图像生成

C-GenReg: Training-Free 3D Point Cloud Registration by Multi-View-Consistent Geometry-to-Image Generation with Probabilistic Modalities Fusion

C-GenReg：基于多视角一致的几何到图像生成的无训练3D点云配准

Yuval Haitman, Amit Efraim, Joseph M. Francos

机构 * Ben-Gurion University（本·古里安大学） 纠错

专题命中 可控生成 ：image generation(title)；分类 cs.CV

AI总结 C-GenReg通过多视角一致的几何到图像生成，结合概率模态融合，实现无训练的3D点云配准，解决了跨模态、采样差异和环境的泛化问题。

Comments CVPR 2026

MARCO: Navigating the Unseen Space of Semantic Correspondence

MARCO：导航语义对应未知空间

Claudia Cuttano, Gabriele Trivigno, Carlo Masone, Stefan Roth

机构 * Politecnico di Torino（都灵理工大学） ； TU Darmstadt（德累斯顿理工大学） ； ELIZA 纠错

专题命中 可控生成 ：diffusion(abstract)；分类 cs.CV

AI总结 MARCO通过新颖的训练框架提升语义对应泛化能力，在多个数据集上取得新突破，同时更高效且更小。

Comments CVPR 2026 Oral. Project page: https://visinf.github.io/MARCO/

ViT$^3$: Unlocking Test-Time Training in Vision

ViT$^3$：解锁视觉中的测试时间训练

Dongchen Han, Yining Li, Tianyu Li, Zixuan Cao, Ziming Wang, Jun Song, Yu Cheng, Bo Zheng, Gao Huang

机构 * Tsinghua University（清华大学） ； Alibaba Group（阿里巴巴集团） 纠错

专题命中 可控生成 ：image generation(abstract)；分类 cs.CV

AI总结 本文提出ViT$^3$，一种线性复杂度的纯测试时间训练模型，通过系统研究揭示了视觉序列建模中TTT设计的六个实用原则，并在多个视觉任务中验证其性能。

Comments CVPR 2026, oral

Optimally Bridging Semantics and Data: Generative Semantic Communication via Schrödinger Bridge

最优地弥合语义与数据：通过施罗德桥的生成语义通信

Dahua Gao, Ruichao Liu, Minxi Yang, Shuai Ma, Youlong Wu, Guangming Shi

机构 * School of Artificial Intelligence, Xidian University（西安电子科技大学人工智能学院） ； Pazhou Lab（琶洲实验室） ； Peng Cheng Laboratory（鹏城实验室） ； School of Information Science and Technology, ShanghaiTech University（上海科技大学信息科学与技术学院） 纠错

专题命中 可控生成 ：diffusion(abstract)；分类 cs.CV

AI总结 本文提出基于施罗德桥的生成语义通信框架，通过优化传输轨迹减少幻觉和计算成本，改进FID和SSIM并加速推理速度。

Comments 23 pages, 10 figures, under review

TeMuDance: Contrastive Alignment-Based Textual Control for Music-Driven Dance Generation

TeMuDance: 基于对比对齐的文本控制音乐驱动舞蹈生成

Xinran Liu, Diptesh Kanojia, Wenwu Wang, Zhenhua Feng

机构 * University of Surrey, Guildford, Surrey, UK（萨里大学） ； Jiangnan University, Wuxi, Jiangsu, China（江南大学） 纠错

专题命中 可控生成 ：diffusion(abstract)；分类 cs.CV

AI总结 本文提出TeMuDance框架，通过统一嵌入空间对齐音乐、文本和运动数据，实现无需手动标注数据的文本控制音乐驱动舞蹈生成，提升语义可控性。

Generative Semantic Communication via Alternating Dual-Domain Posterior Sampling

通过交替双域后验采样实现生成语义通信

Shunpu Tang, Qianqian Yang

机构 * College of Information Science and Electronic Engineering（信息科学与电子工程学院） 纠错

专题命中 可控生成 ：diffusion(abstract)；分类 cs.CV

AI总结 本文提出通过交替双域后验采样提升无线图像传输的感知质量，解决传统方法在数据分布保留和领域间冲突的问题。

Latent Fourier Transform

潜在傅里叶变换

Mason Wang, Cheng-Zhi Anna Huang

机构 * CSAIL（计算机科学与人工智能实验室） 纠错

专题命中 可控生成 ：diffusion(abstract)

AI总结 本文提出潜在傅里叶变换框架，通过频域控制生成音乐模型，分离音乐模式并保持时尺度特征，提升生成质量与可解释性。

Comments ICLR 2026 Oral

Harnessing coherent-wave control for sensing applications

利用相干波控制实现传感应用

Pablo Jara, Arthur Goetschy, Hui Cao, Alexey Yamilov

专题命中 可控生成 ：diffusion(abstract)

AI总结 本文提出微观光学灵敏度理论，通过干涉效应提升光学灵敏度，展示相位共轭输入状态可实现最大灵敏度增强，而最大反射本征通道可全局增强灵敏度分布，为整合波前控制与扩散光学成像提供理论基础。

Comments 26 pages, 11 figures

Journal ref Phys. Rev. Appl. 24, 054027 (2025)