图像生成

GenOL: Generating Diverse Examples for Name-only Online Learning

GenOL：为名称-only在线学习生成多样化示例

Minhyuk Seo, Seongwon Cho, Minjae Lee, Diganta Misra, Hyeonbeom Choi, Seon Joo Kim, Jonghyun Choi

机构 * KU Leuven（鲁汶大学） ； Seoul National University（首尔大学） ； ELLIS（欧洲学习与智能系统实验室） ； MPI-IS Tübingen（马克斯·普朗克智能系统研究所图宾根） ； Yonsei University（延世大学） 纠错

专题命中 文生图 ：text-to-image(abstract)；分类 cs.CV

AI总结 针对在线学习中数据分布偏移问题，提出GenOL框架，通过生成模型提升名称-only训练中图像的内在和跨模型多样性，优于传统监督和网络监督方法。

Comments TMLR 2025

UltraG-Ray: Physics-Based Gaussian Ray Casting for Novel Ultrasound View Synthesis

UltraG-Ray：基于物理的高斯射线投射用于新型超声成像合成

Felix Duelmer, Jakob Klaushofer, Magdalena Wysocki, Nassir Navab, Mohammad Farid Azampour

机构 * Chair for Computer Aided Medical Procedures (CAMP), Technical University of Munich（慕尼黑工业大学计算机辅助医疗程序教席） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） 纠错

专题命中 文生图 ：image synthesis(abstract)；分类 cs.CV

AI总结 本文提出UltraG-Ray，通过学习3D高斯场和物理模块生成更真实的超声B模图像，提升成像真实性与质量。

Comments Accepted at MIDL 2026 / to appear in PMLR

Unified Multimodal Models as Auto-Encoders

统一多模态模型作为自编码器

Zhiyuan Yan, Kaiqing Lin, Zongjian Li, Junyan Ye, Hui Han, Haochen Wang, Zhendong Wang, Bin Lin, Hao Li, Xinyan Xiao, Jingdong Wang, Haifeng Wang, Li Yuan

机构 * Shenzhen Graduate School, Peking University（北京大学深圳研究生院） ； Baidu（百度） ； Rabbitpre AI（兔展智能） ； SYSU（中山大学） ； USTC（中国科学技术大学） ； CASIA（中国科学院自动化研究所） 纠错

专题命中 文生图 ：text-to-image(abstract)；分类 cs.CV

AI总结 本文提出统一GRPO方法，通过强化学习联合优化图像到文本和文本到图像任务，利用重建奖励提升语义一致性，增强多模态协同效果。