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 3 篇信号源：cs.CV, cs.GR, cs.MM

1. 个性化与一致性 3 篇

2603.26128 2026-03-30 cs.CV 85%

TaxaAdapter: Vision Taxonomy Models are Key to Fine-grained Image Generation over the Tree of Life

TaxaAdapter：视觉分类模型是生命树上细粒度图像生成的关键

Mridul Khurana, Amin Karimi Monsefi, Justin Lee, Medha Sawhney, David Carlyn, Julia Chae, Jianyang Gu, Rajiv Ramnath, Sara Beery, Wei-Lun Chao, Anuj Karpatne, Cheng Zhang

机构 * Virginia Tech（弗吉尼亚理工大学）； The Ohio State University（俄亥俄州立大学）； MIT（麻省理工学院）； Boston University（波士顿大学）

专题命中个性化与一致性：image generation(title)；text-to-image(abstract)；diffusion(abstract)；image synthesis(abstract)

AI总结本文提出TaxaAdapter，通过整合视觉分类模型提升细粒度物种生成的精度与一致性，实验表明其在形态学和物种识别准确性上优于现有方法，且具备良好的泛化能力。

2602.03220 2026-03-30 cs.CV 83%

PokeFusion Attention: A Lightweight Cross-Attention Mechanism for Style-Conditioned Image Generation

PokeFusion Attention：一种轻量级的跨注意力机制用于风格条件图像生成

Jingbang Tang

机构 * Independent Researcher, Vancouver, Canada（独立研究员，加拿大温哥华）； School of Computing, Universiti Kebangsaan Malaysia (UKM), Malaysia（马来西亚国立大学计算机学院）

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

AI总结本文提出PokeFusion Attention，一种轻量级跨注意力机制，用于风格条件图像生成，通过学习风格分布先验而非实例级条件，提升生成效果与一致性。

Comments 12 pages, 5 figures. Revised version with improved method description and corrected references

2504.09472 2026-03-30 cs.CV 57%

Zero-Shot Personalized Camera Motion Control for Image-to-Video Synthesis

零样本个性化摄像机运动控制用于图像到视频合成

Pooja Guhan, Divya Kothandaraman, Geonsun Lee, Tsung-Wei Huang, Guan-Ming Su, Dinesh Manocha

机构 * University of Maryland College Park（马里兰大学帕克分校）； Dolby Laboratories（杜比实验室）

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

AI总结本文提出零样本扩散框架，实现从单参考视频向静态图像转移电影级运动，提升非专家创作者的创意表达与视频制作可及性。