近期我们针对扩散模型缝合技巧汇总的前沿成果进行了深度整合，从中筛选出31篇很有参考价值的论文，收录了CVPR、ICLR、AAAI、WACV等顶会顶刊上的相关工作，并配套整理了开源代码实现。
这些论文基本覆盖了当前主流方法与技术瓶颈，特别适合正在准备论文的朋友，无论你是想找创新突破口、设计课题方案，还是想复现经典模型，都能提供实质性帮助。
扫描下方二维码，回复「扩散缝合」
免费获取全部论文合集及项目代码
Solving Blind Inverse Problems: Adaptive Diffusion Models for
Motion-corrected Sparse-view 4DCT
内容：
本文提出JRM‑ADM自适应扩散框架求解稀疏视角4DCT运动校正盲逆问题，采用小波扩散模型WDM降低算力显存开销，在DDIM采样迭代中交替优化运动形变场与 surrogate信号，于图像域执行数据一致性约束，结合FBP跳跃启动策略，实现图像重建与运动估计联合求解，在XCAT体模上可在不规则呼吸条件下得到无伪影高分辨重建结果。
Cached Adaptive Token Merging: Dynamic Token Reduction and Redundant Computation Elimination in Diffusion Model
内容：
本文提出无需重训练的扩散推理加速方法CA‑ToMe，摒弃固定合并比例，采用相似度阈值做自适应token合并，仅作用于U‑Net高层Transformer模块，同时引入缓存机制，仅在部分检查点计算token配对，相邻步骤复用缓存的合并索引，减少相似度矩阵的重复计算，在保证图像生成FID指标的前提下实现1.24倍去噪推理加速。
扫描下方二维码，回复「扩散缝合」
免费获取全部论文合集及项目代码
GLAD: Towards Better Reconstruction with Global and Local Adaptive Diffusion Models for Unsupervised Anomaly Detection
内容：
本文提出面向无监督异常检测的全局‑局部自适应扩散模型GLAD，全局上设计自适应去噪步骤ADP，依据图像差异为每个样本选择合适去噪步数，平衡重建质量与正常细节保留；训练阶段采用面向异常的训练范式ATP，引入合成异常样本让网络可预测非高斯噪声，推理时使用空间自适应特征融合SAFF，结合异常掩码对不同区域差异化处理，得到无异常重建图像，再借助DINO提取多层特征比对生成异常图完成检测与定位。
ENERGY-WEIGHTED FLOW MATCHING FOR OFFLINE REINFORCEMENT LEARNING
内容：
本文提出能量加权流匹配EFM，无需辅助模型直接学习能量引导下的速度场，并将其拓展得到能量加权扩散模型；面向离线强化学习进一步提出Q加权迭代策略优化QIPO，以Q函数作为能量，构造加权损失迭代更新扩散/流匹配策略，周期性重采样支持动作集逐步放大引导强度，在D4RL基准上实现更优性能与更快采样速度。
扫描下方二维码，回复「扩散缝合」
免费获取全部论文合集及项目代码
