图像生成

From "What" to "How": Constrained Reasoning for Autoregressive Image Generation

从‘是什么’到‘如何做’：用于自回归图像生成的约束推理

Ruxue Yan, Xubo Liu, Wenya Guo, Zhengkun Zhang, Ying Zhang, Xiaojie Yuan

机构 * College of Computer Science, Nankai University（南开大学计算机科学学院） ； Baidu Inc.（百度公司） 纠错

专题命中 图像生成评测 ：image generation(title,abstract)；分类 cs.CV、cs.MM

AI总结 本文提出CoR-Painter框架，通过约束推理引导自回归图像生成，解决空间结构模糊问题，提升生成图像的准确性和质量。

Entering the Era of Discrete Diffusion Models: A Benchmark for Schrödinger Bridges and Entropic Optimal Transport

进入离散扩散模型的时代：Schrödinger桥和熵最优传输的基准

Xavier Aramayo Carrasco, Grigoriy Ksenofontov, Aleksei Leonov, Iaroslav Sergeevich Koshelev, Alexander Korotin

机构 * Applied AI Institute（应用人工智能研究所） ； AI Foundation and Algorithm Lab（人工智能基金会与算法实验室） 纠错

专题命中 图像生成评测 ：diffusion(title,abstract)

AI总结 本文提出了一种针对离散空间的Schrödinger桥基准，通过构造具有已知解的概率分布对，实现了对SB方法在高维离散设置中性能的严格评估，并引入了新的SB算法DLightSB和DLightSB-M以及α-CSBM算法。

Direct Reward Fine-Tuning on Poses for Single Image to 3D Human in the Wild

基于姿态的直接奖励微调用于单图像到野外3D人体

Seunguk Do, Minwoo Huh, Joonghyuk Shin, Jaesik Park

机构 * Seoul National University（首尔国立大学） 纠错

专题命中 图像生成评测 ：diffusion(abstract)；分类 cs.CV

AI总结 DrPose通过直接奖励微调提升单图像到3D人体重建的姿态一致性，利用姿态与图像配对数据训练，改进多视图扩散模型，提升动态和复杂姿态的重建质量。

Comments ICLR 2026, Project webpage: https://seunguk-do.github.io/drpose