图像生成

MapReduce LoRA: Advancing the Pareto Front in Multi-Preference Optimization for Generative Models

MapReduce LoRA：在生成模型多偏好优化中推进帕累托前沿

Chieh-Yun Chen, Zhonghao Wang, Qi Chen, Zhifan Ye, Min Shi, Yue Zhao, Yinan Zhao, Hui Qu, Wei-An Lin, Yiru Shen, Ajinkya Kale, Irfan Essa, Humphrey Shi

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

AI总结 本文提出MapReduce LoRA和RaTE方法，通过并行训练偏好特定的LoRA专家和学习奖励特定的token嵌入，提升生成模型在多偏好优化中的性能，实验显示在文本到图像、文本到视频及语言任务中均取得显著改进。

Comments CVPR 2026; Code: https://github.com/SHI-Labs/MapReduce-LoRA

Synthetic Melanoma Image Generation and Evaluation Using Generative Adversarial Networks

利用生成对抗网络合成黑色素瘤图像及其评估

Pei-Yu Lin, Yidan Shen, Neville Mathew, Renjie Hu, Siyu Huang, Courtney M. Queen, Cameron E. West, Ana Ciurea, George Zouridakis

机构 * Department of Engineering Technology, University of Houston（休斯顿大学工程技术系） ； Department of Electrical and Computer Engineering, University of Houston（休斯顿大学电气与计算机工程系） ； Department of Information Science Technology, University of Houston（休斯顿大学信息科学与技术系） ； School of Computing, Clemson University（克莱姆斯大学计算学院） ； Department of Public Health, Texas Tech University（德克萨斯技术大学公共卫生系） ； Department of Dermatology and Pathology, Texas Tech University（德克萨斯技术大学皮肤科与病理学系） ； Department of Dermatology, University of Texas MD Anderson Cancer Center（德克萨斯大学MD安德森癌症中心皮肤科） ； Department of Biomedical Engineering, University of Houston（休斯顿大学生物医学工程系） 纠错

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

AI总结 本文通过比较四种GAN架构，生成高分辨率黑色素瘤图像，发现StyleGAN2在定量性能和感知质量上表现最佳，且能有效缓解黑色素瘤数据集中的类别不平衡问题。

Comments 18 pages, 7 figures. already accepted to MDPI bioengineering

Journal ref Bioengineering 2026, 13, 245

PhysMoDPO: Physically-Plausible Humanoid Motion with Preference Optimization

PhysMoDPO：基于物理的类人运动与偏好优化

Yangsong Zhang, Anujith Muraleedharan, Rikhat Akizhanov, Abdul Ahad Butt, Gül Varol, Pascal Fua, Fabio Pizzati, Ivan Laptev

机构 * Mohamed Bin Zayed University of Artificial Intelligence (MBZUAI)（穆罕默德·本·扎耶德人工智能大学） ； LIGM, École des Ponts, IP Paris, Univ Gustave Eiffel, CNRS（LIGM，巴黎理工学院，IP巴黎，古斯塔夫·埃菲尔大学，国家科学研究中心） ； École polytechnique fédérale de Lausanne (EPFL)（洛桑联邦理工学院） 纠错

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

AI总结 PhysMoDPO通过整合完整身体控制器和偏好优化框架，提升生成运动在物理真实性和任务性能上的表现，适用于文本到运动和空间控制任务。

Comments Project page: https://mael-zys.github.io/PhysMoDPO/

MIRAGE: Model-agnostic Industrial Realistic Anomaly Generation and Evaluation for Visual Anomaly Detection

MIRAGE：模型无关的工业真实异常生成与评估用于视觉异常检测

Jinwei Hu, Francesco Borsatti, Arianna Stropeni, Davide Dalle Pezze, Manuel Barusco, Gian Antonio Susto

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

AI总结 MIRAGE提出了一种无需训练和真实异常数据的自动化流程，通过API调用生成模型生成真实异常图像并生成像素级掩码，结合CLIP质量过滤器和轻量级双分支语义变化检测模块，评估生成图像的质量和异常分割性能。