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。
扩散模型的原理
机构 * MIT Press（MIT出版社） ； Sony AI（索尼人工智能） ； OpenAI（开放人工智能） ； Stanford University（斯坦福大学） ； Sony Group Corporation（索尼集团）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.GR
AI总结 本文从变分、基于分数和基于流三种视角统一阐述扩散模型的数学原理，并讨论可控生成、高效求解器和流映射模型等扩展。
Comments Supplementary materials for the book are available at the book website: https://the-principles-of-diffusion-models.github.io/
IDATA：用于无限制对抗迁移攻击的可扩展可逆扩散模型
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 IDATA是一种用于无限制对抗迁移攻击的内存高效扩散框架，通过可逆扩散模块与低频约束模块提升攻击性能，在多基准测试中优于现有方法，可用于评估深度视觉模型黑盒鲁棒性。
Comments Adversarial attack,Invertible diffusion model,Memory-efficient,Low-frequency
WaveFreqAnchor：用于无训练人脸修复的波结构锚定与频率校正扩散
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本研究针对现有扩散模型人脸修复的结构漂移与保真度问题，提出无训练框架WaveFreqAnchor，通过ASWG、MWFI、SHE设计实现高质量人脸修复，性能优于现有方法。
Comments training-free wavelet-structural diffusion sampling framework for face restoration that improves structural stability, identity consistency, and real-world perceptual quality without task-specific fine-tuning
循环自回归扩散：全局记忆与局部注意力相结合
机构 * Peking University（北京大学） ； Princeton University（普林斯顿大学） ； 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 研究针对超长视频生成中现有模型的不足，提出循环自回归扩散（RAD）框架，结合循环块与局部注意力，解决训练推理差距等问题，在相关数据集实验中展现出长视频生成的优越性。
Comments Published at ECCV 2026. Project page: https://yeyutaihan.github.io/recurrent-autoregressive-diffusion/
用扩散模型去噪蒙特卡洛渲染图
机构 * UIUC（伊利诺伊大学香槟分校）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 研究如何用扩散模型去噪蒙特卡洛渲染图，该方法可基于多种自然渲染信息，定量实验显示其在多采样率下与最优方法竞争，定性检查表明重建结果类似真实图像，有直阴影边界、弯曲镜面反射且无亮点。
Comments Code here: https://github.com/vibe007/denoising-monte-carlo-renders-with-diffusion-models 25 pages, 18 figures, 2 tables
Journal ref 2025 International Conference on 3D Vision (3DV), pp. 835-844, 2025
扩散加权磁共振成像预处理影响双参数前列腺磁共振成像中表观扩散系数估计和自动PI-RADS v2.1分类
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 研究不同DWI预处理策略对前列腺MRI中ADC估计及PI-RADS分类的影响，通过对268个病例应用多种处理方法，比较不同算法下的ADC图，训练分类器预测PI-RADS分数，发现预处理可提升ADC图质量及分类预测能力。
Comments 19 pages, 10 figures, ISMRM Diffusion workshop 2025, ESMRMB 2025
基于扩散的材料正则化用于物理逆渲染
机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； NVIDIA（英伟达） ； BNRist and School of Software, Tsinghua University（清华大学软件学院及北京国家信息科学与技术研究中心）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 提出将扩散模型预测作为相似性核，通过正则化损失约束材料优化，联合重建几何、材质和光照，在多个数据集上显著优于现有方法。
Comments Accepted to ECCV 2026. Includes supplementary material. Project page: https://gerwang.github.io/diffusion-regularized-inverse-rendering/
Vera: 一种用于内容保持视频编辑的分层扩散模型
机构 * California Institute of Technology（加州理工学院） ； Netflix, Inc（Netflix公司）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 提出Vera分层扩散框架，通过生成编辑层和alpha遮罩与源视频合成，利用混合Transformer架构和高质量分层数据集，在保持内容的同时实现高质量编辑。
重叠小波扩散用于低光照图像增强
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 提出重叠小波扩散框架OWDiff，通过重叠小波变换消除块伪影，并引入低频引导的高频增强模块恢复细节，在LOLv1和LOLv2-real数据集上优于现有方法。
Comments Advance published in IEICE Transactions on Information and Systems. DOI: 10.1587/transinf.2026PCP0006. Code: https://github.com/FinnPeg/Overlapped-Wavelet-Diffusion
Journal ref IEICE Transactions on Information and Systems, Advance online publication, 2026
扩散模型中可重复性与泛化性的出现
机构 * CIFAR-10 dataset（CIFAR-10数据集）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 研究发现扩散模型在相同初始噪声和确定性采样器下，不同模型输出高度相似，且这种可重复性在记忆和泛化两种训练模式下均存在，对训练效率、模型隐私等有重要启示。
Comments NeurIPS Diffusion Model Workshop 2023 (best paper award), the Forty-first International Conference on Machine Learning (ICML 2024)
超越基于VLM的奖励：扩散原生潜在奖励建模
机构 * The Hong Kong University of Science ； Huawei Hong Kong AI Framework \& Data Technologies Lab ； Tsinghua University ； The Australian National University
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 提出扩散原生潜在奖励模型DiNa-LRM，直接在噪声扩散状态上进行偏好学习，通过噪声校准Thurstone似然和推理时噪声集成，实现高效且鲁棒的奖励建模。
Comments Accepted by ICML 2026. Code: https://github.com/HKUST-C4G/diffusion-rm
在扩散模型中学习光照控制
机构 * University of Maryland College Park（马里兰大学学院公园分校）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文提出一个完全开源的管道，通过生成光照控制训练三元组来改进扩散模型的光照控制，实验显示在感知相似性、结构相似性和身份保持方面优于基线模型。
Comments Accepted to ICLR 2026 ReALM-GEN Workshop on Diffusion Models. Project Website: https://nishitanand.github.io/relighting-diffusion-website
DGSSM：基于扩散引导的状态空间模型的多模态显著目标检测
机构 * Dept. of Computer Science and Engineering, Indian Institute of Technology, Guwahati（计算机科学与工程系，印度理工学院，果阿提）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文提出DGSSM，一种结合扩散模型结构先验和多尺度状态空间编码的多模态显著目标检测框架，通过迭代Mamba扩散细化机制提升边界精度，实验表明其在多个评估指标上优于现有方法。
Comments Accepted at ICPR 2026. Diffusion-guided Mamba framework for multimodal salient object detection. Evaluated on 13 benchmarks (RGB, RGB-D, RGB-T)
扩散心理平均
机构 * VISTEC（泰国威斯泰克科学技术研究院）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文提出扩散心理平均(DMA)，通过在扩散模型语义空间内平均生成样本，解决传统方法在生成相同提示下的模糊问题，实现一致且逼真的概念平均。
Comments CVPR 2026. Project page: https://diffusion-mental-averages.github.io/
视网膜扩散：高效的视空适应图像和视频生成
机构 * Stanford University, USA（斯坦福大学，美国）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文提出视网膜扩散模型，通过非均匀分配token提高生成效率，利用人类视觉的视网膜区域高分辨率特性，在保持视觉质量的同时显著减少token数量和生成时间。
Comments Project website at https://bchao1.github.io/foveated-diffusion
条件变分扩散模型
机构 * Center for Advanced Systems Understanding (CASUS)（先进系统理解中心） ； Helmholtz-Zentrum Dresden-Rossendorf e. V. (HZDR)（德累斯顿-罗斯托克亥姆霍尔茨研究中心） ； Department of Computing, Imperial College London（伦敦帝国理工学院计算机系） ； Bladder Infection and Immunity Group (BIIG), UCL Centre for Kidney and Bladder Health（膀胱感染与免疫组（BIIG），UCL肾与膀胱健康中心） ； Division of Medicine, University College London（伦敦大学学院医学系） ； Institute of Computer Science, University of Wrocław（沃斯克大学计算机科学研究所）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文提出一种在训练过程中学习方差调度的方法，用于解决逆问题，适用于超分辨率显微镜和定量相成像，实现高质量解决方案。
Comments Denoising Diffusion Probabilistic Models, Inverse Problems, Generative Models, Super Resolution, Phase Quantification, Variational Methods
Journal ref In The Twelfth International Conference on Learning Representations. 2023
Diffusion-DRF：免费、丰富且可微的奖励用于视频扩散微调
机构 * Northeastern University（东北大学） ； Snap Inc.（Snap公司）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文提出Diffusion-DRF框架，通过多维问题和密集VQA解释查询生成丰富反馈，实现稳定奖励微调，无需偏好数据集。
Comments Webpage: https://snap-research.github.io/diffusion-drf/
尺度空间扩散
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文提出尺度空间扩散模型，通过融合尺度空间理论与扩散过程，改进图像生成与去噪效果。
Comments Project website: https://prateksha.github.io/projects/scale-space-diffusion/ . The first two authors contributed equally
DiffusionHarmonizer: 通过在线扩散增强器连接神经重建与逼真模拟
机构 * NVIDIA ； University of Toronto（多伦多大学） ； Cornell University（康奈尔大学） ； Technion（技术学院）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 DiffusionHarmonizer通过在线扩散增强器提升神经重建与逼真模拟的结合，解决动态物体整合与伪影问题，提高模拟保真度。
Comments For more details and updates, please visit our project website: https://research.nvidia.com/labs/sil/projects/diffusion-harmonizer
扩散模型对齐：基础、挑战与未来
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； Baidu Inc.（百度公司） ； The University of Bologna（博洛尼亚大学）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文综述了扩散模型对齐的基础、挑战及未来方向，探讨了对齐技术、评估方法及当前挑战的解决方案。
Comments Accepted at ACM Computing Surveys. 35 pages, 5 figures, 4 tables. Paper List: github.com/xie-lab-ml/awesome-alignment-of-diffusion-models
无需其他表示组件：扩散变换器本身可以提供表示指导
机构 * Northwestern Polytechnical University（西北工业大学） ； SGIT AI Lab, State Grid Corporation of China（国网SGIT人工智能实验室） ； Zhejiang University of Technology（浙江工业大学） ； Baidu Inc.（百度公司）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文提出SRA方法，利用扩散变换器自身内部表示进行对齐，无需外部组件即可提升生成模型性能。
Comments ICLR 2026. Self-Representation Alignment for Diffusion Transformers. Code: https://github.com/vvvvvjdy/SRA
当两个分数比一个更好吗？调查扩散模型的集成
机构 * Université Côte d’Azur（索邦大学（海岸）） ； Inria（法国国家科学研究中心） ； CNRS（法国国家科学研究中心） ； I3S（信息科学与系统研究所） ； Maasai（马赛机构） ； Julius-Maximilians-Universität Würzburg（维尔茨堡约瑟夫-玛克西米利安大学） ； Institute for Computer Science（计算机科学研究所） ； CAIDAS（计算机辅助设计与应用研究所） ； LJAD（图像与视觉研究所）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文研究了扩散模型集成对生成建模的影响，发现虽然集成能提升模型性能，但对感知质量指标效果有限，并通过实验和理论分析探讨了其局限性。
Comments Accepted at Transactions on Machine Learning Research (reviewed on OpenReview: https://openreview.net/forum?id=4iRx9b0Csu). Code: https://github.com/rarazafin/score_diffusion_ensemble
REXO：基于3D边界框扩散的多视角室内雷达目标检测
机构 * MERL ； ITC
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 REXO通过3D边界框扩散提升多视角室内雷达目标检测，利用先验知识减少参数并提升检测性能。
Comments 26 pages; Accepted to AAAI 2026; Code available at https://github.com/merlresearch/radar-bbox-diffusion
RealD$^2$iff: 通过深度扩散弥合机器人操作中的现实差距
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 RealD$^2$iff通过深度扩散模型弥合现实与模拟之间的差距，实现无需额外微调的零样本机器人操作，并生成现实世界般的深度数据集。
Comments We are the author team of the paper "RealD$^2$iff: Bridging Real-World Gap in Robot Manipulation via Depth Diffusion". After self-examination, our team discovered inappropriate wording in the citation of related work, the introduction, and the contribution statement, which may affect the contribution of other related works. Therefore, we have decided to revise the paper and request its withdrawal
机构 * Project leader（项目负责人）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
Comments Accepted by AAAI Conference on Artificial Intelligence (AAAI) 2026. Code available at https://github.com/bcmi/D3ToM-Diffusion-MLLM
机构 * Department of Bio and Brain Engineering（生物与脑工程系） ； Department of Mechanical Engineering（机械工程系） ； Kim Jaechul Graduate School of AI（Kim Jaechul人工智能研究生院） ； KAIST Institute for Health Science and Technology（KAIST健康科学与技术研究所）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
Comments Keywords: Diffusion model, phase retrieval, inline-holography, inverse problem
机构 * Carnegie Mellon University（卡内基梅隆大学） ； Lambda
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
Comments Project Webpage: https://diffusion-scaling.github.io
机构 * Bosch Research North America, Bosch Center for AI (BCAI)（博世北美研究部、博世人工智能中心） ； Institute for Robotics and Intelligent Machines (IRIM), Georgia Institute of Technology（机器人与智能机器研究所、佐治亚理工学院） ； Department of Computer Science, University of Southern California（计算机科学系、南加州大学）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
Comments Code is at https://github.com/ChampagneAndfragrance/Dino_Diffusion_Parking_Official
机构 * The University of Tokyo（东京大学） ； Google DeepMind（谷歌DeepMind）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
Comments Accepted to NeurIPS2025. Website: https://sites.google.com/view/t2v-dlbs and Code: https://github.com/shim0114/T2V-Diffusion-Search
机构 * University of Maryland, College Park（马里兰大学学院 park）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
Comments Project Page: https://nerv-diffusion.github.io/
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