图像生成

Diffusion Blend: Inference-Time Multi-Preference Alignment for Diffusion Models

扩散混合：用于扩散模型的推理时间多偏好对齐

Min Cheng, Fatemeh Doudi, Dileep Kalathil, Mohammad Ghavamzadeh, Panganamala R. Kumar

机构 * Texas A&M University（德克萨斯大学阿姆斯特朗分校） ； Qualcomm AI Research（高通人工智能研究） 纠错

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

AI总结 扩散混合通过混合反向扩散过程实现推理时间多偏好对齐，提升用户驱动的图像生成性能。

Comments Accepted at ICLR 2026

ZeroSense:How Vision matters in Long Context Compression

ZeroSense:视觉在长上下文压缩中的作用

Yonghan Gao, Zehong Chen, Lijian Xu, Jingzhi Chen, Jingwei Guan, Xingyu Zeng

专题命中 图像生成评测 ：text-to-image(abstract)；分类 cs.CV

AI总结 本文提出ZeroSense框架，通过解耦多模态大语言模型能力，评估视觉-文本压缩质量，并通过低语义相关性基准测试验证长上下文压缩效果与下游任务准确性之间的显著差异。

V2A-DPO: Omni-Preference Optimization for Video-to-Audio Generation

V2A-DPO：面向视频到音频生成的多偏好优化

Nolan Chan, Timmy Gang, Yongqian Wang, Yuzhe Liang, Dingdong Wang

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

AI总结 V2A-DPO通过多偏好优化提升视频到音频生成的质量，结合AudioScore评分系统和课程学习策略，在VGGSound数据集上实现了优于DDPO和预训练基线的性能。

Comments Accepted at ICASSP2026

MaterialFigBENCH: benchmark dataset with figures for evaluating college-level materials science problem-solving abilities of multimodal large language models

MaterialFigBENCH：用于评估多模态大语言模型在大学级材料科学问题解决能力的基准数据集

Michiko Yoshitake, Yuta Suzuki, Ryo Igarashi, Yoshitaka Ushiku, Keisuke Nagato

专题命中 图像生成评测 ：diffusion(abstract)

AI总结 MaterialFigBench是一个评估多模态大语言模型在材料科学问题中图表解读能力的基准数据集，通过137个问题测试模型在视觉理解和数值精度上的表现，揭示了当前模型在图表处理方面的不足。

Comments 27 pages, 4 tables, 6 figures