图像生成

Guiding Diffusion Models with Semantically Degraded Conditions

通过语义退化条件引导扩散模型

Shilong Han, Yuming Zhang, Hongxia Wang

机构 * College of Science, National University of Defense Technology（国防科技大学理学院） 纠错

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

AI总结 通过语义退化条件引导扩散模型，提升文本图像对齐与组合准确性。

Comments Accepted to CVPR 2026

Kuramoto Orientation Diffusion Models

Kuramoto方向扩散模型

Yue Song, T. Anderson Keller, Sevan Brodjian, Takeru Miyato, Yisong Yue, Pietro Perona, Max Welling

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

AI总结 Kuramoto方向扩散模型利用生物系统中的相位同步机制，通过周期域构建生成模型，实现对方向性图像的结构化生成。

Comments NeurIPS 2025

DP-IQA: Utilizing Diffusion Prior for Blind Image Quality Assessment in the Wild

DP-IQA: 利用扩散先验进行野外盲图像质量评估

Honghao Fu, Yufei Wang, Wenhan Yang, Alex C. Kot, Bihan Wen

机构 * School of Electrical and Electronic Engineering, Nanyang Technological University（南洋理工大学电子与电气工程学院） ； PengCheng Laboratory（鹏城实验室） 纠错

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

AI总结 DP-IQA利用预训练扩散模型的先验知识，通过轻量级CNN模型提升盲图像质量评估的性能和泛化能力。

TIDE: Text-Informed Dynamic Extrapolation with Step-Aware Temperature Control for Diffusion Transformers

TIDE: 文本引导的动态外推与步感知温度控制用于扩散变换器

Yihua Liu, Fanjiang Ye, Bowen Lin, Rongyu Fang, Chengming Zhang

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

AI总结 TIDE通过文本锚定机制和动态温度控制，实现无需训练的高分辨率文本到图像生成，有效解决注意力稀释导致的结构退化问题。

Prototype-Guided Concept Erasure in Diffusion Models

扩散模型中的原型引导概念擦除

Yuze Cai, Jiahao Lu, Hongxiang Shi, Yichao Zhou, Hong Lu

机构 * Fudan University（复旦大学） ； National University of Singapore（国立新加坡大学） 纠错

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

AI总结 本文提出通过原型引导的方法在扩散模型中实现更可靠的概念擦除，尤其针对广义概念如性与暴力，提升图像生成的安全性和可控性。

Comments Accepted by CVPR 2026

ExGS: Extreme 3D Gaussian Compression with Diffusion Priors

ExGS：基于扩散先验的极端3D高斯压缩

Jiaqi Chen, Xinhao Ji, Yuanyuan Gao, Hao Li, Yuning Gong, Yifei Liu, Dan Xu, Zhihang Zhong, Dingwen Zhang, Xiao Sun

机构 * Northwestern Polytechnical University（北western工业大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Shanghai Jiao Tong University（上海交通大学） ； Hong Kong University of Science and Technology（香港科技大学） 纠错

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

AI总结 ExGS通过结合UGC和GaussPainter，利用扩散先验实现高效且高质量的极端3DGS压缩。

HybridStitch: Pixel and Timestep Level Model Stitching for Diffusion Acceleration

HybridStitch: 像素和时间步级模型拼接用于扩散加速

Desen Sun, Jason Hon, Jintao Zhang, Sihang Liu

机构 * University of Waterloo（多伦多大学） ； University of California, Berkeley（加州大学伯克利分校） 纠错

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

AI总结 HybridStitch通过结合大模型和小模型，实现T2I生成的高效加速，提升Stable Diffusion 3的生成速度1.83倍。

TDM-R1: Reinforcing Few-Step Diffusion Models with Non-Differentiable Reward

TDM-R1: 通过非可微奖励强化少步扩散模型

Yihong Luo, Tianyang Hu, Weijian Luo, Jing Tang

机构 * Hong Kong University of Science and Technology（香港科技大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； hi-Lab, Xiaohongshu Inc（小红书实验室） ； Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） 纠错

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

AI总结 TDM-R1通过非可微奖励强化少步扩散模型，提升文本到图像生成性能

Comments https://luo-yihong.github.io/TDM-R1-Page/

MAP-based Problem-Agnostic diffusion model for Inverse Problems

基于最大后验概率的逆问题问题无关扩散模型

Pingping Tao, Haixia Liu, Jing Su

机构 * organization= Library, Shandong University , addressline= No. 180 West Culture Road , city= Weihai , postcode= 264209 , state= Shandong , country= China ； organization= School of Mathematics ； Statistics \& Hubei Key Laboratory of Engineering Modeling ； Scientific Computing \& Institute of Interdisciplinary Research for Mathematics ； Applied Science, Huazhong University of Science ； organization= Department of Basic Sciences, Dalian University of Science 纠错

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

AI总结 本文提出了一种基于最大后验概率的逆问题扩散模型，通过引入高斯型先验和引导项估计，提升图像处理任务中的内容保留效果。

Comments 26 pages, 13 figures

Input-Adaptive Generative Dynamics in Diffusion Models

扩散模型中的输入自适应生成动态

Yucheng Xing, Xiaodong Liu, Xin Wang

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

AI总结 本研究提出了一种输入自适应的扩散模型生成方法，通过调整生成动态以适应不同输入需求，从而提升生成质量和效率。

Comments 14 pages, 6 figures. Updated version with revised title

NEGATE: Constrained Semantic Guidance for Linguistic Negation in Text-to-Video Diffusion

NEGATE: 用于文本到视频扩散中的语义约束指导以处理语言否定

Taewon Kang, Ming C. Lin

机构 * University of Maryland at College Park（马里兰大学 College Park 分校） 纠错

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

AI总结 本文提出了一种基于扩散模型的语义约束指导方法，用于处理文本到视频生成中的语言否定问题，通过结构化约束实现否定的统一建模。

Comments 50 pages, 32 figures

Optimizing 3D Diffusion Models for Medical Imaging via Multi-Scale Reward Learning

通过多尺度奖励学习优化3D扩散模型用于医学影像

Yueying Tian, Xudong Han, Meng Zhou, Rodrigo Aviles-Espinosa, Rupert Young, Philip Birch

机构 * University of Sussex（苏塞克斯大学） ； University of Toronto（多伦多大学） 纠错

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

AI总结 本文通过多尺度奖励学习优化3D扩散模型，提升医学影像生成质量与临床应用价值。

Comments Preprint

MRIQT: Physics-Aware Diffusion Model for Image Quality Transfer in Neonatal Ultra-Low-Field MRI

MRIQT：面向新生儿超低场MRI的物理感知扩散模型用于图像质量迁移

Malek Al Abed, Sebiha Demir, Anne Groteklaes, Elodie Germani, Shahrooz Faghihroohi, Hemmen Sabir, Shadi Albarqouni

机构 * University of Bonn（波恩大学） ； University Hospital Bonn（波恩大学医院） ； Technical University of Munich（慕尼黑技术大学） ； Université de Rennes（雷恩大学） 纠错

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

AI总结 MRIQT通过物理感知的扩散模型实现新生儿超低场MRI到高场MRI的图像质量迁移，提升诊断准确性与病理可视化效果。

Comments 5 pages, 4 figures

NAMI: Efficient Image Generation via Bridged Progressive Rectified Flow Transformers

NAMI: 通过桥接渐进修正流变压器实现高效的图像生成

Yuhang Ma, Bo Cheng, Shanyuan Liu, Hongyi Zhou, Liebucha Wu, Dawei Leng, Yuhui Yin

机构 * AI Research（360人工智能研究院） ； Tsinghua University（清华大学） 纠错

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

AI总结 NAMI通过桥接渐进修正流变压器实现高效图像生成，减少推理时间64%，并提升多分辨率训练效率。

AuthFace: Towards Authentic Blind Face Restoration with Face-oriented Generative Diffusion Prior

AuthFace: 向真实盲脸修复迈进的面向面部生成扩散先验

Guoqiang Liang, Qingnan Fan, Bingtao Fu, Jinwei Chen, Hong Gu, Lin Wang

机构 * Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； vivo Mobile Communication Co., Ltd（vivo移动通信有限公司） ； Nanyang Technological University（南洋理工大学） 纠错

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

AI总结 AuthFace通过面向面部的生成扩散先验和摄影引导标注，实现高质量盲脸修复，提升面部细节还原和减少关键区域伪影。

Comments ACM MM 25, Codes and datasets are available at https://github.com/EthanLiang99/AuthFace

Diff-ES: Stage-wise Structural Diffusion Pruning via Evolutionary Search

Diff-ES: 通过进化搜索实现阶段式结构扩散剪枝

Zongfang Liu, Shengkun Tang, Zongliang Wu, Xin Yuan, Zhiqiang Shen

机构 * Zhejiang University（浙江大学） ； Westlake University（西湖大学） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） 纠错

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

AI总结 Diff-ES通过进化搜索优化阶段式结构化剪枝，实现高效且高质量的扩散模型压缩。

Parallel Diffusion Solver via Residual Dirichlet Policy Optimization

并行扩散求解器 via 剩余狄利克雷策略优化

Ruoyu Wang, Ziyu Li, Beier Zhu, Liangyu Yuan, Hanwang Zhang, Xun Yang, Xiaojun Chang, Chi Zhang

机构 * AGI lab, Westlake University（西溪大学AGI实验室） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Nanyang Technological University（南洋理工大学） ； Shanghai Jiao Tong University（上海交通大学） ； 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)；text-to-image(abstract)；分类 cs.CV

AI总结 本文提出EPD-Solver，通过并行梯度评估和狄利克雷策略优化，提升扩散模型的低延迟采样性能。

Comments arXiv admin note: substantial text overlap with arXiv:2507.14797

Tuning Just Enough: Lightweight Backdoor Attacks on Multi-Encoder Diffusion Models

适度调优：针对多编码扩散模型的轻量级后门攻击

Ziyuan Chen, Yujin Jeong, Tobias Braun, Anna Rohrbach

机构 * Computer Science Department, TU Darmstadt, Germany（图恩大学计算机科学系） ； Hessian Center for Artificial Intelligence (hessian.AI), Darmstadt, Germany（海德堡人工智能中心） 纠错

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

AI总结 针对多编码扩散模型的轻量级后门攻击研究，通过仅调优少量参数实现有效攻击，揭示多编码器设置下的新漏洞。

Stochastic Self-Guidance for Training-Free Enhancement of Diffusion Models

扩散模型训练无关增强的随机自引导

Chubin Chen, Jiashu Zhu, Xiaokun Feng, Nisha Huang, Chen Zhu, Meiqi Wu, Fangyuan Mao, Jiahong Wu, Xiangxiang Chu, Xiu Li

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

AI总结 本文提出S$^2$-Guidance方法，通过随机块丢弃构建子网络，提升扩散模型在文本到图像和视频生成任务中的性能。

Comments Accepted by ICLR 2026

Catch Me If You Can Describe Me: Open-Vocabulary Camouflaged Instance Segmentation with Diffusion

捕捉我如果你能描述我：基于扩散的开放词汇伪装实例分割

Tuan-Anh Vu, Duc Thanh Nguyen, Qing Guo, Nhat Chung, Binh-Son Hua, Ivor W. Tsang, Sai-Kit Yeung

机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； CFAR & IHPC, A*STAR（CFAR与IHPC，A*STAR） ； Deakin University（德克萨斯大学） ； Nankai University（南开大学） ； National University of Singapore（新加坡国立大学） ； Trinity College Dublin（都柏林大学） 纠错

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

AI总结 本文提出基于扩散模型的开放词汇伪装实例分割方法，通过多尺度文本-视觉特征学习，提升伪装对象和新类别分割的性能。

Comments Accepted to IJCV 2026

Evolutionary Caching to Accelerate Your Off-the-Shelf Diffusion Model

进化缓存加速现成扩散模型

Anirud Aggarwal, Abhinav Shrivastava, Matthew Gwilliam

机构 * University of Maryland, College Park（马里兰大学学院公园分校） 纠错

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

AI总结 ECAD通过遗传算法学习高效缓存策略，显著提升扩散模型推理速度并优化质量-延迟平衡。

Comments 39 pages, 29 figures, 15 tables. Accepted at ICLR 2026. Project page and code: https://research.aniaggarwal.com/ecad

Align-cDAE: Alzheimer's Disease Progression Modeling with Attention-Aligned Conditional Diffusion Auto-Encoder

Align-cDAE: 利用注意力对齐的条件扩散自编码器进行阿尔茨海默病进展建模

Ayantika Das, Keerthi Ram, Mohanasankar Sivaprakasam

机构 * Department of Electrical Engineering, Indian Institute of Technology Madras, Chennai, India（电子工程系，印度理工学院马德拉斯，钦奈，印度） ； Sudha Gopalakrishnan Brain Centre, Indian Institute of Technology Madras, Chennai, India（苏达·戈帕拉克里希南脑中心，印度理工学院马德拉斯，钦奈，印度） ； Department of Electrical Engineering, Indian Institute of Technology Madras Chennai, India（电子工程系，印度理工学院马德拉斯钦奈，印度） 纠错

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

AI总结 Align-cDAE通过引入注意力对齐和结构化潜在空间，提升扩散自编码器在阿尔茨海默病进展建模中的精度和可控性。

HierarchicalPrune: Position-Aware Compression for Large-Scale Diffusion Models

分层剪枝：面向大规模扩散模型的位置感知压缩

Young D. Kwon, Rui Li, Sijia Li, Da Li, Sourav Bhattacharya, Stylianos I. Venieris

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

AI总结 HierarchicalPrune通过分层位置剪枝、位置权重保护和敏感度引导的知识蒸馏，实现大规模扩散模型的高效压缩，减少内存占用和延迟，同时保持图像质量。

Comments Accepted at AAAI 2026 (Main Technical Track)

SPEED: Scalable, Precise, and Efficient Concept Erasure for Diffusion Models

SPEED：可扩展、精确和高效的扩散模型概念擦除

Ouxiang Li, Yuan Wang, Xinting Hu, Houcheng Jiang, Yanbin Hao, Fuli Feng

机构 * University of Science and Technology of China（中国科学技术大学） ； Hefei University of Technology（合肥工业大学） 纠错

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

AI总结 SPEED通过直接编辑模型参数，高效精准地擦除扩散模型中的多个概念，同时保护非目标概念的质量。

Comments Accepted to ICLR 2026

Polarization Uncertainty-Guided Diffusion Model for Color Polarization Image Demosaicking

极化不确定性引导的扩散模型用于颜色极化图像重建

Chenggong Li, Yidong Luo, Junchao Zhang, Degui Yang

机构 * footnotemark: 1（机构1） 纠错

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

AI总结 本文提出了一种极化不确定性引导的扩散模型，用于提高颜色极化图像重建的精度和视觉效果。

Comments Accepted to AAAI2026

Identifying Memorization of Diffusion Models through $p$-Laplace Analysis: Estimators, Bounds and Applications

通过p-拉普拉斯分析识别扩散模型的记忆化：估计器、界限与应用

Jonathan Brokman, Itay Gershon, Amit Giloni, Omer Hofman, Roman Vainshtein, Hisashi Kojima, Guy Gilboa

机构 * Electrical and Computer Engineering（电子工程系） ； Technion（技术学院） ； Fujitsu Research of Europe（富士通欧洲研究部） ； Fujitsu Research（富士通研究） 纠错

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

AI总结 本文通过p-拉普拉斯分析提出方法，用于识别扩散模型中的记忆化训练数据，并在文本到图像生成中首次展示其有效性。

Comments This manuscript is a substantially extended version of our SSVM 2025 paper, including significant new theoretical results and additional experiments. It is currently under review as a journal submission

TRACE: Your Diffusion Model is Secretly an Instance Edge Detector

TRACE：你的扩散模型实际上是一个实例边缘检测器

Sanghyun Jo, Ziseok Lee, Wooyeol Lee, Jonghyun Choi, Jaesik Park, Kyungsu Kim

机构 * OGQ, Seoul, Korea（韩国首尔OGQ） ； Seoul National University, Seoul, Korea（韩国首尔国立大学） 纠错

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

AI总结 TRACE通过扩散模型的实例边缘检测技术，在无监督和弱监督分割中实现更高效和精确的边界生成。

Comments Accepted to ICLR 2026 (Oral)

RelA-Diffusion: Relativistic Adversarial Diffusion for Multi-Tracer PET Synthesis from Multi-Sequence MRI

RelA-Diffusion：相对对抗扩散用于多示踪剂PET合成从多序列MRI

Minhui Yu, Yongheng Sun, David S. Lalush, Jason P Mihalik, Pew-Thian Yap, Mingxia Liu

机构 * Department of Radiology and Biomedical Research Imaging Center (BRIC), University of North Carolina at Chapel Hill（放射科与生物医学研究成像中心（BRIC）、北卡罗来纳大学教堂山分校） ； Joint Department of Biomedical Engineering, University of North Carolina at Chapel Hill and North Carolina State University（生物医学工程联合部门、北卡罗来纳大学教堂山分校和北卡罗来纳州立大学） ； Department of Exercise and Sport Science, UNC-CH（运动与体育科学系、UNC-CH） 纠错

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

AI总结 RelA-Diffusion通过相对对抗扩散框架，利用多序列MRI合成多示踪剂PET，提升合成图像的保真度和病理细节表现。

Pluggable Pruning with Contiguous Layer Distillation for Diffusion Transformers

可插拔剪枝与连续层蒸馏用于扩散变换器

Jian Ma, Qirong Peng, Xujie Zhu, Peixing Xie, Chen Chen, Haonan Lu

机构 * OPPO AI Center（OPPO人工智能中心） ； Sun Yat-sen University（中山大学） ； 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)；image generation(abstract)；分类 cs.CV

AI总结 本研究提出PPCL方法，通过连续层蒸馏和灵活剪枝技术，在保持图像生成质量的同时实现50%的参数压缩，适用于资源受限环境。

Comments Accepted to CVPR 2026

HDR Reconstruction Boosting with Training-Free and Exposure-Consistent Diffusion

通过无训练和曝光一致的扩散实现HDR重建增强

Yo-Tin Lin, Su-Kai Chen, Hou-Ning Hu, Yen-Yu Lin, Yu-Lun Liu

机构 * National Yang Ming Chiao Tung University（国家阳明交通大学） ； MediaTek Inc.（联发科公司） 纠错

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

AI总结 通过无训练和曝光一致的扩散技术提升HDR重建效果，增强过曝区域的图像质量并保持多曝光一致性。

Comments WACV 2026. Project page: https://github.com/EusdenLin/HDR-Reconstruction-Boosting