图像生成

CatalogStitch: Dimension-Aware and Occlusion-Preserving Object Compositing for Catalog Image Generation

CatalogStitch: 一种面向目录图像生成的维度感知和遮挡保留物体合成方法

Sanyam Jain, Pragya Kandari, Manit Singhal, He Zhang, Soo Ye Kim

机构 * Adobe 纠错

专题命中 图像修复 ：image generation(title,abstract)；分类 cs.CV

AI总结 CatalogStitch通过自动化修正遮挡元素和适应不同尺寸的产品，简化了目录图像生成流程，提升生成效率和质量。

Comments CVPR 2026 HiGen Workshop. Project page, https://catalogstitch.github.io

Tiled Prompts: Overcoming Prompt Misguidance in Image and Video Super-Resolution

分块提示：克服图像和视频超分辨率中的提示误导

Bryan Sangwoo Kim, Jonghyun Park, Jong Chul Ye

机构 * KAIST AI（韩国科学技术院人工智能学院） 纠错

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

AI总结 本文提出Tiled Prompts框架，通过为每个潜在块生成特定提示，解决传统全局提示在超分辨率中的误导问题，提升图像和视频的感知质量和真实性。

Comments 29 pages, 8 figures

Chain-of-Zoom: Extreme Super-Resolution via Scale Autoregression and Preference Alignment

链式放大：通过尺度自回归和偏好对齐实现极端超分辨率

Bryan Sangwoo Kim, Jeongsol Kim, Jong Chul Ye

机构 * KAIST AI（韩国科学技术院人工智能系） 纠错

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

AI总结 本文提出Chain-of-Zoom框架，通过自回归链和多尺度提示实现极端超分辨率，利用GRPO优化文本提示对齐人类偏好，实验显示标准4x扩散模型在CoZ下可实现256倍以上高质量放大。

Comments NeurIPS 2025 (Spotlight)