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。

2026-03-30 至 2026-03-30 共收录 65 篇信号源：cs.CV, cs.GR, cs.MM

1. 图像生成评测 4 篇

2603.26078 2026-03-30 cs.CV cs.AI 70%

When Identities Collapse: A Stress-Test Benchmark for Multi-Subject Personalization

当身份崩溃时：多主体个性化的一个压力测试基准

Zhihan Chen, Yuhuan Zhao, Yijie Zhu, Xinyu Yao

机构 * University of California, Los Angeles（加州大学洛杉矶分校）； University of Southern California（南加州大学）； DeerLab LLC（DeerLab有限责任公司）； Carnegie Mellon University（卡内基梅隆大学）

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

AI总结本文提出一个压力测试基准，揭示多主体生成模型在复杂场景下的身份崩溃问题，并引入新的评估指标SCR，强调未来生成架构需显式物理解耦。

Comments 10 pages, 7 figures, accepted by CVPR 2026 Workshop P13N

2602.22025 2026-03-30 cs.CV 57%

Olbedo: An Albedo and Shading Aerial Dataset for Large-Scale Outdoor Environments

Olbedo：一个用于大规模户外环境的反光与阴影数据集

Shuang Song, Debao Huang, Deyan Deng, Haolin Xiong, Yang Tang, Yajie Zhao, Rongjun Qin

机构 * The Ohio State University（俄亥俄州立大学）； University of Southern California（南加州大学）； Institute for Creative Technologies（创意技术研究所）

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

AI总结 Olbedo数据集通过多视角一致的反光和阴影地图等标注，使基于合成数据训练的扩散模型在真实户外场景中实现更优的内在图像分解性能，支持3D资产光照一致重映射和城市数字孪生分析。

Comments CVPR 2026

2603.26378 2026-03-30 cs.LG cs.AI 50%

Generative Modeling in Protein Design: Neural Representations, Conditional Generation, and Evaluation Standards

蛋白质设计中的生成建模：神经表示、条件生成与评估标准

Senura Hansaja Wanasekara, Minh-Duong Nguyen, Xiaochen Liu, Nguyen H. Tran, Ken-Tye Yong

机构 * The University of Sydney（悉尼大学）； VinUniversity

专题命中图像生成评测：diffusion(abstract)

AI总结本文系统综述了蛋白质研究中的生成AI，涵盖序列、几何和多模态表示，生成架构如SE(3)等价扩散、流匹配和混合预测生成系统，以及从结构预测到蛋白质-配体相互作用的任务设置，并提出评估最佳实践和开放挑战。

Comments 20 pages, 7 tables, 4 figures

2507.18951 2026-03-30 math.AP math.ST stat.CO stat.TH 50%

Elliptic Bayesian Inverse Problems on Metric Graphs

椭圆贝叶斯反问题在度量图上的研究

David Bolin, Wenwen Li, Daniel Sanz-Alonso

专题命中图像生成评测：diffusion(abstract)

AI总结本文研究了在度量图上贝叶斯反问题的 formulation、well-posedness 及数值解法，重点在于从噪声测量中恢复椭圆方程的扩散系数，采用现代高斯 Whittle-Matérn 过程模型并验证了数值结果的准确性。

Comments 38 pages, 7 figures, including appendices

2. 效率与蒸馏 1 篇

2603.26134 2026-03-30 cs.CV 79%

InstaVSR: Taming Diffusion for Efficient and Temporally Consistent Video Super-Resolution

InstaVSR：通过高效且时间一致的视频超分辨率扩散模型进行优化

Jintong Hu, Bin Chen, Zhenyu Hu, Jiayue Liu, Guo Wang, Lu Qi

机构 * Insta360 Research（Insta360 研究院）； Peking University（北京大学）； Wuhan University（武汉大学）

专题命中效率与蒸馏：diffusion(title,abstract)；分类 cs.CV

AI总结 InstaVSR提出了一种轻量级扩散框架，通过剪枝、递归训练和双空间对抗学习，实现高效且时间一致的视频超分辨率，减少计算成本并保持高质量。

Comments 12 pages, 7 figures