图像生成

Target-Aware Video Diffusion Models

面向目标的视频扩散模型

Taeksoo Kim, Hanbyul Joo

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

AI总结 本文提出一种面向目标的视频扩散模型，通过引入目标掩码和特殊标记提升视频生成中演员与目标的互动准确性，并在两个下游任务中验证其有效性。

Comments ICLR 2026. The project page is available at https://taeksuu.github.io/tavid/

SKeDA: A Generative Watermarking Framework for Text-to-video Diffusion Models

SKeDA：一种面向文本到视频扩散模型的生成水印框架

Yang Yang, Xinze Zou, Zehua Ma, Han Fang, Weiming Zhang

机构 * School of Electronic and Information Engineering, Anhui University（安徽大学电子与信息工程学院） ； Anhui Province Key Laboratory of Digital Security and the CAS Key Laboratory of Electromagnetic Space Information, University of Science and Technology of China（安徽省数字安全重点实验室和中国科学院电磁空间信息重点实验室，中国科学技术大学） ； School of Computing, National University of Singapore（新加坡国立大学计算机学院） 纠错

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

AI总结 SKeDA是一种专为文本到视频扩散模型设计的生成水印框架，通过分布保持采样和差分注意机制提升水印的鲁棒性和可靠性。

Comments 11 pages, 6 figures

Attention to Neural Plagiarism: Diffusion Models Can Plagiarize Your Copyrighted Images!

对神经剽窃的关注：扩散模型可以剽窃您的受版权保护的图像！

Zihang Zou, Boqing Gong, Liqiang Wang

机构 * University of Central Florida（中央佛罗里达大学） ； Boston University（波士顿大学） 纠错

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

AI总结 本文提出了一种基于梯度的神经剽窃方法，通过扰动扩散模型的交叉注意机制，使模型能够绕过版权保护措施，揭示了扩散模型在复制受版权图像方面的潜在风险。

Comments Accepted to ICCV 2025. Code available at: https://github.com/zzzucf/Neural-Plagiarism

SenCache: Accelerating Diffusion Model Inference via Sensitivity-Aware Caching

SenCache: 通过敏感性感知缓存加速扩散模型推理

Yasaman Haghighi, Alexandre Alahi

机构 * École Polytechnique Fédérale de Lausanne (EPFL)（瑞士联邦理工学院（EPFL）） 纠错

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

AI总结 SenCache通过敏感性感知缓存策略，提升扩散模型推理效率与视觉质量。

Spatio-Temporal Garment Reconstruction Using Diffusion Mapping via Pattern Coordinates

基于模式坐标扩散映射的时空服装重建

Yingxuan You, Ren Li, Corentin Dumery, Cong Cao, Hao Li, Pascal Fua

机构 * CVLab, École Polytechnique Fédérale de Lausanne (EPFL)（瑞士联邦理工学院（EPFL）计算机视觉实验室） ； Mohamed bin Zayed University of Artificial Intelligence（马尔代夫人工智能大学） ； Department of Computer Science and Engineering, Southern University of Science and Technology（南方科技大学计算机科学与工程系） ； Pinscreen and Mohamed bin Zayed University of Artificial Intelligence（Pinscreen和马尔代夫人工智能大学） 纠错

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

AI总结 本文提出了一种基于模式坐标扩散映射的时空服装重建方法，结合隐式缝合模式与生成扩散模型，实现高保真3D服装重建，适用于虚拟试穿和动画等领域。

Comments arXiv admin note: text overlap with arXiv:2504.08353

Confronting Reward Overoptimization for Diffusion Models: A Perspective of Inductive and Primacy Biases

对抗扩散模型中的奖励过度优化：从归纳偏置和优先偏置的角度出发

Ziyi Zhang, Sen Zhang, Yibing Zhan, Yong Luo, Yonggang Wen, Dacheng Tao

机构 * Institute of Artificial Intelligence, School of Computer Science, Wuhan University, China ； Hubei Luojia Laboratory, Wuhan, China ； The University of Sydney, Australia ； JD Explore Academy, Beijing, China ； Nanyang Technological University, Singapore 纠错

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

AI总结 本文提出TDPO-R算法，通过利用扩散模型的时间归纳偏置和抑制活跃神经元的优先偏置，有效缓解奖励过度优化问题。

Comments Accepted to ICML 2024

Journal ref International Conference on Machine Learning, pp. 60396-60413, 2024

SALIENT: Frequency-Aware Paired Diffusion for Controllable Long-Tail CT Detection

SALIENT: 用于可控长尾CT检测的频率感知配对扩散

Yifan Li, Mehrdad Salimitari, Taiyu Zhang, Guang Li, David Dreizin

机构 * Trauma Radiology AI Laboratory (TRAIL)（创伤放射AI实验室） ； Department of Radiology and Nuclear Medicine（放射科与核医学科） ； University of Maryland School of Medicine（马里兰大学医学院） 纠错

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

AI总结 SALIENT通过频率感知的配对扩散方法，在长尾CT检测中实现可控且高效的增强，提升生成真实性并改善检测性能。

Comments 5 figures

ManifoldGD: Training-Free Hierarchical Manifold Guidance for Diffusion-Based Dataset Distillation

ManifoldGD: 无需训练的分层流形引导用于基于扩散的数据集蒸馏

Ayush Roy, Wei-Yang Alex Lee, Rudrasis Chakraborty, Vishnu Suresh Lokhande

机构 * University at Buffalo, SUNY（布法罗大学，SUNY） ； Lawrence Livermore National Lab（劳伦斯利弗莫尔国家实验室） 纠错

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

AI总结 ManifoldGD通过流形引导方法实现无需训练的扩散数据集蒸馏，提升数据集的代表性、多样性和图像保真度。

Comments CVPE 2026

GraspLDP: Towards Generalizable Grasping Policy via Latent Diffusion

GraspLDP: 通过潜在扩散实现通用抓取策略

Enda Xiang, Haoxiang Ma, Xinzhu Ma, Zicheng Liu, Di Huang

机构 * State Key Laboratory of Complex and Critical Software Environment（复杂与关键软件环境国家重点实验室） ； School of Computer Science and Engineering（计算机科学与工程学院） 纠错

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

AI总结 GraspLDP通过引入潜在扩散框架和抓取先验知识，提升了抓取策略的精度和泛化能力，实验表明其在动态抓取任务中表现优异。

Comments Accepted to CVPR 2026

IRSDE-Despeckle: A Physics-Grounded Diffusion Model for Generalizable Ultrasound Despeckling

IRSDE-Despeckle: 一种基于物理的扩散模型用于通用的超声去斑处理

Shuoqi Chen, Yujia Wu, Geoffrey P. Luke

机构 * Thayer School of Engineering, Dartmouth College, Hanover, NH, USA（达特茅斯学院工程学院） 纠错

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

AI总结 IRSDE-Despeckle提出了一种基于物理的扩散模型，用于通用的超声去斑处理，通过模拟数据集训练，有效抑制斑点并保留解剖结构，同时量化预测不确定性，提升临床应用的鲁棒性。

Comments 12 pages main text + 6 pages appendix, 7 figures main + 3 figures appendix, 3 tables main + 1 table appendix. Preprint

EndoDDC: Learning Sparse to Dense Reconstruction for Endoscopic Robotic Navigation via Diffusion Depth Completion

EndoDDC: 通过扩散深度补全学习稀疏到密集重建以实现内窥镜机器人导航

Yinheng Lin, Yiming Huang, Beilei Cui, Long Bai, Huxin Gao, Hongliang Ren, Jiewen Lai

机构 * Department of Electronic Engineering, The Chinese University of Hong Kong（电子工程系，香港中文大学） 纠错

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

AI总结 EndoDDC通过扩散模型整合图像、稀疏深度信息和深度梯度特征，提升内窥镜环境下深度重建的准确性和鲁棒性。

Comments Accepted by ICRA 2026

Diffusion Model in Latent Space for Medical Image Segmentation Task

用于医学图像分割任务的潜在空间扩散模型

Huynh Trinh Ngoc, Toan Nguyen Hai, Ba Luong Son, Long Tran Quoc

机构 * Ngoc Huynh Trinh1（Ngoc Huynh Trinh） ； Hai Toan Nguyen ； Son Ba Luong ； Quoc Long Tran2（Quoc Long Tran） 纠错

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

AI总结 MedSegLatDiff结合VAE和潜在扩散模型，通过加权交叉熵损失提升医学图像分割的精度与可靠性，适用于临床部署。

Secure and reversible face anonymization with diffusion models

基于扩散模型的安全可逆面部匿名化

Pol Labarbarie, Vincent Itier, William Puech

机构 * LIRMM, Univ Montpellier, CNRS, Montpellier, FRANCE（LIRMM，蒙彼利埃大学，法国国家科学研究中心，蒙彼利埃，法国） ； IMT Nord Europe, Institut Mines-Télécom, Univ. Lille, Centre for Digital Systems, Lille, FRANCE（IMT北欧，法国电信研究院，里尔大学，数字系统研究中心，里尔，法国） 纠错

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

AI总结 本文提出基于扩散模型的安全可逆面部匿名化框架，通过秘密密钥条件实现匿名化与授权身份恢复，提升匿名化与去匿名化性能。

Diffusion or Non-Diffusion Adversarial Defenses: Rethinking the Relation between Classifier and Adversarial Purifier

扩散或非扩散对抗防御：重新思考分类器与对抗净化器之间的关系

Yuan-Chih Chen, Chun-Shien Lu

机构 * Institute of Information Science, Academia Sinica（中国台湾“中央研究院”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 本文重新审视分类器与对抗净化器的关系，发现非扩散模型在对抗防御中表现优异，尤其在防御转移性和颜色泛化方面，且无需额外数据即可在ImageNet上取得最佳性能。

DP-aware AdaLN-Zero: Taming Conditioning-Induced Heavy-Tailed Gradients in Differentially Private Diffusion

DP-aware AdaLN-Zero: 降低差分隐私扩散中因条件诱导的重尾梯度

Tao Huang, Jiayang Meng, Xu Yang, Chen Hou, Hong Chen

机构 * School of Computer Science（计算机科学学院） ； Big Data, Minjiang University, Fuzhou, Fujian, China.（大数据，闽江大学，福州，福建，中国） ； School of Information, Renmin University of China, Beijing, China（信息学院，中国人民大学，北京，中国） 纠错

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

AI总结 DP-aware AdaLN-Zero通过敏感性感知条件机制降低差分隐私扩散中因条件诱导的重尾梯度，提升隐私保护下的条件生成性能。

Causal Motion Diffusion Models for Autoregressive Motion Generation

因果运动扩散模型用于自回归运动生成

Qing Yu, Akihisa Watanabe, Kent Fujiwara

机构 * LY Corporation（LY公司） ； Waseda University（早稻田大学） 纠错

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

AI总结 本文提出因果运动扩散模型，通过因果扩散变换器实现高质量运动生成，提升语义保真度与时间平滑度，同时减少推理延迟。

Comments Accepted to CVPR 2026, Project website: https://yu1ut.com/CMDM-HP/

Human-Guided Shade Artifact Suppression in CBCT-to-MDCT Translation via Schrödinger Bridge with Conditional Diffusion

基于Schrödinger Bridge的受人类指导的CBCT到MDCT翻译中的阴影伪影抑制

Sung Ho Kang, Hyun-Cheol Park

机构 * National Institute for Mathematical Sciences（国家信息科学研究院） ； Department of Computer Engineering, Korea National University of Transportation（计算机工程系，韩国交通国立大学） 纠错

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

AI总结 本文提出了一种基于Schrödinger Bridge的框架，通过人类指导的条件扩散模型实现CBCT到MDCT的翻译，有效抑制阴影伪影并提升医学图像的解剖学准确性与感知可控性。

BSDM: Background Suppression Diffusion Model for Hyperspectral Anomaly Detection

BSDM：超分辨率异常检测的背景抑制扩散模型

Jitao Ma, Weiying Xie, Yunsong Li, Leyuan Fang

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

AI总结 BSDM通过设计伪背景噪声和改进扩散模型推断过程，实现无需标注样本的超光谱异常检测背景抑制。

Journal ref IEEE Transactions on Circuits and Systems for Video Technology, 31, 1, 190-204, 2026

Directed Ordinal Diffusion Regularization for Progression-Aware Diabetic Retinopathy Grading

定向序扩散正则化用于进展感知的糖尿病视网膜病变分级

Huangwei Chen, Junhao Jia, Ruocheng Li, Cunyuan Yang, Wu Li, Xiaotao Pang, Yifei Chen, Haishuai Wang, Jiajun Bu, Lei Wu

机构 * Zhejiang Key Laboratory of Accessible Perception and Intelligent Systems（浙江可感知系统重点实验室） ； College of Computer Science and Technology（计算机科学与技术学院） ； Hangzhou Pujian Medical Technology Co., Ltd（杭州普健医疗科技有限公司） ； Hangzhou Dianzi University（杭州电子科技大学） ； Tsinghua University（清华大学） 纠错

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

AI总结 本文提出D-ODR方法，通过构建有向图和多尺度扩散正则化，解决糖尿病视网膜病变分级中疾病进展方向性建模问题，提升分级性能和临床可靠性。

Comments 3 figures

Accelerating Diffusion via Hybrid Data-Pipeline Parallelism Based on Conditional Guidance Scheduling

通过基于条件引导调度的混合数据-流水线并行加速扩散

Euisoo Jung, Byunghyun Kim, Hyunjin Kim, Seonghye Cho, Jae-Gil Lee

机构 * School of Computing, KAIST（计算机学院，韩国科学技术院） 纠错

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

AI总结 本文提出了一种混合并行框架，通过条件引导调度和自适应流水线切换，提升扩散模型的生成效率和质量。

LLaDA-MedV: Exploring Large Language Diffusion Models for Biomedical Image Understanding

LLaDA-MedV：探索大规模语言扩散模型用于生物医学图像理解

Xuanzhao Dong, Wenhui Zhu, Xiwen Chen, Zhipeng Wang, Peijie Qiu, Shao Tang, Xin Li, Yalin Wang

机构 * Arizona State University（亚利桑那州立大学） ； Clemson University（克莱姆森大学） ； LinkedIn Corporation（领英公司） ； Washington University in St. Louis（圣路易斯华盛顿大学） ； Morgan Stanley（摩根大通） 纠错

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

AI总结 LLaDA-MedV通过视觉指令微调，首次在生物医学图像理解中应用大规模语言扩散模型，实现了在生物医学视觉对话任务中的性能提升，并在多个VQA基准测试中取得新高准确率。

Training-free Mixed-Resolution Latent Upsampling for Spatially Accelerated Diffusion Transformers

无需训练的混合分辨率潜在上采样用于空间加速的扩散变换器

Wongi Jeong, Kyungryeol Lee, Hoigi Seo, Se Young Chun

机构 * Dept. of Electrical and Computer Engineering（电气与计算机工程系） ； INMC & IPAI（INMC与IPAI） ； 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 本文提出无需训练的混合分辨率潜在上采样方法RALU，通过优化空间加速实现DiTs的高效生成，可在不同模型上实现高达15.9倍的加速。

Uncertainty-Aware Diffusion Model for Multimodal Highway Trajectory Prediction via DDIM Sampling

面向多模态高速公路轨迹预测的不确定性感知扩散模型 via DDIM采样

Marion Neumeier, Niklas Roßberg, Michael Botsch, Wolfgang Utschick

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

AI总结 本文提出cVMDx模型，通过DDIM采样提升效率和鲁棒性，实现高效多模态轨迹预测并增强不确定性估计能力。

Comments Accepted as a conference paper in IEEE Intelligent Vehicles Symposium (IV) 2026, Detroit, MI, United States

Improving Denoising Diffusion Models via Simultaneous Estimation of Image and Noise

通过同时估计图像和噪声改进去噪扩散模型

Zhenkai Zhang, Krista A. Ehinger, Tom Drummond

机构 * School of Computing and Information Systems The University of Melbourne（计算机与信息系统学院 澳大利亚墨尔本大学） 纠错

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

AI总结 本文通过重新参数化扩散过程和直接估计图像与噪声，改进了去噪扩散模型，实现了更快的生成速度和更高的图像质量。

Comments Published in Proceedings of the 15th Asian Conference on Machine Learning, PMLR 222:1638-1653, 2024

Journal ref Proceedings of the 15th Asian Conference on Machine Learning, PMLR 222:1638-1653, 2024

OrthoDiffusion: A Generalizable Multi-Task Diffusion Foundation Model for Musculoskeletal MRI Interpretation

OrthoDiffusion：一种通用的多任务扩散基础模型用于骨科MRI解释

Tian Lan, Lei Xu, Zimu Yuan, Shanggui Liu, Jiajun Liu, Jiaxin Liu, Weilai Xiang, Hongyu Yang, Dong Jiang, Jianxin Yin, Dingyu Wang

机构 * Center for Applied Statistics and School of Statistics（应用统计中心和统计学院） ； Renmin University of China（中国人民大学） ； Institute of Sports Medicine of Peking University（北京大学运动医学研究所） ； Beijing Key Laboratory of Research and Translation for Drugs and Medical Devices in Precision Diagnosis and Treatment of Sports Injuries（北京体育损伤精准诊断与治疗药物与医疗设备研究翻译重点实验室） ； State Key Laboratory of Virtual Reality Technology and Systems（虚拟现实技术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 OrthoDiffusion是一种基于扩散的多任务基础模型，通过自监督学习在膝关节MRI上预训练，实现11种结构分割和8种异常检测，具有跨关节的高泛化能力。

PropFly: Learning to Propagate via On-the-Fly Supervision from Pre-trained Video Diffusion Models

PropFly: 通过预训练视频扩散模型的实时监督学习进行传播

Wonyong Seo, Jaeho Moon, Jaehyup Lee, Soo Ye Kim, Munchurl Kim

机构 * KAIST（韩国科学技术院） ； Kyungpook National University（庆北国立大学） ； Adobe Research（Adobe研究院） 纠错

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

AI总结 PropFly通过预训练视频扩散模型的实时监督学习，实现基于传播的视频编辑，无需配对数据集，提升编辑质量和一致性。

Comments The first two authors contributed equally to this work (equal contribution)

Efficient and Explainable End-to-End Autonomous Driving via Masked Vision-Language-Action Diffusion

高效的端到端自动驾驶：通过掩码视觉-语言-动作扩散

Jiaru Zhang, Manav Gagvani, Can Cui, Juntong Peng, Ruqi Zhang, Ziran Wang

机构 * Institute for Physical Artificial Intelligence (IPAI), Purdue University（物理人工智能研究所（IPAI）、普渡大学） ； College of Engineering, Purdue University（工程学院、普渡大学） ； Department of Computer Science, Purdue University（计算机科学系、普渡大学） 纠错

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

AI总结 MVLAD-AD通过掩码视觉-语言-动作扩散模型，提升自动驾驶的效率与规划精度，实现高效且可解释的端到端自动驾驶。

Expanding the Role of Diffusion Models for Robust Classifier Training

扩展扩散模型在鲁棒分类器训练中的作用

Pin-Han Huang, Shang-Tse Chen, Hsuan-Tien Lin

机构 * National Taiwan University（国立台湾大学） 纠错

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

AI总结 本研究通过扩展扩散模型在对抗训练中的作用，发现其内部表示能提升鲁棒分类器的训练效果，并验证了扩散表示与合成数据的互补作用。

Variational Trajectory Optimization of Anisotropic Diffusion Schedules

变分轨迹优化非各向同性扩散计划

Pengxi Liu, Zeyu Michael Li, Xiang Cheng

机构 * Department of Electrical and Computer Engineering（电气与计算机工程系） ； Duke University（杜克大学） 纠错

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

AI总结 本文提出了一种基于变分轨迹优化的非各向同性扩散模型，通过矩阵值路径优化噪声计划，提升扩散模型的性能。

Relational Feature Caching for Accelerating Diffusion Transformers

关系特征缓存用于加速扩散变换器

Byunggwan Son, Jeimin Jeon, Jeongwoo Choi, Bumsub Ham

机构 * Yonsei University（延世大学） ； Korea Institute of Science and Technology (KIST)（韩国科学技术院） 纠错

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

AI总结 本文提出关系特征缓存（RFC）方法，通过利用输入-输出关系提升特征预测准确性，有效减少扩散变换器的计算开销。

Comments Accepted to ICLR 2026