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。

2026-04-06 至 2026-04-06 共收录 3 篇信号源：cs.CV, cs.GR, cs.MM

1. 文生图 3 篇

2601.03127 2026-04-06 cs.CV cs.AI 87%

统一思考者：一种通用图像生成的推理模块核心

Sashuai Zhou, Qiang Zhou, Jijin Hu, Hanqing Yang, Yue Cao, Junpeng Ma, Yinchao Ma, Jun Song, Tiezheng Ge, Cheng Yu, Bo Zheng, Zhou Zhao

机构 * Zhejiang University（浙江大学）； Alibaba Group（阿里巴巴集团）； Nanjing University（南京大学）； Fudan University（复旦大学）

专题命中文生图：image generation(title,abstract)；text-to-image(abstract)；image editing(abstract)；image synthesis(abstract)

AI总结本文提出统一思考者，一种通用图像生成的推理模块核心，旨在通过可执行推理解决生成模型中的推理-执行差距，提升图像生成质量。

2604.02355 2026-04-06 cs.LG cs.CV 79%

从广泛探索到稳定合成：基于熵的优化用于自回归图像生成

Han Song, Yucheng Zhou, Jianbing Shen, Yu Cheng

机构 * The Chinese University of Hong Kong（香港中文大学）； University of Macau（澳门大学）

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

AI总结本文提出基于熵的优化方法EG-GRPO，通过调整不确定性分配提升文本到图像生成的稳定性与质量，实验显示其在标准基准上达到最佳性能。

2604.02748 2026-04-06 cs.CV 70%

面向多样化脑部MRI任务的视觉指令微调语言模型

Jonghun Kim, Sinyoung Ra, Hyunjin Park

机构 * Sungkyunkwan University（成均馆大学）； Department of Electrical and Computer Engineering（电气与计算机工程系）； Department of Artificial Intelligence（人工智能系）

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

AI总结本文提出LLaBIT模型，通过视觉指令微调提升语言模型在脑部MRI任务中的表现，通过特征图重用和文本数据生成提升性能，验证了其在报告生成、视觉问答、图像分割和图像翻译中的有效性。