图像生成

Improving Text-to-Image Generation with Intrinsic Self-Confidence Rewards

通过内在自信心奖励改进文本到图像生成

Seungwook Kim, Minsu Cho

机构 * POSTECH（POSTECH大学） ； RLWRLD（RLWRLD实验室） ； GenGenAI（GenGenAI研究院） 纠错

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

AI总结 本文提出SOLACE框架，通过模型自身输出的重建误差生成自信心信号，用于强化学习，提升生成内容的组成、文本渲染和文本图像对齐能力。

Comments 22 pages, accepted to CVPR 2026. Project page https://wookiekim.github.io/SOLACE/

Z-Erase: Enabling Concept Erasure in Single-Stream Diffusion Transformers

Z-Erase：在单流扩散变换器中实现概念擦除

Nanxiang Jiang, Zhaoxin Fan, Baisen Wang, Daiheng Gao, Junhang Cheng, Jifeng Guo, Yalan Qin, Yeying Jin, Hongwei Zheng, Faguo Wu, Wenjun Wu

机构 * Beijing Advanced Innovation Center for Future Blockchain（未来区块链与隐私计算北京创新中心） ； Privacy Computing, School of Artificial Intelligence, Beihang University（隐私计算，北京航空航天大学人工智能学院） ； University of Science（科学大学） ； Shanghai University（上海大学） ； Tencent（腾讯） ； Beijing Academy of Blockchain（北京区块链研究院） 纠错

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

AI总结 本文提出Z-Erase，一种专为单流T2I模型设计的概念擦除方法，通过解耦更新和平衡擦除与保留的权衡，解决生成崩溃问题，实现SOTA性能。

PromptGuard: Soft Prompt-Guided Unsafe Content Moderation for Text-to-Image Models

PromptGuard: 基于软提示的文本到图像模型不安全内容审查

Lingzhi Yuan, Xinfeng Li, Chejian Xu, Guanhong Tao, Xiaojun Jia, Yihao Huang, Wei Dong, Yang Liu, Bo Li

机构 * Department of Computer Science, University of Maryland（计算机科学系，马里兰大学） ； College of Computing and Data Science, Nanyang Technological University（南洋理工大学计算机科学与数据科学学院） ； Kahlert School of Computing, The University of Utah（犹他大学Kahlert计算学院） ； Siebel School of Computing and Data Science, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校Siebel计算与数据科学学院） 纠错

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

AI总结 PromptGuard通过引入软提示机制，有效抑制文本到图像模型生成不安全内容，同时保持生成质量，且比现有方法快3.8倍。

Comments Accepted for publication in IEEE Transactions on Information Forensics and Security (TIFS)

Power Reinforcement Post-Training of Text-to-Image Models with Super-Linear Advantage Shaping

文本到图像模型的强化后训练与超线性优势塑造

Haoyuan Sun, Jing Wang, Yuxin Song, Yu Lu, Bo Fang, Yifu Luo, Jun Yin, Pengyu Zeng, Miao Zhang, Tiantian Zhang, Xueqian Wang, Shijian Lu

机构 * Nanyang Technological University（南洋理工大学） ； Baidu Inc.（百度公司） ； Zhejiang University（浙江大学） ； City University of Hong Kong（香港城市大学） ； Tsinghua University（清华大学） ； Jimei University（集美大学） 纠错

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

AI总结 本文提出超线性优势塑造方法，通过信息几何视角优化文本到图像模型的后训练过程，提升训练效率和生成质量，减少奖励黑客问题。

ColorConceptBench: A Benchmark for Probabilistic Color-Concept Understanding in Text-to-Image Models

ColorConceptBench：一种用于文本到图像模型中概率颜色-概念理解的基准

Chenxi Ruan, Yihan Hou, Yu Xiao, Guosheng Hu, Wei Zeng

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； The Hong Kong University of Science and Technology（香港科学与技术大学） ； China Academy of Art（中国美术学院） 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ColorConceptBench，通过概率颜色分布系统评估颜色-概念关联，研究文本到图像模型对隐含概念如情感和视觉状态的理解能力，发现模型在抽象语义上的敏感性不足。

Comments 9 pages, 6 figures

Accelerating Multi-Condition T2I Generation via Adaptive Condition Offloading and Pruning

通过自适应条件卸载和剪枝加速多条件T2I生成

Yuxin Kong, Peng Yang, Chongbin Yi, Fan Wu, Feng Lyu

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

AI总结 本文提出一种端边协作系统，通过自适应条件卸载和剪枝减少多条件T2I生成的延迟并提升生成质量。

Comments accepted by IEEE ICME 2026

SynerMedGen: Synergizing Medical Multimodal Understanding with Generation via Task Alignment

SynerMedGen：通过任务对齐协同医疗多模态理解与生成

Weiren Zhao, Yi Dong, Cheng Chen

机构 * The University of Hong Kong, Hong Kong, China（香港大学） 纠错

专题命中 文生图 ：image synthesis(abstract)；分类 cs.CV

AI总结 SynerMedGen通过任务对齐实现医疗多模态理解与生成的协同，提出生成对齐理解任务和两阶段训练策略，实现零样本性能和跨数据集泛化，释放大规模数据集支持进一步研究。

Comments Accepted by ICML 2026

CapCLIP: A Vision-Language Representation Alignment Approach for Wireless Capsule Endoscopy Analysis

CapCLIP：一种用于无线胶囊内镜分析的视觉-语言表示对齐方法

Haroon Wahab, Irfan Mehmood, Hassan Ugail

机构 * School of Computer Science, AI and Electronics Faculty of Engineering and Digital Technologies（计算机科学与电子工程学院，工程与数字技术学院） ； School of Management Faculty of Mgmt, Law & Social Sciences（管理学院，管理、法律与社会科学学院） ； Centre for Visual Computing and Intelligent Systems（视觉计算与智能系统中心） 纠错

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

AI总结 CapCLIP通过将内镜图像与临床标准术语生成的文本描述对齐，提升无线胶囊内镜分析的泛化能力和语义解释性，优于现有方法。

Beyond the False Trade-off: Adaptive EWC for Stealthy and Generalizable T2I Backdoors

超越虚假的权衡：适应性EWC用于隐蔽且可泛化的T2I后门

Lu Bowen, Xinyu Tang, Yin Yin Low, Shu-Min Leong

机构 * Monash University（墨尔本大学） 纠错

专题命中 文生图 ：text-to-image(abstract)

AI总结 本文提出Cosine-Aware Adaptive EWC，通过动态调整EWC正则化提升T2I后门攻击的ASR与模型保真度平衡，增强对域外数据集的鲁棒性。