图像生成

AtteConDA: Attention-Based Conflict Suppression in Multi-Condition Diffusion Models and Synthetic Data Augmentation

AtteConDA：基于注意力的多条件扩散模型与合成数据增强中的冲突抑制

Shogo Noguchi

机构 * Gunma University（群马大学） 纠错

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

AI总结 本文提出AtteConDA方法，通过多条件生成模型处理图像生成中的条件冲突，提升结构保持能力，并建立驾驶任务的生成框架和评估协议，缓解高阶自动驾驶任务的数据稀缺问题。

Comments 44 pages, 20 figures. Code and project page available at: https://github.com/ShogoNoguchi/AtteConDA

Relightable Gaussian Splatting for Virtual Production Using Image-Based Illumination

可重照明高斯点散布用于虚拟制作的基于图像的照明

Adrian Azzarelli, Nantheera Anantrasirichai, James Pollock, David R. Bull

机构 * University of Bristol, UK（英国布里斯托大学） ； Lux Aeterna, Bristol, UK（卢克斯艾特纳，布里斯托，英国） 纠错

专题命中 可控生成 ：image editing(abstract)；分类 cs.CV、cs.GR、cs.MM

AI总结 本文提出一种针对虚拟制作的3D重建与重照明框架，利用高斯点散布技术，通过已知背景图像条件重照明过程，避免使用环境映射，提高3D重建质量和可控性，方法高效且支持多种输出变量。

HairGPT: Strand-as-Language Autoregressive Modeling for Realistic 3D Hairstyle Synthesis

HairGPT: 基于发丝的语言自回归建模用于逼真3D发型合成

Haimin Luo, Min Ouyang, Lan Xu, Jingyi Yu

机构 * ShanghaiTech University（上海科技大学） ； ShanghaiTech University and Deemos Technology Co., Ltd.（上海科技大学和Deemos技术有限公司） ； Deemos Technology Co., Ltd.（Deemos技术有限公司） 纠错

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

AI总结 HairGPT通过发丝为中心的框架，将发型合成转化为双解耦的自回归序列建模问题，实现结构和语义的解耦，支持复杂发型合成与风格化领域适应。

Comments Accepted to SIGGRAPH 2026 (Journal Track)

Improving Human Image Animation via Semantic Representation Alignment

通过语义表示对齐提升人类图像动画

Chang Liu, Mengting Chen, Yixuan Huang, Haoning Wu, Chen Ju, Shuai Xiao, Jinsong Lan, Yanfeng Wang

机构 * School of Artificial Intelligence, Shanghai Jiao Tong University, China（上海交通大学人工智能学院，中国） ； Alibaba Group, China（阿里巴巴集团，中国） 纠错

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

AI总结 本文提出SemanticREPA方法，通过结构和ID对齐提升人类动画质量，增强动作连续性和一致性。

Comments Accepted by CVPR 2026 workshop

Progressive Photorealistic Simplification

渐进式逼真简化

Adi Rosenthal, Dana Berman, Yedid Hoshen, Ariel Shamir

机构 * Reichman University and Google（里奇曼大学和谷歌） ； Google Israel（谷歌以色列） ； Hebrew University and Google（希伯来大学和谷歌） ； Google（谷歌） 纠错

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

AI总结 本文提出渐进式语义图像简化框架，通过迭代去除并修补元素保持逼真外观，结合视觉-语言模型和学习验证器实现高效高质量的简化过程，应用于内容感知清理和交互编辑。

UM-Text: A Unified Multimodal Model for Image Understanding and Visual Text Editing

UM-Text: 一种统一的多模态模型用于图像理解和视觉文本编辑

Lichen Ma, Xiaolong Fu, Gaojing Zhou, Zipeng Guo, Ting Zhu, Yichun Liu, Yu Shi, Jason Li, Junshi Huang

机构 * Sun Yat-sen University（中山大学） 纠错

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

AI总结 本文提出UM-Text模型，通过自然语言指令实现图像理解和视觉文本编辑，引入VLM处理指令和参考图像，结合UM-Encoder生成风格一致的文本图像，并提出区域一致性损失和三阶段训练策略，最终在多个基准上取得最佳性能。

Comments Accepted by AAAI 2026

Evading Visual Aphasia: Contrastive Adaptive Semantic Token Pruning for Vision-Language Models

逃避视觉失语：面向视觉-语言模型的对比自适应语义令牌修剪

Jie Ma, Yihang Liu, Zhike Qiu, Jiayi Ji, Xiaoshuai Sun

机构 * Xiamen University（厦门大学） 纠错

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

AI总结 本文提出COAST方法，通过对比自适应语义路由实现视觉-语言模型的高效令牌修剪，减少77.8%的视觉令牌并提升2.15倍的推理速度，同时保持98.64%的原始性能。

MultiAnimate: Pose-Guided Image Animation Made Extensible

MultiAnimate：基于姿态的图像动画使其可扩展

Yingcheng Hu, Haowen Gong, Chuanguang Yang, Zhulin An, Yongjun Xu, Songhua Liu

机构 * State Key Laboratory of AI Safety, Institute of Computing Technology, Chinese Academy of Sciences（人工智能安全国家重点实验室，计算技术研究所，中国科学院） ； ShanghaiTech University（上海科技大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

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

AI总结 本文提出一种可扩展的多人物图像动画框架，通过引入标识符分配器和标识符适配器，解决多人物场景中的身份混淆和不合理的遮挡问题，实现高质量多人物动画生成。

Comments CVPR2026 Accepted. Project page at https://hyc001.github.io/MultiAnimate/

AUHead: Realistic Emotional Talking Head Generation via Action Units Control

AUHead: 通过动作单元控制实现逼真的情感谈话头生成

Jiayi Lyu, Leigang Qu, Wenjing Zhang, Hanyu Jiang, Kai Liu, Zhenglin Zhou, Xiaobo Xia, Jian Xue, Tat-Seng Chua

机构 * University of the Chinese Academy of Sciences（中国科学院大学） ； National University of Singapore（新加坡国立大学） ； Zhejiang University（浙江大学） ； State Key Laboratory of Communication Content Cognition, People’s Daily Online（人民日報網通信內容認知重點實驗室） 纠错

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

AI总结 本文提出AUHead方法，通过动作单元控制实现逼真的谈话头生成，解决现有方法在情感表达细腻度上的不足。

Comments https://openreview.net/forum?id=dmzlAUkulz&referrer=%5BAuthor%20Console%5D(%2Fgroup%3Fid%3DICLR.cc%2F2026%2FConference%2FAuthors%23your-submissions) Accepted at the 14th International Conference on Learning Representations (ICLR 2026)

Heterogeneous Model Fusion for Privacy-Aware Multi-Camera Surveillance via Synthetic Domain Adaptation

异构模型融合用于隐私保护多摄像头监控的合成领域适应

Peggy Joy Lu, Wei-Yu Chen, Yao-Tsung Huang, Vincent Shin-Mu Tseng

机构 * Department of Computer Science and Information Engineering, National Chung Cheng University（资讯工程系，国立 Chung Cheng 大学） ； Department of Computer Science, National Yang Ming Chiao Tung University（计算机科学系，国立阳明交通大学） ； National Center for High-Performance Computing（国家高速计算中心） 纠错

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

AI总结 本文提出HeroCrystal框架，通过合成领域适应解决多摄像头目标检测中的隐私、类别不平衡和异构架构问题，提升定位精度并实现模型融合，实验表明其在多类别隐私保护设置下优于现有方法，mAP提升2.1%达33.4%。

Comments 42 pages, 13 figures. Published in Information Fusion (Elsevier). DOI: 10.1016/j.inffus.2026.104413

Journal ref Information Fusion, 2026

Metric Geometry Governs Optimal Control in Driven Stokes Flows: Magnetic Driving and Beyond

度量几何支配驱动斯托克斯流中的最优控制：磁驱动及其他

Kyle McKee

专题命中 可控生成 ：diffusion(abstract)

AI总结 研究揭示在斯托克斯流中，洛伦兹力诱导的可调环流可通过度量几何确定最优控制路径，展现各向异性扩散特性，方法适用于通用驱动斯托克斯流。

Journal ref Phys. Rev. Lett. 136, 184001 (2026)

Learning Generative Dynamics with Soft Law Constraints: A McKean-Vlasov FBSDE Approach

通过软法律约束学习生成动力学：一种 McKean-Vlasov FBSDE 方法

Samer El Boustany, Samy Mekkaoui, Yadh Hafsi, Alexandre Alouadi, Huyên Pham

专题命中 可控生成 ：diffusion(abstract)

AI总结 本文提出通过 McKean-Vlasov 控制问题学习随机动力学，利用软能量约束强制终端和时间边际分布，通过 FBSDE 生成耦合的随机路径，验证了在低维和高维数据中生成符合观测分布的轨迹效果。

Viscoelastic control of acoustic particle migration and trapping in microchannels

粘弹性控制微通道中声学粒子迁移与捕获

T. Sujith, A. K. Sen

专题命中 可控生成 ：diffusion(abstract)

AI总结 研究粘弹性流体中声学辐射力与流体诱导拖曳的竞争作用，揭示粘弹性对粒子动态的调控机制，提出通过德布罗意数和粘性扩散数控制粒子迁移与捕获的新方法。