图像生成

Dynamic-eDiTor: Training-Free Text-Driven 4D Scene Editing with Multimodal Diffusion Transformer

Dynamic-eDiTor: 基于文本的无训练4D场景编辑与多模态扩散变换器

Dong In Lee, Hyungjun Doh, Seunggeun Chi, Runlin Duan, Sangpil Kim, Karthik Ramani

机构 * Purdue University（普渡大学） ； Korea University（韩国大学） 纠错

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

AI总结 Dynamic-eDiTor通过多模态扩散变换器和4DGS实现无训练文本驱动的4D场景编辑，提升多视图和时间一致性。

Comments 4D Scene Editing

HiGFA: Hierarchical Guidance for Fine-grained Data Augmentation with Diffusion Models

HiGFA: 基于扩散模型的细粒度数据增强的分层引导

Zhiguang Lu, Qianqian Xu, Peisong Wen, Siran Dai, Qingming Huang

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

AI总结 HiGFA通过分层引导和动态置信度调节，提升细粒度数据增强的合成图像质量。

LiNeXt: Revisiting LiDAR Completion with Efficient Non-Diffusion Architectures

LiNeXt：重新审视基于高效非扩散架构的LiDAR补全

Wenzhe He, Xiaojun Chen, Ruiqi Wang, Ruihui Li, Huilong Pi, Jiapeng Zhang, Zhuo Tang, Kenli Li

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

AI总结 LiNeXt通过高效非扩散架构实现快速准确的LiDAR点云补全，提升实时性能并减少计算开销。

Comments 18 pages, 13 figures, Accepted to AAAI 2026

Boosting Diffusion Guidance via Learning Degradation-Aware Models for Blind Super Resolution

通过学习降质感知模型提升扩散引导：用于盲超分辨率

Shao-Hao Lu, Ren Wang, Ching-Chun Huang, Wei-Chen Chiu

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

AI总结 本文提出DADiff，通过学习降质感知模型提升扩散引导，解决盲超分辨率中的降质核依赖问题，实现高保真结果。

Comments To appear in WACV 2025. Code is available at: https://github.com/ryanlu2240/DADiff

MedCondDiff: Lightweight, Robust, Semantically Guided Diffusion for Medical Image Segmentation

MedCondDiff: 轻量、稳健、语义引导的扩散模型用于医学图像分割

Ruirui Huang, Jiacheng Li

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

AI总结 MedCondDiff通过语义引导的扩散模型实现高效、稳健的多器官医学图像分割，适用于多种成像模态和解剖区域。

UniDiff: Parameter-Efficient Adaptation of Diffusion Models for Land Cover Classification with Multi-Modal Remotely Sensed Imagery and Sparse Annotations

UniDiff: 用于多模态遥感影像和稀疏标注的土地覆盖分类的扩散模型参数高效适应

Yuzhen Hu, Saurabh Prasad

机构 * University of Houston（休斯敦大学） 纠错

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

AI总结 UniDiff通过参数高效的方法适应扩散模型，实现多模态遥感数据在稀疏标注下的有效分类与融合。

Comments Camera-ready for WACV 2026

HMARK: Radioactive Multi-Bit Semantic-Latent Watermarking for Diffusion Models

HMARK: 放射性多比特语义-潜在水印用于扩散模型

Kexin Li, Guozhen Ding, Ilya Grishchenko, David Lie

机构 * University of Toronto（多伦多大学） 纠错

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

AI总结 HMARK通过在扩散模型的语义-潜在空间中编码所有权信息，实现多比特水印，以检测和防止未经授权的数据训练。

Diffusion-Based Synthetic Brightfield Microscopy Images for Enhanced Single Cell Detection

基于扩散的合成明场显微镜图像用于增强单细胞检测

Mario de Jesus da Graca, Jörg Dahlkemper, Peer Stelldinger

机构 * Synentec GmbH, Elmshorn, Germany（Synentec GmbH，埃尔姆霍恩，德国） ； Faculty of Computer Science and Digital Society（计算机科学与数字社会学院） 纠错

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

AI总结 本文提出利用扩散模型生成合成明场显微镜图像，通过实验表明合成数据可提升单细胞检测精度，减少人工标注依赖，提高模型鲁棒性。

DM$^3$T: Harmonizing Modalities via Diffusion for Multi-Object Tracking

DM$^3$T: 通过扩散和谐多模态以实现多目标跟踪

Weiran Li, Yeqiang Liu, Yijie Wei, Mina Han, Qiannan Guo, Zhenbo Li

机构 * China Agricultural University（中国农业大学） ； Beijing Normal University（北京师范大学） 纠错

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

AI总结 DM$^3$T通过扩散模型实现多模态特征对齐，提升多目标跟踪的准确性和鲁棒性。

Scalable Diffusion Transformer for Conditional 4D fMRI Synthesis

可扩展的扩散变换器用于条件4D fMRI合成

Jungwoo Seo, David Keetae Park, Shinjae Yoo, Jiook Cha

机构 * Seoul National University（首尔国立大学） ； Brookhaven National Laboratory（布鲁赫斯旺国家实验室） ； Seoul National Laboratory（首尔国立实验室） 纠错

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

AI总结 本文提出了一种可扩展的扩散变换器，用于条件4D fMRI合成，通过结合3D VQ-GAN和CNN-Transformer结构，实现了高精度的任务条件生成。

Comments Accepted at NeurIPS 2025 Workshop: Foundation Models for the Brain and Body. 13 pages, 6 figures, 4 tables

MammoRGB: Dual-View Mammogram Synthesis Using Denoising Diffusion Probabilistic Models

MammoRGB: 基于去噪扩散概率模型的双视角乳腺X线合成

Jorge Alberto Garza-Abdala, Gerardo A. Fumagal-González, Daly Avendano, Servando Cardona, Sadam Hussain, Eduardo de Avila-Armenta, Jasiel H. Toscano-Martínez, Diana S. M. Rosales Gurmendi, Alma A. Pedro-Pérez, Jose Gerardo Tamez-Pena

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

AI总结 MammoRGB利用三通道DDPM生成双视角乳腺X线图像，通过不同通道编码提升图像保真度和跨视角一致性，为数据集增强提供新方法。

SARD: Segmentation-Aware Anomaly Synthesis via Region-Constrained Diffusion with Discriminative Mask Guidance

SARD: 通过区域约束扩散与判别掩码引导进行的分段感知异常合成

Yanshu Wang, Xichen Xu, Xiaoning Lei, Guoyang Xie

机构 * Global Institute of Future Technology（未来技术全球研究所） ； Shanghai Jiao Tong University（上海交通大学） ； Department of Intelligent Manufacturing（智能制造系） ； Contemporary Amperex Technology Co.,Ltd（当代电子技术有限公司） 纠错

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

AI总结 SARD通过区域约束扩散与判别掩码引导方法，提升工业异常检测系统的鲁棒性，实现更精确的像素级异常合成。

Comments Accepted by The 2025 International Conference on Machine Intelligence and Nature-InspireD Computing (MIND)

DiffFuSR: Super-Resolution of all Sentinel-2 Multispectral Bands using Diffusion Models

DiffFuSR：利用扩散模型实现所有Sentinel-2多光谱波段的超分辨率处理

Muhammad Sarmad, Arnt-Børre Salberg, Michael Kampffmeyer

机构 * Norwegian Computing Center（挪威计算中心） ； Department of Physics and Technology, UiT The Arctic University of Norway（物理与技术系，UiT 北极大学） 纠错

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

AI总结 DiffFuSR通过扩散模型和融合策略实现Sentinel-2多光谱波段的超分辨率处理，提升反射率保真度和光谱一致性。

Comments Accepted for Publication at IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING (TGRS)

AI killed the video star. Audio-driven diffusion model for expressive talking head generation

AI杀死了视频明星。用于表达性说话头生成的音频驱动扩散模型

Baptiste Chopin, Tashvik Dhamija, Pranav Balaji, Yaohui Wang, Antitza Dantcheva

机构 * Centre INRIA d’Université Côte d’Azur（INRIA中心，坎特伯雷大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） 纠错

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

AI总结 Dimitra++通过音频驱动的扩散模型生成具有真实嘴唇运动、面部表情和头部姿态的说话头，优于现有方法。

Comments arXiv admin note: text overlap with arXiv:2502.17198

ITS3D: Inference-Time Scaling for Text-Guided 3D Diffusion Models

ITS3D: 推理时缩放用于文本引导的3D扩散模型

Zhenglin Zhou, Fan Ma, Xiaobo Xia, Hehe Fan, Yi Yang, Tat-Seng Chua

机构 * ReLER, Zhejiang University（浙江大学ReLER实验室） ； National University of Singapore（新加坡国立大学） 纠错

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

AI总结 ITS3D通过优化问题和验证器引导搜索算法，提升文本引导的3D扩散模型生成质量。

Comments 25 pages, 11 figures

3MDiT: Unified Tri-Modal Diffusion Transformer for Text-Driven Synchronized Audio-Video Generation

3MDiT：用于文本驱动同步音频视频生成的统一三模态扩散变换器

Yaoru Li, Heyu Si, Federico Landi, Pilar Oplustil Gallegos, Ioannis Koutsoumpas, O. Ricardo Cortez Vazquez, Ruiju Fu, Qi Guo, Xin Jin, Shunyu Liu, Mingli Song

机构 * Zhejiang University（浙江大学） ； Huawei（华为） ； 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.MM

AI总结 3MDiT提出了一种统一三模态扩散变换器，通过联合演变流实现文本驱动的同步音频视频生成，提升多模态对齐与同步性能。

Learning Plug-and-play Memory for Guiding Video Diffusion Models

学习插件式记忆以指导视频扩散模型

Selena Song, Ziming Xu, Zijun Zhang, Kun Zhou, Jiaxian Guo, Lianhui Qin, Biwei Huang

机构 * University of California, San Diego（加州大学圣地亚哥分校） ； The University of Tokyo（东京大学） 纠错

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

AI总结 本文提出DiT-Mem，通过学习插件式记忆增强视频扩散模型的物理规则遵循和视频保真度。

One-Step Diffusion Transformer for Controllable Real-World Image Super-Resolution

一步扩散变换器用于可控的现实世界图像超分辨率

Yushun Fang, Yuxiang Chen, Shibo Yin, Qiang Hu, Jiangchao Yao, Ya Zhang, Xiaoyun Zhang, Yanfeng Wang

机构 * Shanghai Jiao Tong University（上海交通大学） ； Xiaohongshu Inc（小红书公司） 纠错

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

AI总结 ODTSR通过噪声混合视觉流和保真度感知对抗训练，实现一步扩散变换器在现实世界图像超分辨率中的保真度与可控性平衡。

DiffusionFF: A Diffusion-based Framework for Joint Face Forgery Detection and Fine-Grained Artifact Localization

DiffusionFF: 一种基于扩散的联合人脸伪造检测与细粒度特征定位框架

Siran Peng, Haoyuan Zhang, Li Gao, Tianshuo Zhang, Xiangyu Zhu, Bao Li, Weisong Zhao, Zhen Lei

机构 * MAIS, CASIA（CASIA人工智能研究所） ； SAI, UCAS（UCAS智能信息学院） ； CMFT（计算机视觉与模式识别技术研究所） ； IIE, CAS（中国科学院信息工程研究所） ； SCS, UCAS（UCAS安全学院） ； CAIR, HKISI, CAS（中国科学院自动化研究所） ； SCSE, FIE, M.U.S.T（慕苏尔科技大学安全与电子工程系） 纠错

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

AI总结 DiffusionFF通过结合预训练的伪造检测器和去噪扩散模型，实现人脸伪造检测与细粒度特征定位，提升检测能力和可解释性。

Accelerating Parallel Diffusion Model Serving with Residual Compression

通过残差压缩加速并行扩散模型服务

Jiajun Luo, Yicheng Xiao, Jianru Xu, Yangxiu You, Rongwei Lu, Chen Tang, Jingyan Jiang, Zhi Wang

机构 * Southern University of Science and Technology（南方科技大学） ； Jiangnan University（江南大学） ； Shenzhen Technology University（深圳技术大学） ； The Chinese University of Hong Kong（香港中文大学） 纠错

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

AI总结 CompactFusion通过残差压缩技术提升并行扩散模型服务效率，实现3倍加速并显著提高生成质量。

Comments Accepted by NeurIPS 2025

Discovering Concept Directions from Diffusion-based Counterfactuals via Latent Clustering

通过潜在聚类发现扩散基于的反事实概念方向

Payal Varshney, Adriano Lucieri, Christoph Balada, Andreas Dengel, Sheraz Ahmed

机构 * German Research Center for Artificial Intelligence GmbH (DFKI)（德国人工智能研究中心） 纠错

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

AI总结 本文提出CDLC方法，通过潜在聚类提取概念方向，减少存储需求并加速概念发现，适用于高风险领域和多样化数据模态。

Comments Accepted at Pattern Recognition Letters Journal (14 Pages)

Journal ref Special Section on the 27th International Conference on Pattern Recognition (ICPR 2024)

MoGAN: Improving Motion Quality in Video Diffusion via Few-Step Motion Adversarial Post-Training

通过少量步骤的运动对抗性后训练提升视频扩散中的运动质量

Haotian Xue, Qi Chen, Zhonghao Wang, Xun Huang, Eli Shechtman, Jinrong Xie, Yongxin Chen

机构 * Adobe（Adobe公司） ； Georgia Tech（佐治亚理工学院） 纠错

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

AI总结 MoGAN通过运动对抗性后训练提升视频扩散模型的运动质量，无需奖励模型或人类偏好数据，在多个基准测试中显著提高了运动真实感。

Which Layer Causes Distribution Deviation? Entropy-Guided Adaptive Pruning for Diffusion and Flow Models

哪一层导致分布偏离？面向扩散和流模型的熵引导自适应剪枝

Changlin Li, Jiawei Zhang, Zeyi Shi, Zongxin Yang, Zhihui Li, Xiaojun Chang

机构 * Stanford University（斯坦福大学） ； North China Electric Power University（华北电力大学） ； University of Technology Sydney（悉尼科技大学） ； Harvard University（哈佛大学） ； 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(title,abstract)；分类 cs.CV

AI总结 本文提出EntPruner，通过熵引导的自适应剪枝方法，有效减少扩散和流模型的参数冗余，提升推理速度并保持生成质量。

Comments Project page: https://github.com/changlin31/EntPruner

GFT-GCN: Privacy-Preserving 3D Face Mesh Recognition with Spectral Diffusion

GFT-GCN：基于谱扩散的隐私保护3D人脸网格识别

Hichem Felouat, Hanrui Wang, Isao Echizen

机构 * The Graduate University for Advanced Studies, SOKENDAI（高级研究大学，SOKENDAI） ； National Institute of Informatics, NII（信息研究所） ； The University of Tokyo（东京大学） 纠错

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

AI总结 GFT-GCN通过结合谱图学习与扩散机制，实现隐私保护的3D人脸识别，兼顾高准确性和防攻击能力。

Comments 13 pages, 8 figures, WACV 2026

DiffSeg30k: A Multi-Turn Diffusion Editing Benchmark for Localized AIGC Detection

DiffSeg30k: 一种用于局部AIGC检测的多轮扩散编辑基准

Hai Ci, Ziheng Peng, Pei Yang, Yingxin Xuan, Mike Zheng Shou

机构 * Show Lab, National University of Singapore（新加坡国立大学Show实验室） ； South China University of Technology（华南理工大学） 纠错

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

AI总结 DiffSeg30k通过引入多轮扩散编辑基准，推动AIGC检测从二元分类到语义分割的转变，提升局部编辑定位和模型识别的可靠性。

Comments 16 pages, 10 figures; typos corrected, references added

Sequence-Adaptive Video Prediction in Continuous Streams using Diffusion Noise Optimization

基于扩散噪声优化的连续流序列适应视频预测

Sina Mokhtarzadeh Azar, Emad Bahrami, Enrico Pallotta, Gianpiero Francesca, Radu Timofte, Juergen Gall

机构 * University of Bonn（波恩大学） ； Toyota Motor Europe（丰田欧洲公司） ； University of Wuerzburg（乌尔姆大学） ； Lamarr Institute for Machine Learning and Artificial Intelligence（拉马尔人工智能与机器学习研究所） 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扩散噪声优化的连续流序列适应视频预测方法，通过在推理过程中细化扩散噪声以提升视频预测性能。

DEMIST: Decoupled Multi-stream latent diffusion for Quantitative Myelin Map Synthesis

解耦多流潜在扩散模型用于定量髓鞘图合成

Jiacheng Wang, Hao Li, Xing Yao, Ahmad Toubasi, Taegan Vinarsky, Caroline Gheen, Joy Derwenskus, Chaoyang Jin, Richard Dortch, Junzhong Xu, Francesca Bagnato, Ipek Oguz

机构 * Vanderbilt University（范德比大学） ； Vanderbilt University Medical Center（范德比大学医学中心） ； Barrow Neurological Institute（巴罗神经研究所） 纠错

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

AI总结 DEMIST通过解耦多流潜在扩散模型，利用标准T1w和FLAIR图像生成高质量的PSR图，提升MS评估的定量准确性。

Diffusion-Denoised Hyperspectral Gaussian Splatting

扩散去噪超光谱高斯点云

Sunil Kumar Narayanan, Lingjun Zhao, Lu Gan, Yongsheng Chen

机构 * Georgia Institute of Technology（佐治亚理工学院） 纠错

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

AI总结 本文提出DD-HGS方法，通过引入波长敏感的球谐函数、光谱损失和扩散去噪器，实现超光谱场景的3D显式重建，提升3D高斯点云方法的性能。

Comments Accepted to 3DV 2026

Gen-3Diffusion: Realistic Image-to-3D Generation via 2D & 3D Diffusion Synergy

Gen-3Diffusion：通过2D与3D扩散协同实现逼真图像到3D生成

Yuxuan Xue, Xianghui Xie, Riccardo Marin, Gerard Pons-Moll

机构 * University of Tübingen（图宾根大学） ； Tübingen AI Center（图宾根人工智能中心） ； Max Planck Institute for Informatics, Saarland Informatics Campus（马克斯·普朗克信息研究所，萨尔兰州信息校园） 纠错

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

AI总结 Gen-3Diffusion通过2D与3D扩散模型协同生成逼真3D物体和化身，提升多视图一致性和泛化能力。

Comments Accepted to Transaction on Pattern Analysis and Machine Intelligence (T-PAMI). Project Page: https://yuxuan-xue.com/gen-3diffusion. arXiv admin note: substantial text overlap with arXiv:2406.08475

FREE: Uncertainty-Aware Autoregression for Parallel Diffusion Transformers

FREE: 用于并行扩散变换器的不确定性感知自回归

Xinwan Wen, Bowen Li, Jiajun Luo, Ye Li, Zhi Wang

机构 * Tsinghua University（清华大学） 纠错

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

AI总结 FREE通过引入不确定性感知的自回归方法，在并行扩散变换器中实现高效的无损加速，提升去噪效率的同时保持生成质量。