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。

2026-04-30 至 2026-04-30 共收录 2 篇信号源：cs.CV, cs.GR, cs.MM

1. 图像修复 2 篇

2507.02314 2026-04-30 cs.CV cs.AI 83%

MAGIC: Few-Shot Mask-Guided Anomaly Inpainting with Prompt Perturbation, Spatially Adaptive Guidance, and Context Awareness

MAGIC: 少样本掩码引导的异常修复与提示扰动、空间自适应引导和上下文意识

JaeHyuck Choi, MinJun Kim, Je Hyeong Hong

机构 * Department of AI Semiconductor Engineering, Hanyang University, Seoul, Korea（汉阳大学人工智能半导体工程系）； Department of Electronic Engineering, Hanyang University, Seoul, Korea（汉阳大学电子工程系）

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

AI总结 MAGIC通过引入提示扰动、空间自适应引导和上下文意识，解决少样本异常生成中的样本多样性问题，提升下游任务的鲁棒性。

Comments Accepted at CVPR 2026 Findings. Supplementary material included after references. 47 pages, 47 figures, 28 tables. Code : https://github.com/SpatialAILab/MAGIC

2604.26244 2026-04-30 cs.CV cs.AI 57%

MetaSR: Content-Adaptive Metadata Orchestration for Generative Super-Resolution

MetaSR：面向生成超分辨率的内容自适应元数据编排

Jiaqi Guo, Mingzhen Li, Haohong Wang, Aggelos K. Katsaggelos

机构 * Department of Electrical and Computer Engineering, Northwestern University（电气与计算机工程系，西北大学）； TCL

专题命中图像修复：diffusion(abstract)；分类 cs.CV

AI总结 MetaSR通过自适应元数据编排提升生成超分辨率性能，在资源受限下实现更高PSNR和更低传输速率。