图像生成

FadeMem: Distance-Aware Memory Consolidation for Autoregressive Video Diffusion

FadeMem: 面向自回归视频扩散的距离感知记忆巩固

Yu Lu, Junjie Yang, Piotr Koniusz, YuXin Song, Yi Yang

机构 * Zhejiang University（浙江大学） ； University of New South Wales (UNSW)（新南威尔士大学） ； Data61/CSIRO ； Baidu Inc（百度公司） 纠错

专题命中 扩散模型 ：diffusion(title)；分类 cs.CV

AI总结 提出FadeMem，一种距离感知的KV记忆巩固机制，在固定缓存预算下将历史KV块组织成时间层次，通过幂律分配实现近密远疏的记忆，提升长视频生成中的主体一致性和时间连贯性。

Comments 14 pages, 9 figures. Substantially revised manuscript with expanded experiments and integrated supplementary material. Project page: https://fademem.github.io/FadeMem_Webpage/

MaterialFusion: High-Quality, Zero-Shot, and Controllable Material Transfer with Diffusion Models

MaterialFusion：基于扩散模型的高质量零样本可控材质迁移

Kamil Garifullin, Maxim Nikolaev, Andrey Kuznetsov, Aibek Alanov

专题命中 扩散模型 ：diffusion(title)；分类 cs.CV

AI总结 MaterialFusion是基于扩散模型的新型材质迁移框架，可零样本实现高质量可控材质迁移，在质量、可控性等方面优于现有方法，代码公开。

Comments Accepted to CVPR 2025

Light Forcing: Accelerating Autoregressive Video Diffusion via Sparse Attention

轻量强制：通过稀疏注意力加速自回归视频扩散

Chengtao Lv, Yumeng Shi, Yushi Huang, Ruihao Gong, Shen Ren, Wenya Wang

机构 * Nanjing University of Posts and Telecommunications（南京邮电大学） 纠错

专题命中 扩散模型 ：diffusion(title)；分类 cs.CV

AI总结 针对自回归视频生成模型中注意力二次复杂度问题，提出首个稀疏注意力方案Light Forcing，通过块感知增长机制和分层稀疏注意力实现质量和效率提升。

Comments ICML 2026

LiveEdit: Towards Real-Time Diffusion-Based Streaming Video Editing

LiveEdit：迈向基于扩散的实时流式视频编辑

Xinyu Wang, Chongbo Zhao, Fangneng Zhan, Yue Ma

机构 * THU（清华大学） ； HKUST（香港科技大学） 纠错

专题命中 扩散模型 ：diffusion(title)；分类 cs.CV

AI总结 提出一种因果逐帧编辑的流式视频框架，通过三阶段蒸馏将双向模型能力迁移至单向流式编辑器，结合AR掩码缓存实现12.66 FPS的实时编辑，并保持背景稳定。

Comments Accepted by ECCV 2026, Project page: https://live-edit.github.io

GimmBO: Interactive Generative Image Model Merging via Bayesian Optimization

GimmBO: 基于贝叶斯优化的交互式生成图像模型合并

Chenxi Liu, Selena Ling, Alec Jacobson

机构 * University of Toronto（多伦多大学） ； Vector Institute（向量研究所） 纠错

专题命中 扩散模型 ：image generation(abstract)；diffusion(abstract)；分类 cs.CV、cs.GR

AI总结 针对扩散模型适配器合并中权重选择困难的问题，提出GimmBO框架，利用偏好贝叶斯优化实现交互式探索，通过两阶段BO后端提升高维空间采样效率与收敛性。

Comments Accepted at SIGGRAPH NA 2026

Emergence of Statistical Financial Factors by a Diffusion Process

由扩散过程涌现的统计金融因子

Jose Negrete, Jaime Joel Ramos

专题命中 扩散模型 ：diffusion(title)

AI总结 本文提出基于网络的框架，通过资产间相互作用结构自然生成金融因子，而非统计方法。模型将市场视为耦合迭代映射系统，揭示非理性交易者影响及因子形成的结构视角。

Comments Accepted in Chaos: An Interdisciplinary Journal of Nonlinear Science. 20 pages, 8 figures

Existence and Smoothing for a Nondivergence-Form Degenerate Diffusion from Plasma-Wave Theory

等离子体不稳定性理论中退化扩散的存在性与光滑化效应

William Porteous, Irene M. Gamba, Kun Huang

专题命中 扩散模型 ：diffusion(title)

AI总结 针对半线上由等离子体波准线性理论导出的退化抛物方程，在加权L^p初值和有界强迫项下证明弱解的存在性，并利用Bénilan-Crandall不等式揭示解的正时间光滑化机制，包括空间Hölder连续性和局部Lipschitz性。

Demonstration of a scalable all-solid-state refrigerator exploiting diffusion geometries and limiting interfacial conductances at temperatures below 1 kelvin

利用扩散几何结构和界面限域电导的可扩展全固态冰箱在1开尔文以下温度的演示

Northrop Grumman Microelectronics Design, Applications Team, :, Robert M. Young, Zachary Stegen, John X. Przybysz, Edward R. Engbrecht, Aaron A. Hathaway, Justin C. Hackley, Kirby B. Myers, Christian C. Thorpe, Aurelius L. Graninger, Robert Miller, Diego A. Morales, Roberto D. Carcamo, Glen Walters, Jeric P. Sarad, Nicholas F. Pleim, Seth Whitsitt, Joshua T. Shipman, Anil Erol, Melissa G. Loving, Evan Donohue, Corey A. Kegerreis, Benjamin Dalfort, Moe S. Khalil, Christopher Pinion, Randi Jaramillo, John Milinichik, Sandro J. Di Giacomo, Thomas Zodda, Nilesh Tralshawala, Gregory R. Boyd, Jonathan M. Cochran, Katherine A. Maddock, Michael P. De Feo, Aaron A. Pesetski, Marc E. Sherwin

专题命中 扩散模型 ：diffusion(title)

AI总结 该研究开发了采用NIS结、含1121个SINIS单元的可扩展全固态冰箱，首次实现了低于1开尔文下对整个硅芯片的冷却，将其声子温度降至70毫开尔文。

Well-posedness of stochastic time-nonlocal telegraph equations with Hölder diffusion coefficient: hereditary phase-space lifting and novel generalized coupling method

具有Hölder扩散系数的随机时间非局部电报方程的适定性：遗传相空间提升与新型广义耦合方法

Xi Huang, Li Peng, Juan Carlos Pozo, Yong Zhou

专题命中 扩散模型 ：diffusion(title)

AI总结 本文针对具有Hölder扩散系数的随机时间非局部电报方程，通过遗传相空间提升框架与新型广义耦合方法，首次证明其弱解的存在性与律唯一性，还将该框架拓展至低正则性非线性项的处理。

Quasiparticle dynamics and diffusive scale hydrodynamics in an inhomogeneous gas of hard rods

一维硬杆气体中准粒子动力学与水动力学

Anupam Kundu

专题命中 扩散模型 ：diffusion(title)

AI总结 研究一维硬杆气体中准粒子的随机动力学，分析其均值、方差和自相关函数在长程相关和无长程相关初始态下的演化，推导相空间密度相关性的解析结果，揭示长程相关对均值欧拉广义水动力学方程的扩散尺度修正。

Comments 33 pages

Ultrafast configuration changes and anomalous diffusion of an aromatic adsorbate on rare-gas nanoparticles

芳香吸附质在稀有气体纳米颗粒上的超快构型变化与反常扩散

Arne Morlok, Philipp Elsässer, Yilin Li, Ulrich Bangert, Felix Riedel, Tanja Schilling, Frank Stienkemeier, Lukas Bruder

专题命中 扩散模型 ：diffusion(title)

AI总结 研究稀有气体团簇上酞菁吸附质，结合高分辨率二维电子光谱和分子动力学模拟，揭示吸附质构型动力学，发现其亚扩散表面运动和捕获，为理解分子吸附质在纳米物体上的超快结合动力学提供见解。

Representation formula, regularity and decay of solutions for sub-diffusion type equations

次扩散型方程解的表示公式、正则性与衰减性

Sandro Coriasco, Giovanni Girardi, Stevan Pilipović

专题命中 扩散模型 ：diffusion(title)

AI总结 该研究针对带合适初值的时间分数阶偏微分方程柯西问题，推导了解的表示公式，可通过初值波前集控制齐次问题解的奇点，为次扩散型方程解的正则性与衰减性分析提供了方法。

Comments 25 pages. Slight modification of the title. General revision and corrections. Reorganization and shortening of the text

Kan Extension Transformers: A Categorical Unification of Attention, Diffusion, and Predict-Detach Self-Conditioning

Kan扩展变换器：注意力、扩散和预测-分离自条件的范畴统一

Sridhar Mahadevan

机构 * Adobe Research（Adobe研究院） ； University of Massachusetts（马萨诸塞大学） ； Amherst（阿默斯特） 纠错

专题命中 扩散模型 ：diffusion(title)

AI总结 提出Kan扩展变换器（KETs）作为多种Transformer实现的统一范畴框架，将Transformer层视为加权结构化扩展算子，并通过预测-分离机制实现有效的自条件化，实验表明预测-分离机制比改变邻域族带来更大性能提升。

Comments Clarified that predict-detach is strictly autoregressive only under a target-relative prefix-measurability condition; restricted exact Kan-extension claims to representable enriched cases; and clarified experimental coverage across depths 2, 8, 16 and widths 64, 256. A detailed change log appears in the supplement

Expectation-Maximization algorithm to estimate the forcing parameter of a nonlinear McKean-Vlasov diffusion

用于估计非线性McKean-Vlasov扩散强迫参数的期望最大化算法

Eduardo Gutierrez-Turner, Kerlyns Martinez, Hector Olivero

专题命中 扩散模型 ：diffusion(title)

AI总结 研究受瞬时湍动能模型启发的随机微分方程中强迫参数估计问题，基于期望最大化框架提出估计算法，证明其一致性并通过数值实验说明发现。

Comments 24 pages, 3 figures

Momentum Diffusion, Decoherence and Drag Force on a Magnetic Nanoparticle

动量扩散、退相干与磁性纳米粒子的拖力

Agya Sewara Alam, Anupam Mazumdar

专题命中 扩散模型 ：diffusion(title)

AI总结 本文研究了磁性纳米粒子在量子叠加态下受波动电磁场影响的退相干率及拖力来源，通过长波极限下的涨落-耗散定理进行推导并与其他性质进行比较。

Comments 28 pages, includes appendices, no figures

Hydrogen Bond Strength Dictates the Rate-Limiting Steps of Diffusion in Proton-Conducting Perovskites:A Critical Length Perspective

氢键强度决定质子传导钙钛矿中扩散的限速步骤：临界长度视角

Hang Ma, Jiajun Linghu, Nannan Han, Peng Feng, Yuling Zhuo, Ying Liang, Kunde Yang, Tianxing Ma, Zhi-Peng Li

专题命中 扩散模型 ：diffusion(title)

AI总结 研究质子传导钙钛矿中质子迁移限速步骤，通过定量分解旋转和转移势垒提出氢键长度标准，能判断不同结构材料中质子旋转与转移速率，为质子传导电解质优化设计提供原子尺度见解。

Comments 11 Figures with a Supplemental Material

Journal ref Chem. Mater. 38, 6069(2026)

A Data-Driven Interpolation Method on Smooth Manifolds via Diffusion Processes and Voronoi Tessellations

基于扩散过程与沃罗诺伊细分的光滑流形上数据驱动的插值方法

Alvaro Almeida Gomez

机构 * Universidad de Chile（智利大学） 纠错

专题命中 扩散模型 ：diffusion(title)

AI总结 本文提出一种基于拉普拉斯-贝尔特拉米算子和沃罗诺伊细分的数据驱动插值方法，通过扩散过程和数据内在几何构造连续扩展，实现高效插值并提升可扩展性。

Comments Comments are welcome

Reaction-Diffusion Processes with Surface Autocatalysis

表面上的诞生、死亡与复制：自催化动力学的普适定律

Denis S. Grebenkov

专题命中 扩散模型 ：diffusion(title)

AI总结 本文提出一个通用理论框架，通过非线性积分方程和Fokker-Planck方程描述表面介导的自催化过程，揭示损失与复制竞争导致的种群动态、普适标度律及灭绝或爆发条件。

Bifidelity Parameter Estimation Using Conditional Diffusion Models

使用条件扩散模型的双保真参数估计

Caroline Tatsuoka, Minglei Yang, Dongbin Xiu, Guannan Zhang

机构 * UT-Battelle, LLC（UT-巴特勒公司） ； US Department of Energy（美国能源部） ； The Ohio State University（俄亥俄州立大学） ； Oak Ridge National Laboratory（橡树岭国家实验室） ； Oak Ridge（橡树岭） ； Computer Science and Mathematics Division（计算机科学与数学 division） 纠错

专题命中 扩散模型 ：diffusion(title)

AI总结 针对复杂系统参数估计不确定性量化，提出双保真方法。先构建低保真条件生成模型，特定情况时用其细化采样空间，再训练高保真无条件生成模型，经数值示例和实际应用验证了方法的有效性。

A Feynman--Kac representation of a non-conservative and path-dependent nonlinear reaction-diffusion-advection system

非保守且路径依赖的非线性反应扩散对流系统的费曼 - 卡茨表示

Daniela Morale, Leonardo Tarquini, Stefania Ugolini

专题命中 扩散模型 ：diffusion(title)

AI总结 研究非保守且路径依赖的非线性反应扩散对流系统，通过给出概率解释，得到耦合随机公式并证明其适定性，引入相互作用粒子系统，表明加权后的经验测度收敛到极限次概率。

Localized spatiotemporal reaction-diffusion patterns on a line and a disk arising from a subcritical finite wavenumber Hopf instability

线和盘上由亚临界有限波数霍普夫不稳定性产生的局部化时空反应扩散模式

Edgar Knobloch, Saar O. Modai, Hannes Uecker, Arik Yochelis

专题命中 扩散模型 ：diffusion(title)

AI总结 研究亚临界有限波数霍普夫分岔与Purwins模型中的时空局部化和扩展结构，通过数值持续方法分析线上的局部稳态和行进波的蛇形行为，并用弱非线性理论验证结果，揭示跳跃振子的起源及非典型同宿蛇形结构的组织。

Comments 40 pages, 21 figures

Examining persistence of European open repository infrastructure and its diffusion in the scholarly record

欧洲开放仓储基础设施的持久性及其在学术记录中的扩散研究

George Macgregor, Joy Davidson

专题命中 扩散模型 ：diffusion(title)

AI总结 通过整合仓储注册数据和网络抓取信息，评估欧洲仓储的持久性，发现超过20%的仓储已“死亡”，约1.2万篇学术作品引用了无法检索的仓储内容，并提出了政策干预建议。

Comments 31 pages

Electronic Sound and Diffusion in Disordered Multiband Metals

无序多带金属中的电子声与扩散

Miguel-Ángel Sánchez-Martínez, Blaise Goutéraux, Louk Rademaker, Felix Flicker

专题命中 扩散模型 ：diffusion(title)

AI总结 研究无序多带金属中声学等离激元（恶魔）的动力学，发现无序导致模式频率变为纯虚数，产生扩散行为，解释了Sr₂RuO₄中恶魔的异常非线性色散。

A note on the $\mathcal{W}_2$-convergence rate of the empirical measure of an ergodic $\mathbb{R}^d$-valued diffusion

关于遍历 $\mathbb{R}^d$ 值扩散过程经验测度的 $\mathcal{W}_2$ 收敛速率的一个注记

Jean-Francois Chassagneux, Gilles Pagès

专题命中 扩散模型 ：diffusion(title)

AI总结 在强汇合和Lipschitz连续系数假设下，研究遍历扩散过程经验测度在Wasserstein距离下的均方和几乎必然收敛速率。

Comments This is a companion paper to arXiv preprint arXiv:2406.13370

A continually expandable foundation model for brain MRI

可持续扩展的脑MRI基础模型

Michail Mamalakis, Carmen Jimenez-Mesa, Yonghao Li, Hao Chen, Chao Li, Antonios Mamalakis, John Suckling, Richard Bethlehem, Stephen J. Price, Richard J. Gilbertson, Pietro Lio

机构 * University of Cambridge（剑桥大学） ； University of Málaga（马拉加大学） 纠错

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

AI总结 本文提出可扩展的Alcmaeon脑MRI基础模型，结合体积编码、潜在扩散生成与Graph-Blueprint Pruning，在跨临床领域扩展时遗忘程度更低，可支持多种任务，为持续发展的脑MRI基础模型提供了可行方向。

Iterative Flow Matching: Path Correction and Gradual Refinement for Enhanced Generative Modeling

迭代流匹配：用于增强生成建模的路径校正与渐进式优化

Eldad Haber, Shadab Ahamed, Md. Shahriar Rahim Siddiqui, Niloufar Zakariaei, Moshe Eliasof

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

AI总结 本研究针对图像生成模型易产生幻觉的问题，提出可集成于各类生成建模技术的迭代流匹配方法，通过路径校正与渐进式优化提升图像合成的性能与鲁棒性。

Comments 19 pages, 8 figures

Journal ref SIAM Journal on Scientific Computing, 48(4), C814-C831 (2026)

Bootstrap Dynamic-Aware 3D Visual Representation for Scalable Robot Learning

基于 Bootstrap 的动态感知 3D 视觉表示用于可扩展的机器人学习

Qiwei Liang, Boyang Cai, Minghao Lai, Sitong Zhuang, Tao Lin, Yan Qin, Yixuan Ye, Jiaming Liang, Renjing Xu

机构 * Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Shenzhen University（深圳大学） ； Beijing Jiaotong University（北京交通大学） ； Central South University（中南大学） 纠错

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

AI总结 AFRO通过动态感知的3D表示提升机器人操作性能，结合扩散策略实现高效预训练。

Comments Project Page: https://kolakivy.github.io/AFRO/, accepted by CVPR 2026

Energy-Guided Flow Matching

能量引导的流匹配（Energy-Guided Flow Matching）

Haoyang Tong, Yu He, Fang Li, Lichen Ma, Jingling Fu, Dong Chen, Zhen Chen, Junshi Huang, Jie Cao

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

AI总结 本文提出能量引导的流匹配（EG-FM），通过移动端点显式建模从粗到细的生成轨迹，无需额外适配，在ImageNet类条件图像生成及文本到图像生成任务中均取得优异性能。

Comments 19 pages, Code:https://github.com/ysng123/EG-FM

Hunyuan3D-Buffalo 1.0: A Unified Multimodal Model for Scalable 3D Generation, Understanding, and Editing

Hunyuan3D-Buffalo 1.0：用于可扩展3D生成、理解与编辑的统一多模态模型

Junliang Ye, Kenkun Liu, Guocun Wang, Yang Li, Yansong Qu, Chunshi Wang, Jingwei Xu, Yunhan Yang, Zibo Zhao, Jiachen Xu, Jiaao Yu, Lifu Wang, Zhihao Liang, Xin Huang, Zhuo Chen, Chunchao Guo

机构 * Tencent Hunyuan（腾讯混元） 纠错

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

AI总结 Hunyuan3D-Buffalo 1.0是支持3D理解、文本到3D生成等功能的统一多模态模型，构建87M规模语料库训练，在相关基准上达SOTA或领先性能，验证了统一训练的有效性。

Comments Project Page: https://tencent-hunyuan.github.io/Hunyuan3D-Buffalo1.0

Do Protective Perturbations Really Protect Portrait Privacy under Real-world Image Transformations?

保护性扰动在现实世界图像变换下是否真的能保护肖像隐私？

Ruiqing Sun, Xingshan Yao, Zhijing Wu, Tian Lan, Chenhao Cui, Huiyang Zhao, Jialing Shi, Chen Yang, Xianling Mao

机构 * Beijing Institute of Technology（北京理工大学） 纠错

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

AI总结 本文评估了现实世界图像变换对基于像素扰动的主动防御方法的影响，发现其有效性受挑战，并提出净化框架以去除保护性扰动。