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。

2026-04-15 至 2026-04-15 共收录 3 篇信号源：cs.CV, cs.GR, cs.MM

1. 图像生成评测 3 篇

2604.12163 2026-04-15 cs.CV 85%

Nucleus-Image: Sparse MoE for Image Generation

Nucleus-Image：稀疏MoE用于图像生成

Chandan Akiti, Ajay Modukuri, Murali Nandan Nagarapu, Gunavardhan Akiti, Haozhe Liu

机构 * Nucleus AI Team（Nucleus AI 团队）

专题命中图像生成评测：image generation(title,abstract)；text-to-image(abstract)；diffusion(abstract)；分类 cs.CV

AI总结 Nucleus-Image通过稀疏MoE架构在质量与效率上实现新的帕累托前沿，仅使用约2B参数即可达到领先模型性能，无需后训练优化。

2604.11626 2026-04-15 cs.AI cs.LG 50%

RationalRewards: Reasoning Rewards Scale Visual Generation Both Training and Test Time

RationalRewards: 基于理性反馈的视觉生成推理奖励

Haozhe Wang, Cong Wei, Weiming Ren, Jiaming Liu, Fangzhen Lin, Wenhu Chen

机构 * HKUST（香港科技大学）； University of Waterloo（滑铁卢大学）； Alibaba（阿里巴巴）

专题命中图像生成评测：text-to-image(abstract)

AI总结 RationalRewards通过显式多维反馈提升视觉生成模型，训练时提供可解释奖励，测试时通过生成-反馈-优化循环改进输出，无需参数更新。

Comments Project Page: https://tiger-ai-lab.github.io/RationalRewards/ ; Code, Dataset, Models are released

2603.24626 2026-04-15 q-bio.GN cs.LG stat.ML 50%

A Large-Scale Comparative Analysis of Imputation Methods for Single-Cell RNA Sequencing Data

单细胞RNA测序数据中插补方法的大规模比较分析

Yuichiro Iwashita, Ahtisham Fazeel Abbasi, Koichi Kise, Andreas Dengel, Muhammad Nabeel Asim

机构 * RPTU University Kaiserslautern-Landau, Department of Computer Science（莱茵-瓦尔登堡大学凯撒斯劳滕-兰道分校计算机科学系）； German Research Center for Artificial Intelligence (DFKI GmbH)（德国人工智能研究中心（DFKI GmbH））； Graduate School of Informatics, Osaka Metropolitan University（大阪 Metropolitan 大学信息研究生院）； intelligentX GmbH (intelligentX.com)（intelligentX GmbH（intelligentX.com））

专题命中图像生成评测：diffusion(abstract)

AI总结本文通过对比15种单细胞RNA测序数据插补方法，发现传统方法在基因表达恢复上优于深度学习方法，但生物可解释性差异显著，强调了任务特定评估的重要性。