图像生成

Improved 3D Scene Stylization via Text-Guided Generative Image Editing with Region-Based Control

通过文本引导的生成图像编辑与基于区域的控制改进3D场景风格化

Haruo Fujiwara, Yusuke Mukuta, Tatsuya Harada

机构 * The University of Tokyo（东京大学） ； RIKEN AIP（理化学研究所） 纠错

专题命中 可控生成 ：image editing(title)；inpainting(abstract)；分类 cs.CV、cs.GR

AI总结 本文提出了一种改进的3D场景风格化方法，通过文本引导和基于区域的控制，提升风格一致性和视图一致性。

Comments Project Page: https://haruolabs.github.io/improved-gs-style-page/

State-Action Inpainting Diffuser for Continuous Control with Delay

具有延迟的连续控制状态-动作修复扩散器

Dongqi Han, Wei Wang, Enze Zhang, Dongsheng Li

机构 * University of Pennsylvania（宾夕法尼亚大学） ； Shanghai Jiaotong University（上海交通大学） ； Microsoft Research Asia（微软亚洲研究院） 纠错

专题命中 可控生成 ：inpainting(title,abstract)

AI总结 SAID通过结合动力学学习和策略优化，提出了一种具有延迟的连续控制新方法，实现了最先进的性能。

Regularized Diffusion-based Contract Model for Covert Semantic Entropy Control in LAENets

基于正则化扩散的合同模型用于LAENets中的隐秘语义熵控制

Yansheng Liu, Jinbo Wen, Kun Zhu, Yang Zhang, Jiawen Kang

专题命中 可控生成 ：diffusion(title,abstract)

AI总结 本文提出基于正则化扩散的合同模型，用于LAENets中的隐秘语义熵控制，通过调整语义抽象级别提升任务信息传输可靠性。

EchoMimicV2: Towards Striking, Simplified, and Semi-Body Human Animation

EchoMimicV2: 向更具冲击力、简化和半身的人体动画迈进

Rang Meng, Xingyu Zhang, Yuming Li, Chenguang Ma

机构 * Terminal Technology Department, Alipay, Ant Group（蚂蚁集团支付宝终端技术部） 纠错

专题命中 可控生成 ：diffusion(abstract)；分类 cs.CV、cs.GR

AI总结 EchoMimicV2通过简化条件和引入新的Audio-Pose动态和谐化策略，实现了具有冲击力的半身人体动画，并提出了新的评估基准。

Comments CVPR2025

Copy-Trasform-Paste: Zero-Shot Object-Object Alignment Guided by Vision-Language and Geometric Constraints

复制-变换-粘贴：由视觉-语言和几何约束引导的零样本物体-物体对齐

Rotem Gatenyo, Ohad Fried

机构 * Reichman University（雷查曼大学） 纠错

专题命中 可控生成 ：diffusion(abstract)；分类 cs.CV、cs.GR

AI总结 本文提出了一种基于视觉-语言和几何约束的零样本物体-物体对齐方法，通过可微分渲染器优化相对姿态，实现语义忠实且物理合理的3D对齐。

Comments GitHub Page: https://rotemgat.github.io/CopyTransformPaste/

LiftAvatar: Kinematic-Space Completion for Expression-Controlled 3D Gaussian Avatar Animation

LiftAvatar：基于运动空间的表达控制3D高斯人偶动画

Hualiang Wei, Shunran Jia, Jialun Liu, Wenhui Li

机构 * College of Computer Science and Technology, Jilin University（吉林大学计算机科学与技术学院） ； Institute of Artificial Intelligence of China Telecom（中国电信人工智能研究院） 纠错

专题命中 可控生成 ：diffusion(abstract)；分类 cs.CV

AI总结 LiftAvatar通过多粒度表达控制和多参考条件机制，提升3D人偶动画的质量和可控性。

Comments 19 pages, 11 figures

Semantic Similarity is a Spurious Measure of Comic Understanding: Lessons Learned from Hallucinations in a Benchmarking Experiment

语义相似性是漫画理解的虚假度量：来自基准实验中幻觉的教训

Christopher Driggers-Ellis, Nachiketh Tibrewal, Rohit Bogulla, Harsh Khanna, Sangpil Youm, Christan Grant, Bonnie Dorr

专题命中 可控生成 ：generative vision(abstract)；分类 cs.CV

AI总结 本文提出了一项初步基准测试，评估生成视觉-语言模型在漫画解释任务中的表现，并分析了幻觉现象，强调未来研究中需加强幻觉缓解和数据整理。

Comments 8 pages, 2 figures, 3 tables. Includes link to code

Brain-IT: Image Reconstruction from fMRI via Brain-Interaction Transformer

通过脑交互变换器从fMRI中进行图像重建

Roman Beliy, Amit Zalcher, Jonathan Kogman, Navve Wasserman, Michal Irani

机构 * Weizmann Institute of Science（魏茨曼科学研究所） 纠错

专题命中 可控生成 ：diffusion(abstract)；分类 cs.CV

AI总结 Brain-IT通过脑交互变换器从fMRI中实现高保真图像重建，结合高层语义和低层结构特征，提升重建精度与效率。

Comments Accepted at ICLR 2026

Uni-X: Mitigating Modality Conflict with a Two-End-Separated Architecture for Unified Multimodal Models

Uni-X: 通过双端分离架构缓解多模态冲突以实现统一多模态模型

Jitai Hao, Hao Liu, Xinyan Xiao, Qiang Huang, Jun Yu

机构 * School of Intelligence Science and Engineering, Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）智能科学与工程学院） ； Baidu Inc.（百度公司） 纠错

专题命中 可控生成 ：image generation(abstract)；分类 cs.CV

AI总结 Uni-X通过双端分离和中间共享的架构缓解多模态冲突，提升统一多模态模型的训练效率和性能。

Comments ICLR 2026

SesaHand: Enhancing 3D Hand Reconstruction via Controllable Generation with Semantic and Structural Alignment

SesaHand: 通过语义和结构对齐可控生成增强3D手重建

Zhuoran Zhao, Xianghao Kong, Linlin Yang, Zheng Wei, Pan Hui, Anyi Rao

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； The Hong Kong University of Science and Technology（香港科学与技术大学） ； Communication University of China（中国通信大学） 纠错

专题命中 可控生成 ：image generation(abstract)；分类 cs.CV

AI总结 SesaHand通过语义和结构对齐提升可控手部生成，优化3D手重建性能。

Next Visual Granularity Generation

下一步视觉粒度生成

Yikai Wang, Zhouxia Wang, Zhonghua Wu, Qingyi Tao, Kang Liao, Chen Change Loy

机构 * S-Lab, Nanyang Technological University（南洋理工大学S实验室） ； SenseTime Research（商汤科技研究院） 纠错

专题命中 可控生成 ：image generation(abstract)；分类 cs.CV

AI总结 NVG框架通过分层生成方法实现图像生成，优于VAR系列，提升FID分数并展示出良好的扩展性和潜在应用。

Comments ICLR 2026