图像生成

HAM: A Training-Free Style Transfer Approach via Heterogeneous Attention Modulation for Diffusion Models

HAM: 一种通过异构注意力调节的无训练风格迁移方法用于扩散模型

Yeqi He, Liang Li, Zhiwen Yang, Xichun Sheng, Zhidong Zhao, Chenggang Yan

机构 * Hangzhou Dianzi University（杭州电子科技大学） ； Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） ； Macao Polytechnic University（澳门 polytechnic 大学） 纠错

专题命中 个性化与一致性 ：diffusion(title,abstract)；image generation(abstract)；分类 cs.CV

AI总结 本文提出一种无训练的风格迁移方法HAM，通过异构注意力调节保护内容图像的身份信息，解决风格与内容的平衡问题。

Comments Accepted in CVPR 2026 Findings

ExpPortrait: Expressive Portrait Generation via Personalized Representation

ExpPortrait：通过个性化表示生成表现力强的肖像

Junyi Wang, Yudong Guo, Boyang Guo, Shengming Yang, Juyong Zhang

机构 * University of Science and Technology of China（中国科学技术大学） 纠错

专题命中 个性化与一致性 ：diffusion(abstract)；分类 cs.CV、cs.GR

AI总结 本文提出一种高保真个性化头部表示，用于生成具有高表现力的肖像视频，通过引入表达转移模块实现不同身份间的头部姿态和表情细节转移，实验表明在身份保持、表情准确性和时间稳定性方面优于现有方法。

Comments CVPR 2026, Project Page: https://ustc3dv.github.io/ExpPortrait/

CA-LoRA: Concept-Aware LoRA for Domain-Aligned Segmentation Dataset Generation

CA-LoRA：面向领域对齐的分割数据集生成的概念感知LoRA

Minho Park, Sunghyun Park, Jungsoo Lee, Hyojin Park, Kyuwoong Hwang, Fatih Porikli, Jaegul Choo, Sungha Choi

机构 * KAIST（韩国科学技术院） ； Qualcomm AI Research（高通AI研究） ； Kyung Hee University（庆熙大学） 纠错

专题命中 个性化与一致性 ：text-to-image(abstract)；分类 cs.CV

AI总结 本文提出CA-LoRA方法，通过文本到图像生成模型生成分割数据集，解决数据稀缺问题。该方法通过选择性更新与领域对齐相关的概念权重，提升生成样本的多样性和信息量，在城市场景分割中表现优异。

Comments Accepted to CVPR 2026