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。
SCRIPT: 面向语言驱动的物理仿真人体控制的可扩展扩散策略与多阶段训练
机构 * ShanghaiTech University（上海科技大学） ； University of Pennsylvania（宾夕法尼亚大学） ； Stanford University（斯坦福大学）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.GR
AI总结 提出SCRIPT框架，通过联合动作-状态-文本扩散Transformer和多阶段训练（监督模仿预训练+混合奖励强化学习后训练），实现语言指令驱动的物理仿真人体控制，在文本对齐、运动质量和物理真实性上超越现有方法。
Comments Project page: https://zhanglele12138.github.io/SCRIPT/
DriveGen3D: 通过高效视频扩散提升前馈驾驶场景生成
机构 * Zhejiang University（浙江大学） ； GigaAI ； Tsinghua University（清华大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Peking University（北京大学） ； Monash University（墨尔本大学）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 提出DriveGen3D框架，结合快速视频扩散Transformer（FastDrive-DiT）和前馈3D重建模块（FastRecon3D），实现高质量、可控的动态3D驾驶场景生成，在长视频和3D一致性上达到最优。
Comments ICME 2026 Oral, Project Page: https://lhmd.top/drivegen3d
三步条件扩散光场显微三维重建
机构 * Yanshan University（雁山大学） ； Peking University（北京大学）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 针对光场显微成像中传统算法分辨率低、伪影重、计算成本高，以及现有学习方法重建精度和泛化能力不足的问题，提出一种基于三步条件扩散的高保真三维重建方法，通过确定性三步采样和轻量条件U-Net实现快速准确重建，并引入类间检测模块增强稳定性。
Comments 10 pages, 6 figures. Accepted to CVPR 2026 Findings
轨迹一致校准用于缓存加速扩散模型
机构 * Laboratory for Novel Software Technology, Nanjing University, China（南京大学新型软件技术实验室）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 针对缓存加速扩散模型中表示偏差导致生成质量下降的问题，提出无训练的轨迹一致校准方法，通过离线迭代校准缓存表示，在PixArt-alpha和DiT-XL/2上持续改善FID。
Comments 23 pages, 8 figures, 8 tables. Code is available at https://github.com/NJUDeepEngine/TCC
推理对齐：扩散Transformer在视频编辑中的隐式推理
机构 * The Hongkong University of Science and Technology（香港科技大学） ； Huawei Inc.（华为公司）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 针对指令式视频编辑中条件信号未分化及交叉注意力监督不足的问题，提出RVEDiT框架，通过粒度路由令牌条件和参考锚定注意力对齐实现粗到细编辑与内部推理正则化。
DexSIM: 具有统一因果视频扩散的实时灵巧仿真
机构 * UC Berkeley（加州大学伯克利分校）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 提出DexSIM框架，通过两阶段训练（双向视频扩散和自回归滚动训练）实现实时、长时一致的灵巧操作仿真，在像素相似度、运动保真度和手部投影精度上超越基线。
Comments World Model @ ICLR 2026
使用预条件未调整朗之万算法实现快速且鲁棒的MR图像重建扩散后验采样
机构 * Institute of Biomedical Imaging, Graz University of Technology, Graz, Austria ； Department of Radiology, Boston Children's Hospital, Harvard Medical School, Boston, USA ； Chandra Family Department of Electrical Engineering, University of Texas at Austin, USA ； Department of Diagnostic Medicine, Dell Medical School, University of Texas at Austin, USA
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 针对MR图像重建中扩散后验采样速度慢和参数调优问题，提出基于预条件未调整朗之万算法的精确似然方法，实现快速收敛且无需调参的鲁棒采样。
Comments Submitted to Magnetic Resonance in Medicine
扩散模型的局部MAP采样
机构 * University of California, Riverside, CA, US（加州大学河滨分校）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.GR
AI总结 提出局部MAP采样（LMAPS）框架，通过沿扩散轨迹迭代求解局部MAP子问题，统一了优化方法与概率采样，在图像恢复和科学任务中达到最优性能。
Dale meets Langevin: 乘法去噪扩散模型
机构 * Department of Electrical Engineering（电子工程系） ； Indian Institute of Science（印度科学研究所）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 提出以几何布朗运动为前向噪声过程的乘法分数生成模型，推导反向时间SDE并设计两种乘法采样器，引入Hyvärinen分数和乘法去噪分数匹配目标，在图像数据集上验证生成能力。
基于教师-学生扩散框架的实时无硬件HIFU干扰抑制
机构 * Department of Computer Science and Engineering, The Hong Kong University of Science and Technology, Hong Kong SAR, China（香港科学与技术大学计算机科学与工程系） ； State Key Laboratory of Ultrasound Engineering in Medicine, Chongqing Medical University, Chongqing 400016, China（重庆医科大学超声医学工程国家重点实验室） ； School of Microelectronics, Tianjin University, Tianjin 300072, China（天津大学微电子学院） ； Department of Chemical and Biological Engineering, The Hong Kong University of Science and Technology, Hong Kong SAR, China（香港科学与技术大学化学与生物工程系） ； Division of Life Science, The Hong Kong University of Science and Technology, Hong Kong SAR, China（香港科学与技术大学生命科学系） ； HKUST Shenzhen-Hong Kong Collaborative Innovation Research Institute, The Hong Kong University of Science and Technology, Futian, Shenzhen, China（香港科技大学深圳-香港协同创新研究院） ； State Key Laboratory of Nervous System Disorders, The Hong Kong University of Science and Technology, Hong Kong SAR, China（香港科技大学神经系统疾病国家重点实验室）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 提出一种无需专用硬件同步的图像域扩散框架mHC-Diff，通过教师-学生蒸馏实现实时高保真HIFU干扰抑制，在临床数据集上达到26.65 dB PSNR和~20 FPS。
面向大规模类别空间的可扩展多类无监督异常检测的双原型条件扩散模型
机构 * National Key Laboratory of Radar Signal Processing（雷达信号处理国家重点实验室）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 提出DPDiff-AD，一种通过局部和全局原型建模异构正态分布并利用扩散重建实现可扩展多类异常检测的方法。
滤波后验均值集合：扩散泛化分析模型的统一框架
机构 * University of British Columbia（不列颠哥伦比亚大学） ； Inverted AI ； Alberta Machine Intelligence Institute（阿尔伯塔机器智能研究所）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文提出滤波后验均值集合（FPMC）统一框架，通过查询精度向量、响应权重和源分布建模扩散模型去噪函数的泛化行为，并通过软松弛和源分布增强提升现有方法性能。
Comments 27 Pages, 7 figures
Loki：基于表示而非架构的扩散肖像动画
机构 * The Ohio State University（俄亥俄州立大学） ； University of Central Florida（中央佛罗里达大学）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 提出Loki方法，通过使用参数化人脸模型解耦身份与表情/姿态，并利用轻量级键值注入保持身份，在减少参数和训练数据的同时提升扩散肖像动画的驱动跟随性。
SwiftFusion: 面向GPU上扩散Transformer分布式推理的可扩展序列并行
机构 * University of Toronto \&\ Institute ； Amazon ； University of Toronto \& Vector Institute \& NVIDIA
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 针对扩散Transformer推理中序列并行方法的通信和同步瓶颈，提出拓扑感知的StreamFusion引擎，通过Torus Attention和单边通信实现平均1.35倍加速。
具有扩散教师的期望方差缩减
机构 * NVIDIA ； University of Toronto（多伦多大学） ； Princeton University（普林斯顿大学）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 提出CARV框架，通过分层蒙特卡洛估计器（摊销上游计算、时间步重要性采样和分层逆CDF构造）降低扩散模型作为冻结教师时的梯度方差，在文本到3D和蒸馏实验中实现2-3倍有效计算乘数。
Comments Project page: https://research.nvidia.com/labs/sil/projects/CARV/
使用集成扩散估计端到端自动驾驶的不确定性
机构 * Norwegian University of Science and Technology（挪威科学技术大学）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 提出EnDfuser系统，利用扩散模型作为轨迹规划器，通过集成扩散从单一感知帧生成候选轨迹分布，实现不确定性感知决策，在LAV基准上驾驶评分提升1.7%。
Comments Accepted at NLDL 2026
基于扩散的通用增强器用于城市场景重建
机构 * Waabi ； University of Toronto（多伦多大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文提出GenRe，一种基于扩散的通用增强器，用于城市场景重建，通过学习不同场景中的生成先验，高效地生成稳健且高保真的表示，能够可靠地泛化到挑战性的未见过的视角，从而在自动驾驶中实现鲁棒和可扩展的传感器模拟。
Comments ICRA 2026. Project page: https://waabi.ai/genre
PIU：基于接近性的身份去学习在ID条件化的扩散模型中
机构 * University of Ljubljana, Faculty of Computer and Information Science（卢布尔雅那大学计算机与信息科学系） ； University of Ljubljana, Faculty of Electrical Engineering（卢布尔雅那大学电子工程系）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文研究了在ID条件化的扩散模型中身份去学习的问题，提出了一种基于接近性的身份去学习框架PIU，通过在学习的身份空间中重新分配源身份到选定的锚身份来实现身份移除，并结合基于ArcFace表示几何的锚点选择策略，通过局部微调少量身份敏感的交叉注意力层实现有效的去学习。
多样且一致：基于能量的联合细化的上下文引导扩散用于多智能体运动预测
机构 * University of Southern California（南加州大学）
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扩散的框架，通过利用历史轨迹中的丰富上下文信息来改进多智能体运动预测，通过引导机制增强预测动作的多样性和表达性，并引入基于能量的公式来细化联合轨迹分布，同时保持个体轨迹的合理性，实验表明该方法在多个基准数据集上均优于现有方法。
Comments MEIS-- CVPR
ORBIS: 通过分布感知匹配的输出引导标记减少以加速视频扩散
机构 * KAIST（韩国科学技术院）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文提出ORBIS，一种针对视频扩散Transformer的SW-HW协同设计加速器，通过利用前一时间步的输出激活获得更准确的token相似性，从而提高匹配质量并实现更高的标记减少比例，同时引入分布感知标记匹配算法和专用硬件设计，实现比现有方法更高的标记减少率、更快的速度和更低的能耗。
引导轨迹优化与稀疏缩放用于测试时间扩散
机构 * Guangdong University of Technology（广东工业大学） ； South China University of Technology（华南理工大学） ； 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 本文提出RTS方法，通过奖励引导的噪声优化策略和稀疏测试时间缩放框架，提升扩散模型的生成性能，实验表明在GenEval和ImageReward指标上均优于现有方法。
分层变分策略用于奖励引导的扩散
机构 * Department of Computer Science（计算机科学系） ； University of California Irvine（加州大学伊文斯顿分校）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文提出了一种分层变分模型框架，通过将控制信息压缩到轻量级且表达能力强的随机策略中，实现了在降低推理成本的同时生成高质量的奖励对齐样本，该方法在4倍超分辨率任务中实现了比现有最佳基线快5倍的推理速度并具有更好的感知质量。
具有时间意识的剪枝用于高效扩散式视频生成
机构 * University of Pittsburgh（匹兹堡大学） ； Illinois Institute of Technology（伊利诺伊理工学院） ； Rutgers University（罗格斯大学） ； Rice University（Rice大学）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文提出TAPE，一种无需训练的时间感知剪枝方法，用于高效扩散式视频生成，通过时间平滑、层内token重选和时间步预算调度，提升生成效率并保持高质量视觉效果。
局部关注，线性记忆：线性注意力作为跨帧记忆用于自回归视频扩散
机构 * Institute of Artificial Intelligence, University of Central Florida（中央佛罗里达大学人工智能研究所）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文提出了一种名为ARL2的混合注意力模块，通过将二次跨帧注意力替换为固定大小的递归状态，解决了自回归视频扩散模型在长视频生成中的可扩展性瓶颈问题，实现了线性时间复杂度和常数内存消耗，同时提升了时间一致性。
一种用于南极 Landsat 7 ETM+ SLC-off 图像恢复的非参考扩散框架
机构 * College of Surveying and Geo-Informatics, Tongji University, Shanghai 200092, China（同济大学测绘与地理信息学院，上海200092，中国）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文提出 DiffGF 框架，通过非参考扩散方法恢复 Landsat 7 SLC-off 图像，无需外部参考数据，利用南极专用数据集 SLCANT 进行训练和评估，验证了其在恢复南极 SLC-off 图像方面的高保真度，并通过下游裂缝分割应用展示了其实际价值。
Comments Submitted to IEEE JSTARS
Q-ARVD: 对自回归视频扩散模型进行量化
机构 * National University of Singapore（新加坡国立大学） ； The Hong Kong Polytechnic University（香港理工大学）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文针对自回归视频扩散模型（ARVD）的量化问题，提出了一种新的框架Q-ARVD，解决了帧间量化敏感度不平衡和权重中异质性异常模式的问题，从而提高了模型效率。
Comments Code: https://github.com/tsa18/Q-ARVD
学习物理中的推理：通过表征对齐打破科学扩散中的捷径学习
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港理工大学（广州）） ； Shandong University（山东大学） ； LimX Dynamics Technology Co., Ltd.（LimX动态技术有限公司） ； Xidian University（西安电子科技大学） ； Peking University（北京大学） ； Institute of Deep Perception Technology, Jiangsu Industrial Technology Research Institute (JITRI)（感知技术研究院，江苏工业技术研究院（JITRI）） ； Griffith University（格里菲斯大学）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 该研究提出了一种无需教师的框架REPA-P，通过使用原理残差对中间特征与物理状态进行对齐，以解决物理信息扩散模型中中间表示在边界条件变化时容易产生捷径学习的问题，从而在四个PDE任务中提高了收敛速度、减少了物理残差并增强了分布外鲁棒性。
AttriStory: 基于扩散模型的视觉叙事中细粒度属性实现
机构 * Indian Institute of Science（印度科学研究院）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文提出AttriStory基准，通过细粒度属性实现提升视觉叙事的质量，引入了在早期去噪步骤中操作的潜在优化模块，并通过AttriLoss目标增强属性-对象对的对齐度，从而实现更精确的属性定位。
Comments Accepted at CVPR AIStory Workshop, 2026
Diffuse to Detect: 基于伪标签扩散的双级样本再平衡点监督红外小目标检测
机构 * School of Software Technology, Dalian University of Technology, Dalian, China（大连理工大学软件学院）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文提出了一种更适应且稳定的框架，通过利用热辐射模式与热扩散的内在一致性，提出了一种物理诱导的标注策略，扩展单点标签为可靠的伪掩码，并开发了双级双更新框架，联合优化检测器权重、样本权重和扩散参数，以提高监督效果并缓解样本不平衡问题。
RoPeSLR: 3D RoPE驱动的稀疏低秩注意力用于高效的扩散变换器
机构 * Peking University（北京大学） ； University of Electronic Science and Technology of China（电子科技大学） ； Beijing University of Posts and Telecommunications（北京邮电大学）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本研究提出RoPeSLR，一种基于3D RoPE的稀疏低秩注意力框架，旨在解决扩散变换器中长序列生成的高复杂度问题，通过结合高频率语义尖峰集和极低秩背景连续体，实现子二次稀疏性和子线性秩增长，从而在超长视频推理中表现出色。
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