图像生成

FilmWeaver: Weaving Consistent Multi-Shot Videos with Cache-Guided Autoregressive Diffusion

FilmWeaver: 通过缓存引导自回归扩散编织一致的多镜头视频

Xiangyang Luo, Qingyu Li, Xiaokun Liu, Wenyu Qin, Miao Yang, Meng Wang, Pengfei Wan, Di Zhang, Kun Gai, Shao-Lun Huang

机构 * Kling Team, Kuaishou Technology（快手科技 Kling Team） 纠错

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

AI总结 FilmWeaver通过缓存引导自回归扩散模型实现多镜头视频的一致性生成，支持灵活交互和多任务应用。

Comments AAAI-2026

MultiMotion: Multi Subject Video Motion Transfer via Video Diffusion Transformer

多主体视频动作迁移：通过视频扩散变换器实现

Penghui Liu, Jiangshan Wang, Yutong Shen, Shanhui Mo, Chenyang Qi, Yue Ma

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

AI总结 MultiMotion通过视频扩散变换器实现多主体视频动作迁移，引入AMF和RectPC提升动作解纠缠与生成效率，构建首个专用基准数据集。

InterAgent: Physics-based Multi-agent Command Execution via Diffusion on Interaction Graphs

InterAgent：基于物理的多智能体命令执行通过交互图上的扩散

Bin Li, Ruichi Zhang, Han Liang, Jingyan Zhang, Juze Zhang, Xin Chen, Lan Xu, Jingyi Yu, Jingya Wang

机构 * ShanghaiTech University（上海科技大学） ； University of Pennsylvania（宾夕法尼亚大学） ； ByteDance（字节跳动） ； Stanford University（斯坦福大学） ； InstAdapt 纠错

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

AI总结 InterAgent通过交互图上的扩散模型实现了基于物理的多智能体协调控制，能够从文本提示中生成连贯且物理合理的多代理行为。

Comments Project page: https://binlee26.github.io/InterAgent-Page

Noise Matters: Optimizing Matching Noise for Diffusion Classifiers

噪声至关重要：优化扩散分类器的匹配噪声

Yanghao Wang, Long Chen

机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） 纠错

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

AI总结 本文提出NoOp方法，通过频率匹配和空间匹配原则优化扩散分类器的噪声，以提升分类稳定性与效率。

Denoising Diffusion Models for Anomaly Localization in Medical Images

医学图像中异常定位的去噪扩散模型

Cosmin I. Bercea, Philippe C. Cattin, Julia A. Schnabel, Julia Wolleb

机构 * School of Computation, Information and Technology, Technical University of Munich（慕尼黑技术大学计算、信息与技术学院） ； Institute of Machine Learning in Biomedical Imaging, Helmholtz Munich, Germany（生物医学影像机器学习研究所，海德堡慕尼黑德国） ； Department of Biomedical Engineering, University of Basel, Allschwil, Switzerland（巴塞尔大学生物医学工程系，瑞士Allschwil） ； School of Biomedical Engineering and Imaging Sciences, King’s College London, United Kingdom（伦敦国王学院生物医学工程与影像科学学院，英国） ； Department of Biomedical Informatics and Data Science, Yale University School of Medicine, New Haven, CT, USA（耶鲁大学医学院生物医学信息学与数据科学系，美国新罕布什尔州新 Haven） ； Yale Biomedical Imaging Institute, Yale University, New Haven, CT, USA（耶鲁大学生物医学影像研究院，美国新罕布什尔州新 Haven） 纠错

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

AI总结 本文探讨了利用去噪扩散模型在医学图像中实现异常定位的方法，分析了不同监督方案的有效性及挑战，指出扩散模型在该领域的应用潜力。

Comments Accepted for publication at the Journal of Machine Learning for Biomedical Imaging (MELBA) https://melba-journal.org/2025:030

Journal ref Machine.Learning.for.Biomedical.Imaging. 3 (2025)

Diffusion Is Your Friend in Show, Suggest and Tell

在展示、建议和告知中，扩散是你的朋友

Jia Cheng Hu, Roberto Cavicchioli, Alessandro Capotondi

机构 * Department of Physics, Informatics and Mathematics（物理、信息学与数学系） ； Department of Communication and Economics（通信与经济学系） ； University of Modena and Reggio Emilia（摩德纳和雷吉奥艾米利亚大学） 纠错

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

AI总结 本文提出Show，Suggest和Tell模型，通过结合扩散模型与自回归生成，实现COCO数据集上的先进结果，无需强化学习。

Journal ref 2025 IEEE International Conference on Big Data

EmoDiffTalk:Emotion-aware Diffusion for Editable 3D Gaussian Talking Head

EmoDiffTalk：面向可编辑3D高斯说话头的情绪感知扩散

Chang Liu, Tianjiao Jing, Chengcheng Ma, Xuanqi Zhou, Zhengxuan Lian, Qin Jin, Hongliang Yuan, Shi-Sheng Huang

机构 * Beijing Normal University（北京师范大学） ； Renmin University of China（中国人民大学） ； Tencent AI Lab（腾讯AI实验室） 纠错

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

AI总结 EmoDiffTalk通过情绪感知高斯扩散实现细粒度面部动画与多模态情绪编辑，提升3D说话头的情绪表达精度和可控性。

Diffusion Posterior Sampler for Hyperspectral Unmixing with Spectral Variability Modeling

具有光谱变异性建模的扩散后验采样器用于超光谱解混

Yimin Zhu, Lincoln Linlin Xu

机构 * Department of Geomatics Engineering, University of Calgary, Calgary, Canada（测绘工程系，卡尔加里大学，卡尔加里，加拿大） 纠错

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

AI总结 DPS4Un通过扩散后验采样器和超像素技术，改进超光谱解混中的光谱变异性建模。

Color encoding in Latent Space of Stable Diffusion Models

扩散模型潜在空间中的颜色编码

Guillem Arias, Ariadna Solà, Martí Armengod, Maria Vanrell

机构 * Computer Vision Center / Universitat Autònoma de Barcelona（计算机视觉中心 / 巴塞罗那自治大学） 纠错

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

AI总结 本文研究了Stable Diffusion模型中颜色在潜在空间中的编码机制，揭示了颜色、亮度和形状在不同潜在通道中的表示方式，为生成模型的理解与改进提供了新视角。

Comments 6 pages, 8 figures, Color Imaging Conference 33

Label-free Motion-Conditioned Diffusion Model for Cardiac Ultrasound Synthesis

无标签的运动条件化扩散模型用于心脏超声合成

Zhe Li, Hadrien Reynaud, Johanna P Müller, Bernhard Kainz

机构 * Department AIBE, FAU Erlangen-Nürnberg（AIBE部门，埃尔朗根-纽伦堡大学） ； Department of Computing, Imperial College London（计算系，伦敦帝国理工学院） 纠错

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

AI总结 本文提出无标签的运动条件化扩散模型，通过自监督运动特征生成逼真的心脏超声视频，无需手动标注。

Comments Accepted at MICAD 2025

Learning What Matters: Steering Diffusion via Spectrally Anisotropic Forward Noise

学习关键要素：通过频谱各向异性前向噪声引导扩散

Luca Scimeca, Thomas Jiralerspong, Berton Earnshaw, Jason Hartford, Yoshua Bengio

机构 * Mila - Quebec AI Institute and Université de Montréal（蒙特利尔大学） 纠错

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

AI总结 本研究提出频谱各向异性高斯扩散（SAGD），通过调整前向噪声的频谱特性，提升扩散模型对目标分布的适应能力，并在多个视觉数据集上验证了其有效性。

Diffusion Model Regularized Implicit Neural Representation for CT Metal Artifact Reduction

扩散模型正则化的隐式神经表示用于CT金属伪影抑制

Jie Wen, Chenhe Du, Xiao Wang, Yuyao Zhang

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

AI总结 本文提出一种结合扩散模型和隐式神经表示的框架，用于改进CT图像中金属伪影的抑制效果。

Unified Diffusion Transformer for High-fidelity Text-Aware Image Restoration

统一扩散变压器用于高质量文本感知图像恢复

Jin Hyeon Kim, Paul Hyunbin Cho, Claire Kim, Jaewon Min, Jaeeun Lee, Jihye Park, Yeji Choi, Seungryong Kim

机构 * KAIST AI（韩国科学技术院人工智能研究所） ； Samsung Electronics（三星电子） 纠错

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

AI总结 UniT通过整合扩散变压器、视觉-语言模型和文本识别模块，实现高质量文本感知图像恢复，有效抑制文本幻觉并取得最佳性能。

UniLayDiff: A Unified Diffusion Transformer for Content-Aware Layout Generation

UniLayDiff: 一种统一的扩散变换器用于内容感知的布局生成

Zeyang Liu, Le Wang, Sanping Zhou, Yuxuan Wu, Xiaolong Sun, Gang Hua, Haoxiang Li

机构 * College of Artificial Intelligence, Xi’an Jiaotong University（西安交通大学人工智能学院） ； Amazon.com, Inc.（亚马逊公司） ； Pixocial Technology（Pixocial技术） 纠错

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

AI总结 UniLayDiff通过统一的扩散变换器框架，首次实现了内容感知布局生成任务的端到端统一生成，提升了布局质量和生成性能。

A Scalable Pipeline Combining Procedural 3D Graphics and Guided Diffusion for Photorealistic Synthetic Training Data Generation in White Button Mushroom Segmentation

可扩展的管道结合程序化3D图形和引导扩散用于白蘑菇分割的逼真合成训练数据生成

Artúr I. Károly, Péter Galambos

机构 * Antal Bejczy Center for Intelligent Robotics（安塔尔·贝茨奇智能机器人中心） ； Research and Innovation Center of Obuda University（奥布达大学研究与创新中心） 纠错

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

AI总结 本文提出结合程序化3D图形和引导扩散模型，生成高逼真合成数据以提升白蘑菇分割性能。

Comments 20 pages, 8 figures

An Iteration-Free Fixed-Point Estimator for Diffusion Inversion

无迭代固定点估计器用于扩散反向

Yifei Chen, Kaiyu Song, Yan Pan, Jianxing Yu, Jian Yin, Hanjiang Lai

机构 * School of Computer Science and Engineering, Sun Yat-sen University（计算机科学与工程学院，中山大学） ； School of Artificial Intelligence, Sun Yat-sen University（人工智能学院，中山大学） 纠错

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

AI总结 本文提出了一种无迭代的固定点估计器用于扩散反向，通过误差近似方法提高重建性能，无需额外迭代或训练。

OCCDiff: Occupancy Diffusion Model for High-Fidelity 3D Building Reconstruction from Noisy Point Clouds

OCCDiff：基于点云的高保真3D建筑重建的占用扩散模型

Jialu Sui, Rui Liu, Hongsheng Zhang

机构 * Department of Geography, Faculty of Social Science, the University of Hong Kong（地理系，社会科学学院，香港大学） 纠错

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

AI总结 OCCDiff通过潜在扩散和函数自动编码器生成高保真3D建筑重建，结合点编码器与多任务训练提升鲁棒性与精度。

PointDico: Contrastive 3D Representation Learning Guided by Diffusion Models

PointDico: 通过扩散模型引导的对比3D表示学习

Pengbo Li, Yiding Sun, Haozhe Cheng

机构 * International School Beijing University of Posts（国际学校 北京邮电大学） ； School of Software Engineering Xi'an Jiaotong University Xi'an, China（软件工程学院 西安交通大学） 纠错

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

AI总结 PointDico通过融合扩散模型和对比学习的方法，实现了3D表示学习的突破，达到了ScanObjectNN和ShapeNetPart上的新高精度。

Comments Accepted by IJCNN 2025

Interpreting Structured Perturbations in Image Protection Methods for Diffusion Models

在扩散模型图像保护方法中解释结构扰动

Michael R. Martin, Garrick Chan, Kwan-Liu Ma

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

AI总结 本研究通过分析扩散模型图像保护机制的结构化扰动，揭示其在特征层面的变形特性，为防御和检测策略设计提供新视角。

Comments 32 pages, 17 figures, 1 table, 5 algorithms, preprint

TreeGRPO: Tree-Advantage GRPO for Online RL Post-Training of Diffusion Models

TreeGRPO：基于树优势的在线强化学习后训练扩散模型

Zheng Ding, Weirui Ye

机构 * UC San Diego（圣迭戈大学） ； MIT（麻省理工学院） 纠错

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

AI总结 TreeGRPO通过树结构提升扩散模型后训练效率，实现2.4倍加速并优于基线方法。

Video Dataset Condensation with Diffusion Models

视频数据集压缩与扩散模型

Zhe Li, Hadrien Reynaud, Mischa Dombrowski, Sarah Cechnicka, Franciskus Xaverius Erick, Bernhard Kainz

机构 * Department AIBE FAU Erlangen-Nürnberg（FAU埃尔朗根-纽伦堡AIBE部门） ； Department of Computing Imperial College London（伦敦帝国理工学院计算系） 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和VST-UNet的视频数据集压缩方法，结合训练免费聚类算法，有效提升视频数据集蒸馏性能，达到10.61%的性能提升。

Comments Accepted at BMVC 2025

DiffusionDriveV2: Reinforcement Learning-Constrained Truncated Diffusion Modeling in End-to-End Autonomous Driving

DiffusionDriveV2: 结束到结束自动驾驶中的强化学习约束截断扩散建模

Jialv Zou, Shaoyu Chen, Bencheng Liao, Zhiyu Zheng, Yuehao Song, Lefei Zhang, Qian Zhang, Wenyu Liu, Xinggang Wang

机构 * School of Electronic Information and Communications, Huazhong University of Science & Technology（华中科技大学电子信息与通信学院） ； Institute of Artificial Intelligence, Huazhong University of Science & Technology（华中科技大学人工智能研究院） ； Horizon Robotics（地平线科技） ； School of Computer Science, Wuhan University（武汉大学计算机学院） 纠错

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

AI总结 DiffusionDriveV2通过强化学习约束和探索，解决了自动驾驶中截断扩散模型在多样性和高质量之间的平衡问题。

Single-step Diffusion-based Video Coding with Semantic-Temporal Guidance

单步扩散视频编码与语义-时间引导

Naifu Xue, Zhaoyang Jia, Jiahao Li, Bin Li, Zihan Zheng, Yuan Zhang, Yan Lu

机构 * Communication University of China（中国通信大学） ； University of Science and Technology of China（中国科学技术大学） ； Microsoft Research Asia（微软亚洲研究院） 纠错

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

AI总结 S2VC通过单步扩散与语义-时间引导，实现低比特率下的高质量视频编码，比特率节省达52.73%。

See More, Change Less: Anatomy-Aware Diffusion for Contrast Enhancement

看得更多，改变更少：面向对比增强的解剖感知扩散模型

Junqi Liu, Zejun Wu, Pedro R. A. S. Bassi, Xinze Zhou, Wenxuan Li, Ibrahim E. Hamamci, Sezgin Er, Tianyu Lin, Yi Luo, Szymon Płotka, Bjoern Menze, Daguang Xu, Kai Ding, Kang Wang, Yang Yang, Yucheng Tang, Alan L. Yuille, Zongwei Zhou

机构 * Johns Hopkins University（约翰霍普金斯大学） ； University of Copenhagen（哥本哈根大学） ； University of Virginia（弗吉尼亚大学） ； University of Bologna（博洛尼亚大学） ； Italian Institute of Technology（意大利理工学院） ； University of Zurich（苏黎世大学） ； ETH AI Center（ETH人工智能中心） ； Istanbul Medipol University（伊斯坦布尔梅迪波尔大学） ； Jagiellonian University（雅盖隆大学） ； NVIDIA（NVIDIA公司） ； Johns Hopkins Medicine（约翰霍普金斯医学） ； University of California, San Francisco（旧金山大学） 纠错

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

AI总结 SMILE是一种解剖感知扩散模型，通过结构感知监督和统一推理，在医学图像对比增强中实现更准确且临床有价值的图像生成。

Understanding Diffusion Models via Code Execution

通过代码执行理解扩散模型

Cheng Yu

机构 * School of Artificial Intelligence, Chongqing University of Technology, Chongqing , China（人工智能学院，重庆理工大学，重庆，中国） ； DiAi Corporation, China（迪爱公司，中国） 纠错

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

AI总结 本文通过代码实现从代码执行角度解释扩散模型，保留核心组件并去除冗余细节，为研究人员提供实践层面的理解。

Diffusion-based Adversarial Purification from the Perspective of the Frequency Domain

基于频域视角的扩散对抗净化

Gaozheng Pei, Ke Ma, Yingfei Sun, Qianqian Xu, Qingming Huang

机构 * School of Electronic, Electrical and Communication Engineering, UCAS, Beijing.（电子、电气与通信工程学院，中国科学院大学，北京） ； Key Laboratory of Intelligent Information Processing, Institute of Computing Technology, CAS, Beijing.（智能信息处理重点实验室，计算技术研究所，中国科学院，北京） ； School of Computer Science and Technology, UCAS, Beijing.（计算机科学与技术学院，中国科学院大学，北京） ； Key Laboratory of Big Data Mining and Knowledge Management, UCAS, Beijing.（大数据挖掘与知识管理重点实验室，中国科学院大学，北京） 纠错

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

AI总结 本文提出基于频域视角的扩散对抗净化方法，通过频域成分分离和针对性处理，有效消除对抗扰动并保留图像内容与结构。

MRI Reconstruction with Regularized 3D Diffusion Model (R3DM)

利用正则化的3D扩散模型（R3DM）进行MRI重建

Arya Bangun, Zhuo Cao, Alessio Quercia, Hanno Scharr, Elisabeth Pfaehler

机构 * IAS-8 ； INM-4 Forschungszentrum Jülich（INM-4 研究中心） ； RWTH Aachen University（亚琛工业大学） 纠错

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

AI总结 本文提出了一种基于正则化3D扩散模型的MRI重建方法，通过结合优化方法提升图像质量与保真度，实验表明其在欠采样数据下的重建性能优于现有方法。

Comments Accepted to WACV 2025,17 pages, 8 figures

USV: Unified Sparsification for Accelerating Video Diffusion Models

USV：统一稀疏化以加速视频扩散模型

Xinjian Wu, Hongmei Wang, Yuan Zhou, Qinglin Lu

机构 * University of Chinese Academy of Sciences（中国科学院大学） ； Tencent Hunyuan（腾讯文元） 纠错

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

AI总结 USV通过统一稀疏化策略提升视频扩散模型的效率，实现去噪速度提升83.3%和端到端加速22.7%。

IE2Video: Adapting Pretrained Diffusion Models for Event-Based Video Reconstruction

IE2Video: 适配预训练扩散模型以实现事件视频重建

Dmitrii Torbunov, Onur Okuducu, Yi Huang, Odera Dim, Rebecca Coles, Yonggang Cui, Yihui Ren

机构 * Brookhaven National Laboratory（布鲁克海文国家实验室） 纠错

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

AI总结 IE2Video通过适配预训练扩散模型，实现从单帧和事件数据重建RGB视频，提升视频重建质量与泛化能力。

InvarDiff: Cross-Scale Invariance Caching for Accelerated Diffusion Models

InvarDiff：跨尺度不变性缓存用于加速扩散模型

Zihao Wu

机构 * Peking University（北京大学） 纠错

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

AI总结 InvarDiff通过利用扩散模型中时间步和层尺度的跨尺度不变性，实现无需训练的加速方法，显著提升推理速度并保持图像保真度。

Comments 8 pages main, 8 pages appendix, 16 figures, 5 tables. Code: https://github.com/zihaowu25/InvarDiff