图像生成

LoT-Pass: Long-term-robust Image Watermarking for Image to Video Generation

LoT-Pass: 面向图像到视频生成的长期鲁棒图像水印

Guanjie Wang, Zehua Ma, Han Fang, Weiming Zhang

机构 * University of Science and Technology of China（中国科学技术大学） 纠错

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

AI总结 针对图像引导视频生成中源图像追踪缺失的问题，提出跨模态水印框架I2VWM，通过视频模拟噪声层和光流对齐模块增强水印的时间鲁棒性，在开源和商业模型上验证了效果。

Comments Accepted by ECCV 2026

Improving Factuality of 3D Brain MRI Report Generation with Paired Image-domain Retrieval and Text-domain Augmentation

通过配对图像域检索和文本域增强提高3D脑MRI报告生成的事实准确性

Junhyeok Lee, Yujin Oh, Dahyoun Lee, Hyon Keun Joh, Minchul Kim, Chul-Ho Sohn, Sung Hyun Baik, Cheol Kyu Jung, Jung Hyun Park, Kyu Sung Choi, Byung-Hoon Kim, Jong Chul Ye

机构 * Cancer Biology, Seoul National University College of Medicine, Korea（首尔国立大学医学院癌症生物学系，韩国） ； Radiology, Massachusetts General Hospital（麻省总医院放射科） ； Harvard Medical School（哈佛医学院） ； Biomedical Systems Informatics, Yonsei University College of Medicine, Korea（延世大学医学院生物医学系统信息学系，韩国） ； Graduate School, Yonsei University, Korea（延世大学研究生院，韩国） ； Radiology, Seoul National University College of Medicine, Korea（首尔国立大学医学院放射科，韩国） ； Radiology, Seoul National University Hospital, Korea（首尔国立大学医院放射科，韩国） ； Radiology, Seoul National University Bundang Hospital, Korea（首尔国立大学 Bundang 医院放射科，韩国） ； Radiology, SMG-SNU Boramae Medical Center, Korea（SMG-SNU Boramae 医疗中心放射科，韩国） ； Psychiatry, Yonsei University College of Medicine, Korea（延世大学医学院精神病学系，韩国） ； Behavioral Sciences in Medicine, Yonsei University College of Medicine, Korea（延世大学医学院医学行为科学系，韩国） ； Yonsei Institute for Digital Health, Korea（延世大学数字健康研究院，韩国） ； Kim Jaechul Graduate School of AI, KAIST, Korea（金 Jaechul人工智能研究生院，韩国） 纠错

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

AI总结 提出PIRTA框架，通过检索相似3D DWI/ADC图像并利用其配对报告指导LLM生成，避免显式跨模态对齐，显著提高缺血区域准确性。

Comments MICCAI 2026

Resonant Minds: Closed-Loop Social Avatars with Theory of Mind

共鸣心智：具备心智理论的闭环社交虚拟人

Jianxu Shangguan, Jing Xu, Hang Ye, Xiaoxuan Ma, Yizhou Wang, Jenq-Neng Hwang, Wentao Zhu

机构 * University of Washington（华盛顿大学） ； Peking University（北京大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Eastern Institute of Technology, Ningbo（宁波工程技术学院） 纠错

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

AI总结 提出一个闭环双智能体框架，通过整合感知、社会推理（基于心智理论）和多模态生成，实现具备社交智能的虚拟人，并在信息不对称数据集上取得优于全信息脚本模式的对话质量。

Comments Project page: https://resonantminds.github.io/

Brain-DiT: A Universal Multi-state fMRI Foundation Model with Metadata-Conditioned Pretraining

Brain-DiT：一种基于元数据条件预训练的通用多状态fMRI基础模型

Junfeng Xia, Wenhao Ye, Xuanye Pan, Xinke Shen, Mo Wang, Quanying Liu

机构 * Department of Biomedical Engineering, Southern University of Science and Technology, China（南方科技大学生物医学工程系，中国） ； School of Biomedical Engineering, Shenzhen University, China（深圳大学生物医学工程学院，中国） 纠错

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

AI总结 提出Brain-DiT，一种基于扩散Transformer和元数据条件预训练的通用多状态fMRI基础模型，在24个数据集上预训练，通过生成式预训练学习多尺度表示，在7个下游任务中优于重建和对齐方法。

360Anything: Geometry-Free Lifting of Images and Videos to 360°

360Anything: 图像和视频的无几何约束360°生成

Ziyi Wu, Daniel Watson, Andrea Tagliasacchi, David J. Fleet, Marcus A. Brubaker, Saurabh Saxena

机构 * Google DeepMind（谷歌DeepMind） ； Simon Fraser University（西蒙弗雷泽大学） ； University of Toronto（多伦多大学） 纠错

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

AI总结 提出无几何约束框架360Anything，基于预训练扩散Transformer，以数据驱动方式学习透视到等距柱状投影映射，无需相机元数据，实现图像和视频到360°全景的高质量生成，并引入循环潜在编码消除拼接伪影。

Comments ECCV 2026. Project page: https://360anything.github.io/

BIFE: Better Interaction, Fewer Errors for Minute-Long Video Generation

BIFE：更好的交互，更少的错误，用于分钟级视频生成

Zeyu Zhang, Jinyuan Mao, Shuning Chang, Yuanyu He, Yizeng Han, Jiasheng Tang, Fan Wang, Bohan Zhuang

机构 * DAMO Academy, Alibaba Group（阿里巴巴集团 DAMO 院） ； Zhejiang University（浙江大学） ； Hupan Lab（虎扑实验室） 纠错

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

AI总结 提出BIFE框架，通过语义稀疏KV缓存和块强制训练策略，解决长视频生成中的长程交互保持和误差累积问题，实现稳定连贯的分钟级视频生成，在VDE指标上提升约20%。

AI-Augmented Thyroid Scintigraphy for Robust Classification of Disease

AI增强甲状腺闪烁显像用于疾病的鲁棒分类

Maziar Sabouri, Ghasem Hajianfar, Alireza Rafiei Sardouei, Milad Yazdani, Azin Asadzadeh, Soroush Bagheri, Mohsen Arabi, Seyed Rasoul Zakavi, Emran Askari, Atena Aghaee, Sam Wiseman, Dena Shahriari, Habib Zaidi, Arman Rahmim

机构 * organization= Department of Physics \& Astronomy, University of British Columbia , city= Vancouver , country= Canada ； organization= Department of Basic ； Translational Research, BC Cancer Research Institute , city= Vancouver , country= Canada ； Molecular Imaging, Department of Medical Imaging, Geneva University Hospital , city= Geneva , country= Switzerland ； organization= Department of Electrical ； Computer Engineering, University of British Columbia , city= Vancouver , country= Canada ； organization= Department of Nuclear Medicine, 5Azar Hospital, Golestan University of Medical Sciences , city= Gorgan , country= Iran ； organization= Department of Medical Physics, Kashan University of Medical Sciences , city= Kashan , country= Iran ； organization= Department of Pathology ； Radiology, School of Medicine, Alborz University of Medical Sciences , city= Karaj , country= Iran ； organization= Nuclear Medicine Research Center, Mashhad University of Medical Sciences , city= Mashhad , country= Iran ； organization= Department of Surgery, St. Paul's Hospital \& University of British Columbia , city= Vancouver , country= Canada ； organization= School of Biomedical Engineering, University of British Columbia , city= Vancouver , country= Canada ； organization= Department of Orthopaedics, Faculty of Medicine, University of British Columbia , city= Vancouver , country= Canada ； organization= Department of Radiology, University of British Columbia , city= Vancouver , country= Canada 纠错

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

AI总结 本研究探讨了稳定扩散、流匹配和常规增强三种数据增强策略对基于深度学习的甲状腺闪烁显像分类的影响，发现流匹配方法在性能上最优，结合原始数据实现了最高的F1分数和AUC值。

Journal ref Physica Medica 148 (2026) 105854

CoMo: Learning Continuous Latent Motion from Internet Videos for Scalable Robot Learning

CoMo: 从互联网视频中学习连续潜在运动以实现可扩展的机器人学习

Jiange Yang, Yansong Shi, Haoyi Zhu, Mingyu Liu, Kaijing Ma, Yating Wang, Gangshan Wu, Tong He, Limin Wang

机构 * Nanjing University（南京大学） ； Shanghai AI Lab（上海人工智能实验室） ； University of Science and Technology of China（中国科学技术大学） ； Zhejiang University（浙江大学） ； Fudan University（复旦大学） ； Tongji University（同济大学） 纠错

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

AI总结 提出CoMo方法，通过早期时间差分和时序对比学习从互联网视频中学习连续潜在运动，避免离散化信息损失，实现零样本泛化生成伪动作标签，联合训练策略在仿真和真实实验中表现优异。

Comments CVPR 2026

Collaborative Multi-Modal Coding for High-Quality 3D Generation

协作多模态编码用于高质量3D生成

Ziang Cao, Zhaoxi Chen, Liang Pan, Ziwei Liu

机构 * S-Lab, Nanyang Technological University, Singapore（南洋理工大学S实验室） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） 纠错

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

AI总结 提出TriMM，首个前馈式3D原生生成模型，通过协作多模态编码融合RGB、RGBD和点云特征，结合辅助2D/3D监督和三平面潜在扩散模型，实现高质量3D资产生成。

Physics in 2-Steps: Locking Motion Priors Before Visual Refinement Erases Them

两步物理：在视觉细化之前锁定运动先验会擦除它们

Woojung Han, Seil Kang, Youngjun Jun, Min-Hung Chen, Fu-En Yang, Seong Jae Hwang

机构 * National Institute of Standards and Technology（国家标准与技术研究院） 纠错

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

AI总结 本文发现图像到视频扩散模型在两步生成中比多步生成具有更好的物理一致性，通过频谱分析将原因归结为去噪过程中的相位侵蚀，并提出无需训练的PhaseLock框架，通过从两步推理中提取运动先验并利用潜在增量引导强制到高保真生成中，有效缓解相位退化，提升物理一致性平均6.2点，同时保持视觉保真度且开销极小。

Comments ICML 2026

S3OD: Towards Generalizable Salient Object Detection with Synthetic Data

S3OD：基于合成数据的通用显著目标检测

Orest Kupyn, Hirokatsu Kataoka, Christian Rupprecht

机构 * University of Oxford, VGG（牛津大学，视觉信息集团） 纠错

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

AI总结 提出S3OD方法，通过大规模合成数据生成和歧义感知架构，显著提升显著目标检测的跨数据集泛化能力，仅用合成数据训练即可降低20-50%误差。

Learning Patient-Specific Disease Dynamics with Latent Flow Matching for Longitudinal Imaging Generation

学习患者特异性疾病动态：基于潜在流匹配的纵向影像生成

Hao Chen, Rui Yin, Yifan Chen, Qi Chen, Chao Li

机构 * University of Cambridge（剑桥大学） ； Nanjing First Hospital（南京第一医院） ； Nanjing Medical University（南京医科大学） ； Johns Hopkins University（约翰霍普金斯大学） ； University of Dundee（邓迪大学） 纠错

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

AI总结 提出Δ-LFM框架，利用流匹配对齐患者潜在轨迹，通过患者特异性潜在对齐实现单调疾病进展建模，在三个纵向MRI基准上验证了可解释性和性能。

Comments ICLR 2026 accepted

SuperCarver: Texture-Consistent 3D Geometry Super-Resolution for High-Fidelity Surface Detail Generation

SuperCarver: 纹理一致的3D几何超分辨率用于高保真表面细节生成

Qijian Zhang, Xiaozheng Jian, Xuan Zhang, Wenping Wang, Junhui Hou

机构 * Tencent Games, China（腾讯游戏，中国） ； Department of Computer Science & Engineering, Texas A & M University（电子与计算机工程系，德克萨斯A&M大学） ； Department of Computer Science, City University of Hong Kong（计算机科学系，香港城市大学） 纠错

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

AI总结 提出SuperCarver，一种3D几何超分辨率管线，通过先验引导的法线扩散模型和噪声鲁棒的逆渲染，为粗糙网格补充纹理一致的表面细节，实现高保真细节生成。

Comments Accepted in IEEE TVCG

DiFlow-TTS: Compact and Low-Latency Zero-Shot Text-to-Speech with Discrete Flow Matching

DiFlow-TTS: 基于离散流匹配的紧凑低延迟零样本文本转语音

Ngoc-Son Nguyen, Thanh V. T. Tran, Hieu-Nghia Huynh-Nguyen, Truong-Son Hy, Van Nguyen

机构 * FPT Software AI Center（FPT软件AI中心） ； University of Alabama at Birmingham（阿拉巴马大学伯明翰分校） 纠错

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

AI总结 提出DiFlow-TTS框架，通过离散流匹配和分解离散流去噪器，在零样本TTS中实现高质量与低延迟的平衡。

Comments Accepted at Interspeech 2026 (Long Paper Track)

Epipolar Geometry Improves Video Generation Models

极线几何改进视频生成模型

Orest Kupyn, Théo Uscidda, Marta Tintore Gazulla, Fabian Manhardt, Federico Tombari, Christian Rupprecht

机构 * University of Oxford（牛津大学） ； Google Research（谷歌研究院） ； CREST-ENSAE, Institut Polytechnique de Paris（巴黎理工学院CREST-ENSAE研究中心） ； Technical University of Munich（慕尼黑技术大学） 纠错

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

AI总结 针对视频生成模型几何不一致和运动伪影问题，提出基于极线几何约束的偏好优化方法，在保持视觉质量的同时将极线误差降低31%，人类评分一致性从54%提升至72%。

VGGHeads: 3D Multi Head Alignment with a Large-Scale Synthetic Dataset

VGGHeads: 基于大规模合成数据集的3D多头部对齐

Orest Kupyn, Eugene Khvedchenia, Christian Rupprecht

机构 * University of Oxford（牛津大学） ； Piñata Farms ； Ukrainian Catholic University（乌克兰天主大学） 纠错

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

AI总结 提出VGGHeads，一个由扩散模型生成的大规模合成数据集，用于单步同时进行头部检测和3D网格重建，在真实图像上表现优异。

Principled RL for Flow Matching Emerges from the Chunk-level Policy Optimization

基于流匹配的原理化强化学习从片段级策略优化中涌现

Yifu Luo, Haoyuan Sun, Xinhao Hu, Penghui Du, Keyu Fan, Bo Li, Sinan Du, Xu Wan, Zhiyu Chen, Bo Xia, Yongzhe Chang, Changqian Yu, Kun Gai, Tiantian Zhang, Xueqian Wang

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

AI总结 本文提出了一种基于片段级策略优化的流匹配强化学习方法GCPO，通过将连续步骤聚合为相干片段并改变策略优化层级，有效缓解了优势归因不准确的问题，实验表明其在文本到图像生成任务中表现优于现有方法。

Comments ICML 2026

SPATIA: Multimodal Generation and Prediction of Spatial Cell Phenotypes

SPATIA: 空间细胞表型的多模态生成与预测

Zhenglun Kong, Mufan Qiu, John Boesen, Xiang Lin, Sukwon Yun, Tianlong Chen, Manolis Kellis, Marinka Zitnik

机构 * Department of Biomedical Informatics, Harvard Medical School（哈佛医学学校生物医学信息学系） ； Department of Computer Science, University of North Carolina（北卡罗来纳大学计算机科学系） ； Department of Computer Science, Massachusetts Institute of Technology（麻省理工学院计算机科学系） 纠错

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

AI总结 提出SPATIA模型，融合细胞形态、基因表达和空间上下文，通过置信感知流匹配和形态-谱对齐实现多尺度生成与预测，在12项任务中优于18个基线模型。

Comments ICML 2026

FlowLet: Conditional 3D Brain MRI Synthesis using Wavelet Flow Matching

FlowLet: 基于小波流匹配的条件性3D脑MRI合成

Danilo Danese, Angela Lombardi, Matteo Attimonelli, Giuseppe Fasano, Tommaso Di Noia

机构 * Politecnico di Bari（巴里理工学院） ； Sapienza University of Rome（罗马萨皮恩扎大学） 纠错

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

AI总结 提出FlowLet框架，利用可逆3D小波域中的流匹配生成年龄条件化的3D脑MRI，避免重建伪影并降低计算需求，实验证明其生成高保真体积且提升脑年龄预测模型对低代表性年龄组的性能。

Comments Accepted at Medical Image Analysis (Elsevier)

4DSloMo: 4D Reconstruction for High Speed Scene with Asynchronous Capture

4DSloMo: 基于异步捕获的高速场景4D重建

Yutian Chen, Shi Guo, Tianshuo Yang, Lihe Ding, Xiuyuan Yu, Jinwei Gu, Tianfan Xue

机构 * Shanghai AI Laboratory（上海人工智能实验室） ； The Chinese University of Hong Kong（香港中文大学） ； The University of Hong Kong（香港大学） ； NVIDIA 纠错

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

AI总结 提出一种仅使用低帧率相机的高速4D捕获系统，通过异步捕获方案将等效帧率提升至100-200 FPS，并利用视频扩散模型修复稀疏视图伪影，实现高质量高速4D重建。

Comments Webpage: https://openimaginglab.github.io/4DSloMo/

RQUL-UIE: Revitalizing Quality-Unstable Labels for Underwater Image Enhancement via In-Dataset Self-Supervision

RQUL-UIE: 通过数据集内自监督重振质量不稳定标签用于水下图像增强

Haochen Hu, Yanrui Bin, Chih-yung Wen, Bing Wang

机构 * The Hong Kong Polytechnic University（香港理工大学） 纠错

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

AI总结 提出一种基于扩散模型的数据集内自监督学习策略，通过评估标签质量并量化噪声级别进行分步去噪监督，结合傅里叶细化网络，有效利用不稳定标签提升水下图像增强质量。

KGEdit: Ambiguity-Aware Knowledge Graphs for Training-Free Precise Video Generation and Editing

KGEdit: 面向无训练精确视频生成与编辑的歧义感知知识图谱

Mingshu Cai, Miao Zhang, Chenghe Yang, Yixuan Li, Osamu Yoshie, Yuya Ieiri

机构 * Waseda University, Japan（日本早稻田大学） ； College of Computer Engineering, Jimei University（集美大学计算机工程学院） ； Department of Language Science and Technology, The Hong Kong Polytechnic University（香港理工大学语言科学与技术系） ； College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算与数据科学学院） 纠错

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

AI总结 提出KGEdit框架，通过构建歧义感知知识图谱和结构化语义注入模块，解决文本到视频扩散模型中的语义歧义、概念绑定错误和跨帧不一致问题，实现无需额外训练的精确视频生成与编辑。

Structural Energy Guidance for View-Consistent Text-to-3D Generation

基于结构能量的视图一致文本到3D生成

Qing Zhang, Jinguang Tong, Jing Zhang, Jie Hong, Xuesong Li

机构 * Australian National University（澳大利亚国立大学） ； CSIRO（澳大利亚国家科学委员会） ； The University of Hong Kong（香港大学） 纠错

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

AI总结 本文针对基于扩散模型的文本到3D生成中视图不一致问题，提出无需训练的SEGS框架，通过在U-Net特征的PCA子空间中构建结构能量并注入去噪过程，提升多视图一致性，实验表明有效降低Janus率并提升视图一致性评分。

Comments arXiv admin note: substantial text overlap with arXiv:2508.16917

PhyloSDF: Phylogenetically-Conditioned Neural Generation of 3D Skull Morphology via Residual Flow Matching

PhyloSDF: 基于系统发育条件的残差流匹配神经生成3D颅骨形态

Kaikwan Lau, Gary P. T. Choi

机构 * Department of Mathematics（数学系） 纠错

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

AI总结 提出PhyloSDF模型，结合系统发育一致性损失和残差条件流匹配，从少量样本生成符合系统发育关系的3D颅骨形态，在达尔文雀数据集上优于扩散模型和标准流匹配。

Akasha 2: Hamiltonian State Space Duality and Visual-Language Joint Embedding Predictive Architectur

Akasha 2: 哈密顿状态空间对偶与视觉-语言联合嵌入预测架构

Yani Meziani

机构 * Independent AI Researcher（独立AI研究员） ； Québec (QC), Canada（魁北克（QC），加拿大） 纠错

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

AI总结 提出 Akasha 2 多模态架构，结合哈密顿状态空间对偶与视觉-语言联合嵌入预测，通过稀疏混合哈密顿专家和哈密顿流匹配实现超低延迟视频预测与合成，在保持能量守恒下取得 SOTA 性能。

Comments No supporting claims were validated in this automated agentic R&D research run

Dual-branch Prompting for Multimodal Machine Translation

双分支提示用于多模态机器翻译

Jie Wang, Zhendong Yang, Liansong Zong, Xiaobo Zhang, Dexian Wang, Ji Zhang

机构 * School of Computing and Artificial Intelligence, Southwest Jiaotong University（西南交通大学计算机与人工智能学院） ； School of Computer and Software Engineering, Xihua University（西华大学计算机与软件工程学院） ； School of Intelligent Medicine, Chengdu University of Traditional Chinese Medicine（成都中医药大学针灸推拿学院） 纠错

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

AI总结 提出基于扩散模型的双分支提示框架D2P-MMT，利用重建图像过滤视觉噪声，通过分布对齐损失提升鲁棒翻译性能。

Comments This manuscript has been fully accepted and published by ACM Transactions on Multimedia Computing, Communications, and Applications (ACM TOMM)

Through-Foliage Surface-Temperature Reconstruction for Early Wildfire Detection

面向早期野火检测的穿透植被地表温度重建

Mohamed Youssef, Lukas Brunner, Klaus Rundhammer, Gerald Czech, Oliver Bimber

机构 * Department of Computer Science, Johannes Kepler University（计算机科学系，约翰尼斯·开普勒大学） ； Fire Brigade St. Agatha（圣阿加塔消防队） ； Upper Austria Fire Brigade Headquarter（上奥地利消防队总部） 纠错

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

AI总结 结合信号处理与机器学习，通过合成孔径传感和视觉状态空间模型从模糊数据中恢复热信号，实现无人机自动野火监测，在模拟和实地实验中显著降低温度重建误差。

Efficient Flow Matching using Latent Variables

使用潜在变量的高效流匹配

Anirban Samaddar, Yixuan Sun, Viktor Nilsson, Sandeep Madireddy

机构 * Argonne National Laboratory（阿贡国家实验室） ； KTH Royal Institute of Technology（皇家理工学院） 纠错

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

AI总结 提出Latent-CFM方法，利用预训练深度潜在变量模型提取数据特征作为条件，提升流匹配模型的训练效率和生成质量，在图像和物理场生成任务中优于现有方法。

Proto-LeakNet: Towards Signal-Leak Aware Attribution in Synthetic Human Face Imagery

Proto-LeakNet：面向合成人脸图像中信号泄漏感知的归因方法

Claudio Giusti, Luca Guarnera, Sebastiano Battiato

机构 * Department of Mathematics and Computer Science（数学与计算机科学系） ； University of Catania（卡塔尼亚大学） 纠错

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

AI总结 提出Proto-LeakNet，利用扩散模型中的信号泄漏痕迹，结合闭集分类与密度开集评估，实现可解释的生成器归因，在闭集上训练后对未见生成器也有效。

Comments 44 pages, 27 figures, 11 tables

Physics-Driven Spatiotemporal Modeling for AI-Generated Video Detection

物理驱动的时空建模用于AI生成视频检测

Shuhai Zhang, ZiHao Lian, Jiahao Yang, Daiyuan Li, Guoxuan Pang, Feng Liu, Bo Han, Shutao Li, Mingkui Tan

机构 * South China University of Technology（华南理工大学） ； University of Science and Technology of China（中国科学技术大学） ； Key Laboratory of Big Data and Intelligent Robot, Ministry of Education（教育部大数据与智能机器人重点实验室） ； Pazhou Lab（琶洲实验室） ； University of Melbourne（墨尔本大学） ； Hunan University（湖南大学） ； Hong Kong Baptist University（香港 Baptist大学） 纠错

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

AI总结 提出基于概率流守恒的物理驱动AI生成视频检测范式，通过归一化时空梯度（NSG）统计量捕捉物理异常，结合预训练扩散模型估计NSG，并利用最大均值差异（MMD）进行检测，在Recall和F1-Score上分别提升16.00%和10.75%。

Comments Accepted at NeurIPS 2025 spotlight