图像生成

Embedding Arithmetic: A Lightweight, Tuning-Free Framework for Post-hoc Bias Mitigation in Text-to-Image Models

嵌入算术：一种轻量级、无需调优的文本到图像模型后处理偏见缓解框架

Venkatesh Thirugnana Sambandham, Torsten Schön

机构 * AIMotion Bavaria, Technische Hochschule Ingolstadt（AIMotion巴伐利亚、英格尔施泰特技术大学） 纠错

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

AI总结 本文提出一种轻量级、无需调优的后处理框架，通过嵌入算术分析并修正嵌入空间中的偏见，保持语义和视觉上下文，提升多样性的同时维持高概念一致性。

Comments A demo notebook with basic implementations can be found at \url{https://github.com/cvims/EMBEDDING-ARITHMETIC}

Long-Text-to-Image Generation via Compositional Prompt Decomposition

通过组合提示分解实现长文本到图像生成

Jen-Yuan Huang, Tong Lin, Yilun Du

机构 * Peking University（北京大学） ； Harvard University（哈佛大学） 纠错

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

AI总结 本文提出PRISM方法，通过轻量模块提取长提示的组成部分，使预训练T2I模型能处理长序列输入，实现对复杂场景的建模，优于基线模型。

Comments Accepted to the Fourteenth International Conference on Learning Representations (ICLR 2026)

TextTIGER: Text-based Intelligent Generation with Entity Prompt Refinement for Text-to-Image Generation

TextTIGER：基于实体提示精炼的文本智能生成用于文本到图像生成

Shintaro Ozaki, Tomoyuki Jinno, Kazuki Hayashi, Yusuke Sakai, Jingun Kwon, Hidetaka Kamigaito, Katsuhiko Hayashi, Manabu Okumura, Taro Watanabe

机构 * Nara Institute of Science and Technology（奈良科学技術研究所） ； The University of Tokyo（东京大学） ； Chungnam National University（Chungnam国立大学） ； Institute of Science Tokyo（东京科学研究所） 纠错

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

AI总结 TextTIGER通过增强外部信息和大语言模型总结，优化实体描述以提升文本到图像生成性能，实验表明其在多种评估指标上优于仅使用描述的提示方法。

Comments Under review

Operationalizing Fairness in Text-to-Image Models: A Survey of Bias, Fairness Audits and Mitigation Strategies

在文本到图像模型中实现公平性：对偏见、公平性审计及缓解策略的综述

Megan Smith, Venkatesh Thirugnana Sambandham, Florian Richter, Laura Crompton, Matthias Uhl, Torsten Schön

机构 * AImotion Bavaria, Technische Hochschule Ingolstadt（AImotion巴伐利亚、因戈尔施塔特技术大学） ； School of Transformation and Sustainability, Catholic University of Eichstätt-Ingolstadt（转型与可持续性学院，埃施塔特-因戈尔施塔特天主教大学） ； Chair of Economic and Social Ethics, University of Hohenheim（经济与社会伦理系，霍亨海姆大学） 纠错

专题命中 文生图 ：text-to-image(title,abstract)；diffusion(abstract)；分类 cs.CV、cs.MM

AI总结 本文综述了文本到图像模型中的公平性研究，分析了偏见类型和公平性概念的分类，指出现有研究在目标公平与阈值公平之间的差距，并提出新的公平性操作框架。

Comments ICLR 2026 Algorithmic Fairness Across Alignment Procedures and Agentic Systems (AFAA) Workshop, reviews can be found at: https://openreview.net/forum?id=8DOkyBGWwP

Pref-GRPO: Pairwise Preference Reward-based GRPO for Stable Text-to-Image Reinforcement Learning

Pref-GRPO：基于偏好奖励的GRPO用于稳定文本到图像强化学习

Yibin Wang, Zhimin Li, Yuhang Zang, Yujie Zhou, Jiazi Bu, Chunyu Wang, Qinglin Lu, Cheng Jin, Jiaqi Wang

机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； Hunyuan, Tencent（腾讯文脉） ； Shanghai AI Lab（上海人工智能实验室） ； Shanghai Jiao Tong University（上海交通大学） 纠错

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

AI总结 本文提出Pref-GRPO方法，通过偏好奖励机制提升文本到图像生成的稳定性，同时引入UniGenBench基准测试评估模型性能。

Comments Project Page: https://codegoat24.github.io/UnifiedReward/Pref-GRPO

Towards Robust Text-to-Image Person Retrieval: Multi-View Reformulation for Semantic Compensation

面向鲁棒的文本到图像人物检索：多视图重新公式化用于语义补偿

Chao Yuan, Yujian Zhao, Haoxuan Xu, Guanglin Niu

机构 * Beihang University（北航） 纠错

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

AI总结 本文提出基于大语言模型的语义补偿框架，通过多视图语义重新公式化和特征补偿提升跨模态表示一致性，解决文本到图像检索中的表达漂移问题，实验表明其在三个数据集上表现优异。

CSF: Black-box Fingerprinting via Compositional Semantics for Text-to-Image Models

CSF：通过组合语义进行文本到图像模型的黑盒指纹识别

Junhoo Lee, Mijin Koo, Nojun Kwak

机构 * Seoul National University（首尔国立大学） 纠错

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

AI总结 本文提出CSF，一种基于组合语义的黑盒指纹识别方法，用于在不接触模型内部的情况下，通过查询访问确定文本到图像模型的版权归属。

Comments CVPR 2026

SciDraw-6K: A Multilingual Scientific Illustration Dataset Generated by Google Gemini

SciDraw-6K：由Google Gemini生成的多语言科学插图数据集

Davie Chen

机构 * University of Arts in Poznań（波兹南艺术大学） 纠错

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

AI总结 SciDraw-6K是6291个由Google Gemini生成的科学插图数据集，涵盖11种语言，用于支持多语言文本到图像研究和科学可视化领域适应。

Comments 9 pages, 5 figures. Dataset: https://huggingface.co/datasets/SciDrawAI/SciDraw-6K. Code: https://github.com/SciDrawAI/scidraw-6k

CROC: Evaluating and Training T2I Metrics with Pseudo- and Human-Labeled Contrastive Robustness Checks

CROC：通过伪标签和人工标注的对比鲁棒性检查评估和训练T2I度量

Christoph Leiter, Yuki M. Asano, Margret Keuper, Steffen Eger

机构 * University of Mannheim（曼海姆大学） ； University of Technology Nuremberg（纽伦堡技术大学） ； Max Planck Institute for Informatics, Saarland Informatics Campus（马克斯·普朗克信息研究所，萨尔兰信息校园） 纠错

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

AI总结 本文提出CROC框架，通过合成对比测试案例评估和训练T2I度量，生成超过100万对对比提示-图像对的伪标签数据集，并训练出CROCScore指标，展示其在开放源方法中的最佳性能。

Comments pre-MIT Press publication version; Accepted at TACL