图像生成

Single Image, Any Face: Generalisable 3D Face Generation

单张图像，任意人脸：可泛化的3D人脸生成

Wenqing Wang, Haosen Yang, Josef Kittler, Xiatian Zhu

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

AI总结 本文提出Gen3D-Face模型，通过单张无约束图像生成逼真的3D人脸，解决了现有方法在泛化能力上的不足，并在跨域和域内设置中均取得优异表现。

Comments Accepted by Pattern Recognition, March 2026

Deepfake Generation and Detection: A Benchmark and Survey

深度伪造生成与检测：基准与综述

Gan Pei, Jiangning Zhang, Menghan Hu, Zhenyu Zhang, Chengjie Wang, Yunsheng Wu, Guangtao Zhai, Jian Yang, Dacheng Tao

机构 * East China Normal University（华东师范大学） ； Zhejiang University（浙江大学） ； Nanjing University（南京大学） ； Youtu Lab, Tencent（腾讯优图实验室） ； Shanghai Jiao Tong University（上海交通大学） ； Nanyang Technological University（南洋理工大学） 纠错

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

AI总结 本文综述了深度伪造生成与检测的最新进展，分析了相关技术、数据集及未来研究方向。

Comments This paper has been accepted by ACM Computing Surveys. We closely follow the latest developments in this \href{https://github.com/flyingby/Awesome-Deepfake-Generation-and-Detection}{project}

Improving the Efficiency of Visually Augmented Language Models

提升视觉增强语言模型的效率

Paula Ontalvilla, Aitor Ormazabal, Gorka Azkune

机构 * HiTZ Center - Ixa, University of the Basque Country (UPV/EHU)（巴斯克大学HiTZ中心 - Ixa，巴斯克大学） 纠错

专题命中 图像生成评测 ：image generation(abstract)

AI总结 本文提出BLIND-VALM模型，通过使用CLIP获取的视觉 grounding 文本表示，提升视觉增强语言模型的效率和性能。

Comments COLING 2025