图像生成

Motion-Adapter: A Diffusion Model Adapter for Text-to-Motion Generation of Compound Actions

Motion-Adapter：一种用于复合动作文本到运动生成的扩散模型适配器

Yue Jiang, Mingyu Yang, Liuyuxin Yang, Yang Xu, Bingxin Yun, Yuhe Zhang

机构 * School of Computer Science, Northwest University（西北大学计算机学院） 纠错

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

AI总结 本文提出Motion-Adapter，通过计算解耦的交叉注意力图，解决文本到运动扩散模型中的时间信息处理和注意力崩溃问题，提升复合动作生成的准确性和连贯性。

Comments 12 pages, 12 figures, Under review for publication in IEEE Transactions on Visualization and Computer Graphics

Elucidating the SNR-t Bias of Diffusion Probabilistic Models

阐明扩散概率模型的SNR-t偏差

Meng Yu, Lei Sun, Jianhao Zeng, Xiangxiang Chu, Kun Zhan

机构 * Lanzhou University（兰州大学） ； AMAP Alibaba Group（AMAP阿里巴巴集团） 纠错

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

AI总结 本文揭示了扩散模型在推理阶段SNR与时间步的不匹配问题，提出差分校正方法提升生成质量，实验表明在多种模型和数据集上效果显著。

Comments Accepted to CVPR 2026, 19pages, with appendix

Hierarchical Codec Diffusion for Video-to-Speech Generation

层次编码扩散用于视频到语音生成

Jiaxin Ye, Gaoxiang Cong, Chenhui Wang, Xin-Cheng Wen, Zhaoyang Li, Boyuan Cao, Hongming Shan

机构 * Fudan University（复旦大学） ； Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） 纠错

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

AI总结 本文提出HiCoDiT，利用残差向量量化编码的层次结构，通过低层和高层块生成不同层级的语音令牌，以实现强音频视觉对齐，实验表明其在保真度和表达性上优于基线。

Comments CVPR 2026

DVFace: Spatio-Temporal Dual-Prior Diffusion for Video Face Restoration

DVFace：时空双先验扩散用于视频面部修复

Zheng Chen, Bowen Chai, Rongjun Gao, Mingtao Nie, Xi Li, Bingnan Duan, Jianping Fang, Xiaohong Liu, Linghe Kong, Yulun Zhang

机构 * Shanghai Jiaotong 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DVFace，一种单步扩散框架，通过时空双代码本设计提取互补的空间和时间面部先验，提升视频面部修复的质量、时间一致性和身份保持。

Comments Code is available at: https://github.com/zhengchen1999/DVFace

Step-level Denoising-time Diffusion Alignment with Multiple Objectives

分步级去噪时间扩散对齐与多目标

Qi Zhang, Dawei Wang, Shaofeng Zou

机构 * School of Electrical, Computer and Energy Engineering, Arizona State University（电气、计算机与能源工程学院，亚利桑那州立大学） 纠错

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

AI总结 本文提出MSDDA框架，通过分步级强化学习对扩散模型进行多目标对齐，无需重新训练，实现闭式解的最优去噪分布，避免了现有方法的近似误差。

Diagnosing and Improving Diffusion Models by Estimating the Optimal Loss Value

通过估计最优损失值来诊断和改进扩散模型

Yixian Xu, Shengjie Luo, Liwei Wang, Di He, Chang Liu

机构 * State Key Laboratory of General Artificial Intelligence（通用人工智能国家重点实验室） ； Zhongguancun Academy（中关村学院） 纠错

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

AI总结 本文通过估计扩散模型的最优损失值，提出了一种诊断和改进扩散模型的方法，开发了有效的估计器，并发现减去最优损失后，功率律更明显。

Comments 33 pages, 12 figures, 9 tables. ICLR 2026 Camera Ready version

JoyVASA: Portrait and Animal Image Animation with Diffusion-Based Audio-Driven Facial Dynamics and Head Motion Generation

JoyVASA: 基于扩散模型的面部和动物图像动画：结合音频驱动的面部动态和头部运动生成

Xuyang Cao, Guoxin Wang, Sheng Shi, Jun Zhao, Yang Yao, Jintao Fei, Minyu Gao, Pei Xie

机构 * JD Health International Inc.（JD健康国际公司） 纠错

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

AI总结 本文提出JoyVASA，一种基于扩散模型的音频驱动面部动画方法，通过解耦面部表示和独立于角色身份的运动生成，实现更长视频和动物面部的无缝动画。

Remote Sensing Image Super-Resolution for Imbalanced Textures: A Texture-Aware Diffusion Framework

遥感图像超分辨率中的不平衡纹理处理：一种纹理感知扩散框架

Enzhuo Zhang, Sijie Zhao, Dilxat Muhtar, Zhenshi Li, Xueliang Zhang, Pengfeng Xiao

机构 * Nanjing University（南京大学） 纠错

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

AI总结 本文提出TexADiff框架，通过估计相对纹理密度图来解决遥感图像中纹理不平衡问题，改进模型的空间感知能力，提升超分辨率的定量和定性性能。

Comments 10 pages, 5 figures, 9 Tables

Blind Bitstream-corrupted Video Recovery via Metadata-guided Diffusion Model

基于元数据引导扩散模型的盲视流损坏视频恢复

Shuyun Wang, Hu Zhang, Xin Shen, Dadong Wang, Xin Yu

机构 * The University of Queensland（昆士兰大学） ； Data61, CSIRO, Australia（澳大利亚CSIRO数据61实验室） 纠错

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

AI总结 本文提出元数据引导扩散模型，用于在无预定义损坏区域掩码的情况下恢复损坏视频，通过双流元数据编码器提取运动向量和帧类型，结合交叉注意力机制与后处理模块提升恢复效果。

Comments CVPR 2025

DiT as Real-Time Rerenderer: Streaming Video Stylization with Autoregressive Diffusion Transformer

DiT作为实时重绘器：基于自回归扩散变换器的流式视频风格化

Hengye Lyu, Zisu Li, Yue Hong, Yueting Weng, Jiaxin Shi, Hanwang Zhang, Chen Liang

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； The Hong Kong University of Science and Technology（香港科技大学） ； XMax.AI Ltd.（XMax人工智能有限公司） ； Nanyang Technological University（南洋理工大学） 纠错

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

AI总结 本文提出RTR-DiT框架，通过微调双向教师模型和知识蒸馏实现高效视频风格化，支持文本和参考图像引导，实现实时稳定处理长视频和风格切换。

Deep Spatially-Regularized and Superpixel-Based Diffusion Learning for Unsupervised Hyperspectral Image Clustering

深度空间正则化与超像素基于扩散学习的无监督超光谱图像聚类

Vutichart Buranasiri, James M. Murphy

机构 * Tufts University（塔夫茨大学） 纠错

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

AI总结 本文提出一种结合掩码深度表征学习与扩散聚类的无监督超光谱图像聚类框架，通过改进的空间正则化超像素扩散学习算法，提升聚类质量。

Comments To appear in IEEE IGARSS 2026

CoD-Lite: Real-Time Diffusion-Based Generative Image Compression

CoD-Lite：基于扩散的实时生成图像压缩

Zhaoyang Jia, Naifu Xue, Zihan Zheng, Jiahao Li, Bin Li, Xiaoyi Zhang, Zongyu Guo, Yuan Zhang, Houqiang Li, Yan Lu

机构 * University of Science（大学科学） ； Microsoft Research Asia（微软亚洲研究院） ； Communication University of China（通信大学） 纠错

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

AI总结 本文提出轻量级扩散编码器，通过分析预训练对模型的影响和Transformer的必要性，实现了60FPS编码和42FPS解码，降低比特率85%并接近MS-ILLM的FID性能。

Detecting Diffusion-generated Images via Dynamic Assembly Forests

通过动态装配森林检测扩散生成图像

Mengxin Fu, Yuezun Li

机构 * School of Computer Science and Technology, Ocean University of China（中国海洋大学计算机科学与技术学院） 纠错

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

AI总结 本文提出动态装配森林模型，用于检测扩散生成图像，相比传统深度学习模型，其参数更少、计算成本更低，可在无GPU环境下实现高效检测。

DICE: Diffusion Consensus Equilibrium for Sparse-view CT Reconstruction

DICE：扩散共识均衡用于稀疏视角CT重建

Leon Suarez-Rodriguez, Roman Jacome, Romario Gualdron-Hurtado, Ana Mantilla-Dulcey, Henry Arguello

机构 * Department of Systems and Informatics Engineering（系统与信息工程系） ； Department of Electrical, Electronics, and Telecommunications Engineering（电气、电子与电信工程系） ； Department of Physics（物理系） ； Universidad Industrial de Santander（圣安德烈斯工业大学） 纠错

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

AI总结 DICE框架通过整合双代理共识均衡，结合生成先验能力和测量一致性，有效提升稀疏视角CT重建质量，实验显示在15、30和60视角下优于现有方法。

Comments 8 pages, 4 figures, confenrence

Journal ref Proceedings of the 2025 IEEE 10th International Workshop on Computational Advances in Multi-Sensor Adaptive Processing (CAMSAP)

Fragile Reconstruction: Adversarial Vulnerability of Reconstruction-Based Detectors for Diffusion-Generated Images

脆弱的重建：基于重建的检测器在扩散生成图像中的对抗脆弱性

Haoyang Jiang, Mingyang Yi, Shaolei Zhang, Junxian Cai, Qingbin Liu, Xi Chen, Ju Fan

机构 * Renmin University of China（中国人民大学） ； Tencent Inc.（腾讯公司） 纠错

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

AI总结 研究发现基于重建的检测器在扩散生成图像检测中存在严重对抗脆弱性，通过微小对抗扰动可使检测准确率降至近零，揭示了现有检测策略的安全隐患。

Turbo-DDCM: Fast and Flexible Zero-Shot Diffusion-Based Image Compression

Turbo-DDCM：快速且灵活的零样本扩散图像压缩

Amit Vaisman, Guy Ohayon, Hila Manor, Michael Elad, Tomer Michaeli

机构 * Technion – Israel Institute of Technology（技术学院—以色列理工学院） ； Flatiron Institute, Simons Foundation（Flatiron研究所，Simons基金会） 纠错

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

AI总结 本文提出Turbo-DDCM，一种快速且高效的零样本扩散图像压缩方法，通过优化噪声向量处理和编码协议，提升压缩效率并保持性能。

Comments ICLR 2026. Code is available at https://amitvaisman.github.io/turbo_ddcm/

NoisePrints: Distortion-Free Watermarks for Authorship in Private Diffusion Models

NoisePrints: 用于私有扩散模型作者身份验证的无损水印

Nir Goren, Oren Katzir, Abhinav Nakarmi, Eyal Ronen, Mahmood Sharif, Or Patashnik

机构 * Tel Aviv University（特拉维夫大学） ； University of Michigan（密歇根大学） 纠错

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

AI总结 本文提出NoisePrints，一种轻量级水印方案，利用扩散过程的随机种子作为作者身份证明，通过哈希函数确保种子无法从内容中恢复，实现无损水印验证。

Comments code available at: https://github.com/nirgoren/NoisePrints

Point Prompting: Counterfactual Tracking with Video Diffusion Models

点提示：基于视频扩散模型的反事实跟踪

Ayush Shrivastava, Sanyam Mehta, Daniel Geng, Andrew Owens

机构 * University of Michigan（密歇根大学） ； Cornell University（康奈尔大学） 纠错

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

AI总结 本文提出利用视频扩散模型进行零样本点跟踪，通过提示模型在视频中标记移动点，实现反事实生成，实验表明其跟踪效果优于传统方法且能克服遮挡。

Comments ICLR 2026. Project link: https://point-prompting.github.io

One Model for All: Unified Try-On and Try-Off in Any Pose via LLM-Inspired Bidirectional Tweedie Diffusion

一个模型解决所有问题：通过LLM启发的双向 Tweedie 扩散实现任意姿态的统一试穿与试脱

Jinxi Liu, Zijian He, Guangrun Wang, Guanbin Li, Liang Lin

机构 * Sun Yat-sen University（中山大学） ； Guangdong Key Laboratory of Big Data Analysis and Processing（广东大数据分析与处理重点实验室） ； X-Era AI Lab（X-Era人工智能实验室） 纠错

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

AI总结 本文提出OMFA模型，通过双向Tweedie扩散实现无需展示服装的试穿试脱，支持任意姿态，提升实际应用中的灵活性和实用性。

Retrievals Can Be Detrimental: Unveiling the Backdoor Vulnerability of Retrieval-Augmented Diffusion Models

检索可能有害：揭示检索增强扩散模型的后门漏洞

Hao Fang, Xiaohang Sui, Hongyao Yu, Kuofeng Gao, Jiawei Kong, Sijin Yu, Bin Chen, Shu-Tao Xia

机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院，清华大学） ； Harbin Institute of Technology（哈尔滨工业大学） 纠错

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

AI总结 本文揭示了检索增强扩散模型（RDM）的后门漏洞，通过多模态对比攻击方法BadRDM，展示了如何利用检索数据库中的毒害代理进行攻击，同时保持模型的正常功能。

Comments Accepted by ACL-2026

Domain-Specific Latent Representations Improve the Fidelity of Diffusion-Based Medical Image Super-Resolution

领域特定潜在表示提高基于扩散的医学图像超分辨率的保真度

Sebastian Cajas, Ashaba Judith, Rahul Gorijavolu, Sahil Kapadia, Hillary Clinton Kasimbazi, Leo Kinyera, Emmanuel Paul Kwesiga, Sri Sri Jaithra Varma Manthena, Luis Filipe Nakayama, Ninsiima Doreen, Leo Anthony Celi

机构 * Massachusetts Institute of Technology（麻省理工学院） ； Department of Biomedical Engineering, Mbarara University of Science and Technology（姆巴拉大学科学与技术学院生物医学工程系） ； Johns Hopkins University（约翰霍普金斯大学） ； University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； Makerere University（Makerere大学） ； Federal University of São Paulo（圣保罗联邦大学） ； Technical University of Applied Sciences Lübeck (TH Lübeck)（吕贝克应用技术大学） ； Harvard T.H. Chan School of Public Health（哈佛大学T.H. Chan公共卫生学院） 纠错

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

AI总结 本文通过替换通用稳定扩散VAE为领域特定的MedVAE，显著提升了医学图像超分辨率的PSNR，验证了领域特定自动编码器对重建质量的关键影响。

Beyond Reconstruction: Reconstruction-to-Vector Diffusion for Hyperspectral Anomaly Detection

超越重建：超谱异常检测中的重建到向量扩散

Jijun Xiang, Tao Wang, Jiayi Wang, Pengxiang Wang, Cheng Chen, Nian Wang

机构 * Rocket Force University of Engineering（火箭军工程大学） 纠错

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

AI总结 本文提出R2VD方法，通过四阶段流程解决超谱异常检测中重建终点范式的局限，利用向量动力学实现更稳健的目标检测与背景抑制。

FAST-DIPS: Adjoint-Free Analytic Steps and Hard-Constrained Likelihood Correction for Diffusion-Prior Inverse Problems

FAST-DIPS: 无训练分析步骤和硬约束似然校正用于扩散先验逆问题

Minwoo Kim, Seunghyeok Shin, Hongki Lim

机构 * Department of Electrical and Computer Engineering, Inha University（信息电子工程系，釜山大学） 纠错

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

AI总结 本文提出一种无训练扩散先验求解器，通过硬测量空间可行性约束和分析最优步长，减少迭代次数，实现高效逆问题求解，实验显示在PSNR/SSIM/LPIPS上表现优异，速度提升达19.5倍。

Journal ref International Conference on Learning Representations 2026

ART-VITON: Measurement-Guided Latent Diffusion for Artifact-Free Virtual Try-On

ART-VITON: 基于测量的潜变量扩散模型用于无瑕疵虚拟试穿

Junseo Park, Hyeryung Jang

机构 * Department of Computer Science & Artificial Intelligence, Dongguk University（东国大学计算机科学与人工智能系） 纠错

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

AI总结 ART-VITON通过测量引导的扩散框架解决虚拟试穿中非试穿区域的保真度问题，结合残差先验初始化和无瑕疵测量引导采样，提升视觉保真度和鲁棒性。

Comments 21 pages

Progressively Texture-Aware Diffusion for Contrast-Enhanced Sparse-View CT

逐步纹理感知扩散用于对比增强稀疏视图CT

Tianqi Wang, Wenchao Du, Hongyu Yang

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

AI总结 本文提出逐步纹理感知扩散模型，通过粗到细框架提升稀疏视图CT重建的结构相似性和视觉效果，仅需少量采样步即可实现高质量与高保真度的平衡。

Comments ICASSP2026

CDPR: Cross-modal Diffusion with Polarization for Reliable Monocular Depth Estimation

CDPR：基于极化交叉模态扩散的可靠单目深度估计

Rongjia Yu, Tong Jia, Hao Wang, Xiaofang Li, Xiao Yang, Zinuo Zhang, Cuiwei Liu

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

AI总结 本文提出CDPR框架，通过融合RGB和极化图像信息提升单目深度估计鲁棒性，尤其在复杂场景中表现优异。

Comments preprint version of IEEE TMM 2026 Regular Paper

FRAMER: Frequency-Aligned Self-Distillation with Adaptive Modulation Leveraging Diffusion Priors for Real-World Image Super-Resolution

FRAMER：基于扩散先验的频率对齐自蒸馏与自适应调制的现实世界图像超分辨率

Seungho Choi, Jeahun Sung, Jihyong Oh

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

AI总结 FRAMER通过利用扩散先验，采用频率对齐自蒸馏和自适应调制方法，提升现实世界图像超分辨率的PSNR/SSIM及感知指标。

Comments CVPR 2026 (camera ready ver.). Please visit our project page at https://cmlab-korea.github.io/FRAMER/

DiffClean: Diffusion-based Makeup Removal for Accurate Age Estimation

DiffClean: 基于扩散模型的化妆去除用于准确年龄估计

Ekta Gavas, Sudipta Banerjee, Chinmay Hegde, Nasir Memon

机构 * New York University（纽约大学） ； University of Wyoming（怀俄明大学） 纠错

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

AI总结 本文提出DiffClean，通过文本引导的扩散模型去除化妆痕迹，提升年龄估计和面部验证的准确性，有效对抗化妆攻击。

Comments Revised version with minor changes and code release

Rethinking the Diffusion Model from a Langevin Perspective

从兰格罕视角重新思考扩散模型

Candi Zheng, Yuan Lan

机构 * Department of Mathematics, The Hong Kong University of Science and Technology（香港科技大学数学系） 纠错

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

AI总结 本文从兰格罕视角系统整理扩散模型，提供更直观的解释，探讨ODE和SDE模型统一框架及扩散模型优于VAE的理论依据。

Comments 20 pages, 7 figures

SmokeSVD: Smoke Reconstruction from A Single View via Progressive Novel View Synthesis and Refinement with Diffusion Models

SmokeSVD：通过扩散模型进行渐进式新视角合成与细化实现单视角烟雾重建

Chen Li, Shanshan Dong, Sheng Qiu, Jianmin Han, Yibo Zhao, Zan Gao, Taku Komura, Kemeng Huang

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

AI总结 本文提出SmokeSVD框架，结合扩散模型生成能力与物理引导优化，实现单视角动态烟雾重建，通过多阶段渐进过程生成高质量多视角序列，提升重建质量和效率。