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。

2026-03-31 至 2026-03-31 共收录 2 篇信号源：cs.CV, cs.GR, cs.MM

1. 图像修复 2 篇

2603.28613 2026-03-31 cs.CV cs.AI cs.CR cs.MM 84%

TGIF2: Extended Text-Guided Inpainting Forgery Dataset & Benchmark

TGIF2：扩展的文本引导修复数据集与基准

Hannes Mareen, Dimitrios Karageorgiou, Paschalis Giakoumoglou, Peter Lambert, Symeon Papadopoulos, Glenn Van Wallendael

机构 * Ghent University – imec（根特大学 - imec）； CERTH（希腊研究与技术中心）

专题命中图像修复：inpainting(title,abstract)；image editing(abstract)；分类 cs.CV、cs.MM

AI总结 TGIF2数据集与基准针对文本引导修复中伪造本地化挑战，通过FLUX.1模型和随机非语义掩码扩展数据集，评估IFL和SID方法的鲁棒性，揭示生成修复对现有防伪流程的削弱。

Comments 33 pages, accepted at Journal on Information Security

2503.08915 2026-03-31 eess.IV cs.CV 70%

Reconstruct Anything Model: a lightweight general model for computational imaging

重建任何模型：一种轻量级通用模型用于计算成像

Matthieu Terris, Samuel Hurault, Maxime Song, Julian Tachella

机构 * Université Paris-Saclay, Inria, CEA（巴黎-萨克雷大学，法国国家信息与自动化研究所，法国原子能委员会）； Blur Labs（Blur 实验室）； ENS Paris, PSL, CNRS（巴黎高等师范学院，巴黎文理研究大学，法国国家科学研究中心）； CNRS UAR 851, Université Paris-Saclay（法国国家科学研究中心 UAR 851，巴黎-萨克雷大学）； ENSL, CNRS UMR 5672（里昂高等师范学院，法国国家科学研究中心 UMR 5672）

专题命中图像修复：diffusion(abstract)；inpainting(abstract)；分类 cs.CV

AI总结本文提出一种非迭代轻量级架构，通过整合前向算子知识解决多种逆问题，无需展开训练，可适应各种图像尺寸和通道。