre-training and Target-Specific Fine-Tuning

通过大规模预训练和目标特定微调加速中风MRI

Yamin Arefeen, Sidharth Kumar, Steven Warach, Hamidreza Saber, Jonathan Tamir

机构 * Chandra Family Department of Electrical and Computer Engineering（查克拉家族电气与计算机工程系） ； Department of Imaging Physics（成像物理系） ； Dell Medical School Department of Neurology（德莱尔医学院神经学系） ； Dell Medical School Department of Neurosurgery（德莱尔医学院神经外科系） ； Dell Medical School Department of Diagnostic Medicine（德莱尔医学院诊断医学系） ； Oden Institute for Computational Engineering and Sciences（奥登计算工程与科学研究院） 纠错

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

AI总结 本文提出一种高效策略，利用扩散概率生成模型在有限数据下加速MRI重建，通过大规模预训练和目标特定微调实现临床中风MRI的快速扫描。

MaDiS: Taming Masked Diffusion Language Models for Sign Language Generation

MaDiS：驯服掩码扩散语言模型用于手语生成

Ronglai Zuo, Rolandos Alexandros Potamias, Qi Sun, Evangelos Ververas, Jiankang Deng, Stefanos Zafeiriou

机构 * Imperial College London（伦敦帝国学院） 纠错

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

AI总结 本文提出MaDiS，一种基于掩码扩散的语言模型，用于手语生成，通过双向依赖捕捉和高效并行多令牌生成，提升生成效率和质量，同时引入三级交叉模态预训练方案和混合部分嵌入层，实现多层级手语表示。

Multiscale Structure-Guided Latent Diffusion for Multimodal MRI Translation

多尺度结构引导的潜在扩散模型用于多模态MRI翻译

Jianqiang Lin, Zhiqiang Shen, Peng Cao, Jinzhu Yang, Osmar R. Zaiane, Xiaoli Liu

机构 * Computer Science and Engineering, Northeastern University, Shenyang, China（东北大学计算机科学与工程系，沈阳，中国） ； Key Laboratory of Intelligent Computing in Medical Image of Ministry of Education, Northeastern University, Shenyang, China（教育部医学图像智能计算重点实验室，东北大学，沈阳，中国） ； National Frontiers Science Center for Industrial Intelligence and Systems Optimization, Shenyang, China（工业智能与系统优化国家级前沿科学中心，沈阳，中国） ； Amii, University of Alberta, Edmonton, Alberta, Canada（阿尔伯塔大学阿米人工智能研究所，埃德蒙顿，阿尔伯塔，加拿大） ； AiShiWeiLai AI Research, Beijing, China（人工智能研究（北京）有限公司，北京，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MSG-LDM框架，通过多尺度特征空间分离风格与结构信息，提升多模态MRI翻译的结构一致性与纹理细节。

Omni-Video 2: Scaling MLLM-Conditioned Diffusion for Unified Video Generation and Editing

Omni-Video 2：基于MLLM条件扩散模型的统一视频生成与编辑扩展

Hao Yang, Zhiyu Tan, Jia Gong, Luozheng Qin, Hesen Chen, Xiaomeng Yang, Yuqing Sun, Yuetan Lin, Mengping Yang, Hao Li

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

AI总结 本文提出Omni-Video 2，通过连接预训练多模态大语言模型与视频扩散模型，实现视频生成与编辑的统一。核心方法是利用MLLM生成明确的目标描述以指导生成过程，并通过轻量适配器高效注入多模态条件token，提升复杂编辑任务性能。

Comments Technical Report, Project: https://howellyoung-s.github.io/Omni-Video2-project/

Enhancing Novel View Synthesis via Geometry Grounded Set Diffusion

通过几何引导的集扩散增强新视角合成

Farhad G. Zanjani, Hong Cai, Amirhossein Habibian

机构 * Qualcomm AI Research（高通人工智能研究） 纠错

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

AI总结 本文提出SetDiff框架，结合3D先验、坐标映射和姿态感知的Plucker射线嵌入，提升多视角扩散模型在处理可变参考和目标视角时的鲁棒性和视觉保真度。

Comments Paper and supplementary materials

DiffProxy: Multi-View Human Mesh Recovery via Diffusion-Generated Dense Proxies

DiffProxy：通过扩散生成的密集代理进行多视图人体网格恢复

Renke Wang, Zhenyu Zhang, Ying Tai, Jun Li, Jian Yang

机构 * PCA Lab（PCA实验室） ； Nanjing University of Science and Technology（南京理工大学） ； School of Intelligent Science and Technology（智能科学与技术学院） 纠错

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

AI总结 DiffProxy利用预训练扩散模型生成密集像素到表面对应关系，通过多条件代理生成器和手部细化技术，实现高精度人体网格恢复，无需真实数据训练。

Comments Page: https://wrk226.github.io/DiffProxy.html, Code: https://github.com/wrk226/DiffProxy

MoVieDrive: Urban Scene Synthesis with Multi-Modal Multi-View Video Diffusion Transformer

MoVieDrive：基于多模态多视角视频扩散变换器的城市场景合成

Guile Wu, David Huang, Dongfeng Bai, Bingbing Liu

机构 * Huawei Noah’s Ark Lab（华为诺亚实验室） ； University of Toronto（多伦多大学） 纠错

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

AI总结 本文提出MoVieDrive，通过多模态多视角视频扩散变换器生成城市驾驶场景视频，实现多模态数据生成与可控生成。

Comments CVPR 2026 Findings Track

One Model, Many Budgets: Elastic Latent Interfaces for Diffusion Transformers

一个模型，多种预算：弹性潜在接口用于扩散变换器

Moayed Haji-Ali, Willi Menapace, Ivan Skorokhodov, Dogyun Park, Anil Kag, Michael Vasilkovsky, Sergey Tulyakov, Vicente Ordonez, Aliaksandr Siarohin

机构 * Rice University（里士大学） ； Snap Inc.（Snap公司） 纠错

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

AI总结 ELIT通过引入弹性潜在接口，解耦输入图像大小与计算资源，优化生成质量与计算效率的平衡，实现多场景下的性能提升。

Comments Project page: https://snap-research.github.io/elit/