图像生成

SADP: Subgoal-Aware Diffusion Policy for Long-Horizon Manipulation Learned from Foundation Model Generated Demonstrations

SADP：基于基础模型生成示范的子目标感知扩散策略用于可解释机器人

Site Hu, Takato Horii

机构 * Department of Systems Innovation, Graduate School of Engineering Science, Osaka University（系统创新系，工学研究科，大阪大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出SADP，一种基于基础模型生成示范的子目标感知扩散策略，用于可解释机器人，通过自主生成子目标标注的示范数据，训练扩散策略，使机器人能够通过子目标结构和执行进度向用户解释决策过程，从而在长周期操作中实现更高的任务成功率和故障诊断能力。

Comments Revised manuscript with an updated title, evaluation protocol, and simulation results

Offline Deep Q* Estimation with Diffusion Models

基于扩散模型的离线深度Q*估计

Xiaohong Chen, Yuling Jiao, Lican Kang, Jerry Zhijian Yang, Chen Zhong

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 该研究针对离线RL中最优贝尔曼算子不可观测的问题，提出将算子估计与价值学习解耦的框架，用条件扩散模型估计奖励律和转移核，建立了无完备性假设的理论收敛速率，实验验证了方法有效性。

Symmetry-Breaking De Novo Crystal Generation via Markovian Jump Diffusion

基于马尔可夫跳跃扩散的对称性破缺从头晶体生成

Van Khoa Nguyen, Alexandros Kalousis

机构 * HES-SO Geneva（日内瓦高等教育学院） ； University of Geneva（日内瓦大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 该研究针对现有晶体生成模型难以捕捉全局对称性的问题，提出SbCD模型，通过马尔可夫跳跃扩散过程实现对称性破缺，在MP20和MPTS-52数据集上表现优于保对称性模型，为晶体生成建模提供新方案。

Comments Under review

Noise as a Probe: Membership Inference Attacks on Diffusion Models Leveraging Initial Noise

噪声作为探针：利用初始噪声的扩散模型成员推断攻击

Puwei Lian, Yujun Cai, Songze Li, Bingkun Bao

机构 * Southeast University（东南大学） ； The University of Queensland（昆士兰大学） ； Nanjing University of Posts and Telecommunications（南京邮电大学） 纠错

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

AI总结 本文提出利用扩散模型初始噪声中的残余语义信息进行成员推断攻击，揭示了微调模型在隐私保护方面的脆弱性。

Comments Accepted to 34th ACM International Conference on Multimedia (MM 2026)

Probing and steering biology across Boltz-1s trunk-diffusion boundary

探测与操控Boltz-1主干-扩散边界处的生物学特性

Piotr Jedryszek, Tongmeng Xie, Adam Winnifrith, Alexander Hasson, Weronika Ślesak, George Wicks, Toby Winnifrith, Oliver M. Crook

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 该研究以Boltz-1为对象，分析其主干与扩散模块的生物学信息传递差异，验证线性可解码方向的操控性，发布相关资源。

Conditional Uniqueness and Optimal Energy-Norm Convergence for the Dynamic Diffusion Finite Element Method

动态扩散有限元方法的条件唯一性与最优能量范数收敛性

Isaac P. Santos

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文针对动态扩散有限元格式，推导其离散解的条件唯一性与最优一阶能量范数收敛估计，数值实验验证了理论结果，拓展了该格式的数学理解。

Comments 35 pages, 5 figures

Quantum Generative Diffusion Model: A Fully Quantum-Mechanical Model for Generating Quantum State Ensemble

量子生成扩散模型：一种用于生成量子态系综的全量子力学模型

Chuangtao Chen, Qinglin Zhao, MengChu Zhou, Zhimin He, Zhili Sun, Haozhen Situ

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本研究提出全量子力学模型QGDM，基于量子信道理论构建正向与反向过程，在多种量子态生成任务中性能优于现有模型，为量子生成建模提供了新框架。

Comments 31 pages, 15 tables. Accepted by IEEE Transactions on Pattern Analysis and Machine Intelligence. The supplementary material is included at the end of the manuscript

Radio-Interferometric Image Reconstruction with Denoising Diffusion Restoration Models

利用去噪扩散恢复模型进行无线电干涉成像重建

Michel Morales, Emma Tolley, Remi Poitevineau

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文提出基于去噪扩散概率模型的无线电天空成像重建方法，通过训练DDPM并结合DDRM技术，在不依赖网格化可见度数据的情况下实现高保真重建，优于传统CLEAN方法。

Comments 11 pages, 11 figures

Intrinsic-Hybrid Latent Diffusion Models for Generative Modeling on Unknown Manifolds

用于未知流形生成建模的内在混合隐式扩散模型

Yizhu Wang, Mu Niu, Xiaochen Yang

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 该研究提出ILDM框架，将概率降维与未知流形几何感知扩散结合，通过混合扩散与近似去噪得分匹配方法，在三类数据集上实现生成质量提升，降低了FID和LPIPS分数。

Masked diffusion enables coherent beat tracking

掩码扩散实现连贯节拍跟踪

Francesco Foscarin, Filip Korzeniowski, Richard Vogl

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 该研究针对节拍跟踪神经网络的无效输出问题，提出经三项改进的掩码扩散方法，减少不稳定行为并提升了节拍跟踪性能。

Comments Accepted at the 27th International Society for Music Information Retrieval Conference (ISMIR), 2026

Exploring More to Solve More: Boosting Diversity in Text Diffusion Models via Entropy-Based Guidance

探索更多以解决更多问题：通过基于熵的引导提升文本扩散模型的多样性

Jingwei Zhang, Haoyu Lei, Zijin Feng, Jiacheng Sun, Farzan Farnia

专题命中 扩散模型 ：diffusion(title,abstract)；image synthesis(abstract)

AI总结 本研究提出无训练的SAKE引导方法，通过核Gram矩阵的二阶Rényi熵动态调整文本扩散模型的采样分布，实现更优的保真度与多样性平衡，提升了代码、数学等推理任务的多样本性能。

Beyond the Bidirectional Promise: Re-evaluating the Robustness of Diffusion Language Models

超越双向承诺：重新评估扩散语言模型的鲁棒性

Saurabh Yadav, Badri Narayana Patro, Vijay Srinivas Agneeswaran

机构 * Microsoft（微软公司） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 该研究评估了扩散语言模型的鲁棒性，发现其虽能抵御部分对抗攻击但易受自然噪声影响，存在过度自信问题，脆弱性源于解码器路由故障，需将鲁棒性整合入迭代解码循环。

ShapeMark: Robust and Diversity-Preserving Watermarking for Diffusion Models

ShapeMark: 用于扩散模型的鲁棒且保持多样性水印技术

Yuqi Qian, Yun Cao, Haocheng Fu, Meiyang Lv, Meineng Zhu

专题命中 扩散模型 ：diffusion(title,abstract)；image synthesis(abstract)

AI总结 ShapeMark通过将水印编码到结构化噪声模式中，提高了扩散模型的鲁棒性和生成多样性，实现了在多种有损场景下的高质量生成。

Journal ref In Proceedings of the 34th ACM International Conference on Multimedia (MM 2026)

Exact Evaluation of the Accuracy of Diffusion Models for Inverse Problems with Gaussian Data Distributions

高斯数据分布反问题扩散模型精度的精确评估

Emile Pierret, Bruno Galerne

机构 * Université d’Orléans, Université de Tours, CNRS, IDP, UMR 7013（奥尔良大学、图尔大学、国家科学研究中心、IDP、UMR 7013） ； Institut universitaire de France (IUF)（法国国家科学院（IUF）） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)；inpainting(abstract)

AI总结 研究高斯数据分布反问题中扩散模型精度，通过刻画迭代高斯过程及计算瓦瑟斯坦距离分析差异，比较两种算法，引入更精确的条件高斯扩散模型新范式。

Enhancing Membership Inference Attacks on Diffusion Models from a Frequency-Domain Perspective

从频域角度增强扩散模型的成员推理攻击

Puwei Lian, Yujun Cai, Songze Li, Bingkun Bao

机构 * Southeast University（东南大学） ； The University of Queensland（昆士兰大学） ； Hefei University of Technology（合肥工业大学） ； Engineering Research Center of Blockchain Application, Supervision and Management (Southeast University), Ministry of Education（区块链应用、监督与管理工程研究中心（东南大学），教育部） 纠错

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

AI总结 本文从频域角度揭示扩散模型处理高频信息的缺陷导致成员推理攻击误分类，并提出即插即用的高频滤波模块以提升攻击性能。

Comments Accepted to Forty-Third International Conference on Machine Learning (ICML 2026)

Drive As You Like: Multi-Head Diffusion with Reinforcement Learning for Personalized Driving

随心所欲驾驶：基于强化学习的多头部扩散个性化驾驶

Fan Ding, Xuewen Luo, Fucai Ke, Hwa Hui Tew, Susilawati Susilawati, Vishnu Monn Baskaran, Junn Yong Loo

机构 * School of Information Technology, Monash University Malaysia（墨尔本大学马来西亚分校信息科技学院） ； Southwest University, China（西南大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 研究旨在解决自动驾驶规划器忽视人类驾驶行为多样性及难以理解用户意图的问题。提出基于强化学习的多策略框架，集成多头部扩散规划器与语义理解，采用两阶段训练范式。实验表明该方法在nuPlan基准测试中性能良好，能满足实时规划并对齐用户意图。

Comments Has been submitted to AAAI 2026

Dominant vs. Dominated: Concept-Level Generative Collapse in Diffusion Models

主导与被主导：扩散模型中的概念级生成坍缩

Hayeon Jeong, Jong-Seok Lee

机构 * Yonsei University（延世大学） 纠错

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

AI总结 研究文本到图像扩散模型多概念生成中的DvD不平衡，引入DominanceBench，从数据和机制角度研究其成因，通过受控微调、交叉注意力及头部消融分析，揭示DvD是系统性概念级失败模式，为可靠可控多概念生成提供依据。

MindPilot: Closed-loop Visual Stimulation Optimization for Brain Modulation with EEG-guided Diffusion

MindPilot: 闭环视觉刺激优化用于EEG引导的脑调控

Dongyang Li, Kunpeng Xie, Mingyang Wu, Yiwei Kong, Jiahua Tang, Haoyang Qin, Chen Wei, Quanying Liu

专题命中 扩散模型 ：diffusion(title)；image generation(abstract)；image synthesis(abstract)

AI总结 MindPilot通过EEG反馈实现闭环视觉刺激优化，推动非侵入性脑调控和双向脑机接口的发展。

Comments 10 pages

Compositional Diffusion with Guided Search for Long-Horizon Planning

用于长期规划的带引导搜索的组合扩散

Utkarsh A Mishra, David He, Yongxin Chen, Danfei Xu

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)；image synthesis(abstract)

AI总结 研究针对组合生成模型在局部分布多模态时的模式平均问题，提出带引导搜索的组合扩散方法（CDGS），通过特定采样、过滤和重采样解决问题，在机器人操作任务上表现出色且跨领域通用。

Comments 38 pages, 18 figures, ICLR 2026 ORAL

DSTAR: Accelerating Diffusion Transformers via Spatial and Temporal Redundancy Reduction

DSTAR：通过减少空间和时间冗余加速扩散变换器

Chi Zhang, Jieru Zhao, Yu Feng, Chen Zhang, Quan Chen, Minyi Guo

专题命中 扩散模型 ：diffusion(title,abstract)；image synthesis(abstract)

AI总结 研究针对扩散变换器多迭代推理低效耗能问题，提出软硬件协同设计框架DSTAR。算法上用细粒度混合精度量化和稀疏注意力重用机制，架构上设计专用硬件加速器，经评估在多个典型DiTs上实现显著延迟加速和节能，且不降低精度。

Comments Accepted to the 59th IEEE/ACM International Symposium on Microarchitecture (MICRO 2026)

VOiLA: Vectorized Online Planning with Learned Diffusion Models for POMDP Agents

VOiLA: 基于学习扩散模型的向量化在线规划用于POMDP智能体

Marcus Hoerger, Rishikesh Joshi, Rahul Shome, Ian Manchester, Hanna Kurniawati

机构 * Australian National University（澳大利亚国立大学） ； The University of Sydney（悉尼大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出VOiLA框架，利用条件扩散模型学习POMDP模型，通过蒸馏加速采样并与向量化在线规划器集成，在三个基准任务和实物机器人上实现高效在线规划。

Comments Submitted to the 2026 International Symposium of Robotics Research (ISRR)

HyperNet-Adaptation for Diffusion-Based Test Case Generation

基于扩散的测试用例生成的超网络自适应

Oliver Weißl, Vincenzo Riccio, Severin Kacianka, Andrea Stocco

机构 * Technical University of Munich（慕尼黑技术大学） ； University of Udine（乌迪内大学） ； fortiss 纠错

专题命中 扩散模型 ：diffusion(title,abstract)；image synthesis(abstract)

AI总结 针对深度学习系统可靠性评估问题，提出HyNeA生成式测试方法，通过超网络实现无数据集可控性，采用独特训练策略，能以较低计算成本有针对性地生成现实故障用例，提高可控性和测试多样性，还可推广到无故障标签数据领域。

CANDI: Hybrid Discrete-Continuous Diffusion Models

CANDI：混合离散-连续扩散模型

Patrick Pynadath, Jiaxin Shi, Ruqi Zhang

机构 * Purdue University, West Lafayette, U.S.A（普渡大学） ； Google Deepmind（谷歌DeepMind） 纠错

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

AI总结 研究连续扩散应用于离散数据表现不佳的问题，提出CANDI混合框架解耦离散和连续破坏，实现同时学习，在受控生成和文本生成中分别展现优势，解锁连续扩散对离散空间的好处。

AutoAnchor: Stable Diffusion Unlearning Using Cross-Attention as a Manifold Surrogate

AutoAnchor：以交叉注意力作为流形替代的稳定扩散去学习

Siyuan Wen, Jiahao Zeng, Ningning Ding

机构 * 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)

AI总结 研究文本到图像模型中扩散去学习的不稳定问题，提出AutoAnchor两阶段框架，利用交叉注意力一致性损失自动合成流形近端锚点，有效实现稳健无偏去学习，提升目标概念去除率和非目标效用，还可集成到现有方法中提高性能。

Benign Overfitting Does Not Occur in Diffusion Models

扩散模型中不存在良性过拟合

Tyler Farghly, Benjamin Dupuis, Alain Durmus, Umut Simsekli

机构 * INRIA - École Normale Supérieure - PSL Research University - CNRS（INRIA-巴黎高等师范学院-PSL研究大学-CNRS） ； École Polytechnique - CMAP - IP Paris（巴黎高等理工学院-CMAP-IP巴黎） 纠错

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

AI总结 该研究证明扩散模型不存在良性过拟合与双下降现象，其泛化由分数时间平滑性、早停等特有机制主导，区别于传统深度学习的泛化规律。

ART for Diffusion Sampling: Continuous-Time Control and Actor-Critic Learning

ART 用于扩散采样：连续时间控制与 Actor-Critic 学习

Yilie Huang, Wenpin Tang, Xun Yu Zhou

机构 * Department of Applied Mathematics, The Hong Kong Polytechnic University（香港理工大学应用数学系） ； Department of Industrial Engineering and Operations Research, Columbia University（哥伦比亚大学工业工程与运筹学系） ； Data Science Institute, Columbia University（哥伦比亚大学数据科学研究所） 纠错

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

AI总结 提出自适应重参数化时间 (ART) 方法，将扩散采样的时间步分配建模为连续时间控制问题，并通过强化学习求解，以自适应学习采样时间表，提升样本质量。

Comments 36 pages, 14 figures, 8 tables

Locality-Aware Continual Unlearning for Diffusion Models

面向扩散模型的局部感知持续遗忘学习

Naveen George, Naoki Murata, Yuhta Takida, Konda Reddy Mopuri, Yuki Mitsufuji

机构 * Indian Institute of Technology Hyderabad（印度海得拉巴印度理工学院） ； Sony AI（索尼人工智能） ； Sony Group Corporation（索尼集团） 纠错

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

AI总结 提出局部感知持续遗忘框架，通过局部感知目标选择和局部感知回放机制，解决扩散模型在连续概念移除中的性能崩溃问题，在10步顺序遗忘中保持高相关保留和通用保留。

Comments Accepted to ECCV 2026

Quality-Aware Modulation for Diffusion Transformers

扩散变压器的质量感知调制

Luke Budny, Yuhong Guo, Kevin Cheung

机构 * Carleton University（卡尔顿大学） 纠错

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

AI总结 提出质量表示模块（QRM），通过轻量级变压器学习质量感知向量，调整DiT中的自适应层归一化调制，提升生成图像质量，无需改变采样流程。

Cross-Sensor SAR Data Generation Using Diffusion Models and Feature Migration

基于扩散模型和特征迁移的跨传感器SAR数据生成

Xuanting Wu, Fan Zhang, Fei Ma, Qiang Yin, Yongsheng Zhou

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

AI总结 提出融合稳定扩散模型与注意力蒸馏的框架，利用历史SAR数据生成适配新传感器特性的训练数据，缓解数据稀缺问题。

Journal ref Transactions of Nanjing University of Aeronautics and Astronautics, 2025, 42(4): 509-524

X-DiffVLA: X-Embodied Diffusion Action Heads for Vision-Language-Action Models

X-DiffVLA：面向视觉-语言-动作模型的跨具身扩散动作头

Boyu Li, Chaoyi Xu, Haoqi Yuan, Xinrun Xu, Börje F. Karlsson, Haoran Li, Zongqing Lu, Dongbin Zhao

机构 * SKL-MAIS, Institute of Automation, Chinese Academy of Sciences（SKL-MAIS，自动化研究所，中国科学院） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（人工智能学院，中国科学院大学） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院） ； BeingBeyond ； School of Computer Science, Peking University（北京大学计算机学院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 针对跨具身数据学习通用策略的挑战，提出X-DiffVLA模型，通过扩散模型和具身强制技术实现异构末端执行器间的知识迁移，在RoboCasa和Isaac Gym上分别提升15.3%和12.5%。