视觉与机器人

图像生成

图像生成、文生图、图像编辑、扩散模型和可控生成。

2026-03-23 至 2026-03-23 共收录 2 篇信号源：cs.CV, cs.GR, cs.MM

1. 图像生成评测 2 篇

2603.12869 2026-03-23 math.NA cs.NA math.AP 50%

Weak Adversarial Neural Pushforward Method for Fractional Fokker-Planck Equations

弱对抗神经推进法用于分数福克-平面克方程

Andrew Qing He, Wei Cai

专题命中图像生成评测：diffusion(abstract)

AI总结本文提出弱对抗神经推进法用于求解分数福克-平面克方程，通过神经网络将解分布表示为基本分布的推进，并利用蒙特卡洛采样离散弱形式，无需时间网格。该方法利用平面波测试函数作为分数拉普拉斯算子的本征函数，运算成本与经典扩散相同，适用于多个基准问题。

Comments 25 pages, 11 figures

2509.24897 2026-03-23 cs.AI 50%

RealUnify: Do Unified Models Truly Benefit from Unification? A Comprehensive Benchmark

RealUnify: 统一模型真的能从统一中受益吗？一个全面的基准测试

Yang Shi, Yuhao Dong, Yue Ding, Yuran Wang, Xuanyu Zhu, Sheng Zhou, Wenting Liu, Haochen Tian, Rundong Wang, Huanqian Wang, Zuyan Liu, Bohan Zeng, Ruizhe Chen, Qixun Wang, Zhuoran Zhang, Xinlong Chen, Chengzhuo Tong, Bozhou Li, Qiang Liu, Haotian Wang, Wenjing Yang, Yuanxing Zhang, Pengfei Wan, Yi-Fan Zhang, Ziwei Liu

机构 * PKU（北京大学）； Kling Team（Kling团队）； NTU（国立台湾大学）； CASIA（中国科学院自动化研究所）； NUS（国立新加坡大学）； USTC（中国科学技术大学）； THU（清华大学）； ZJU（浙江大学）

专题命中图像生成评测：image generation(abstract)

AI总结 RealUnify基准测试旨在评估统一模型中理解与生成能力的双向协同效应，通过10类32子任务的1000个人工标注实例，揭示现有统一模型在协同能力上的不足，强调需新的训练策略来提升统一建模潜力。

Comments Accepted by CVPR 2026