视觉与机器人
图像生成、文生图、图像编辑、扩散模型和可控生成。
EPIC: 用于组合文本到图像生成的高效谓词引导推理控制
机构 * Graduate School of Artificial Intelligence, POSTECH（人工智能研究生院，POSTECH） ； Department of Computer Science & Engineering, POSTECH（计算机科学与工程系，POSTECH）
专题命中 文生图 ：text-to-image(title,abstract)；image generation(title)；分类 cs.CV
AI总结 EPIC通过谓词引导的搜索方法提升组合式文本到图像生成的准确性，减少计算成本，提升生成质量。
通过上下文经验回放和语义保留提示重写对文本到图像模型进行红队测试
机构 * CISPA Helmholtz Center for Information Security（CISPA 欧洲信息安全中心） ； IBM Research（IBM 研究院） ； National Yang Ming Chiao Tung University（国立阳明交通大学）
专题命中 文生图 ：text-to-image(title,abstract)；分类 cs.CV
AI总结 本文提出ICER框架，通过提示重写和上下文经验回放生成流畅的对抗性提示，有效提升图像生成模型的安全性测试能力，实验表明其在多个安全机制上优于现有方法。
Comments The source code is available at https://github.com/zhiyichin/ICER
HiDream-O1-Image：一种原生统一的图像生成基础模型，具有像素级统一的Transformer
专题命中 文生图 ：image generation(abstract)；text-to-image(abstract)；diffusion(abstract)；分类 cs.CV、cs.MM
AI总结 本文提出HiDream-O1-Image，通过像素空间扩散Transformer实现多模态输入的结构统一，无需外部VAE或离散文本编码器，提升生成和编辑任务的性能，实验表明其在多种生成任务中表现优异。
Comments Source codes and models are available at Github: https://github.com/HiDream-ai/HiDream-O1-Image and Huggingface: https://huggingface.co/HiDream-ai/HiDream-O1-Image
超越最后一层：多层表示融合用于视觉标记化
机构 * Peking University（北京大学） ； Meituan Inc（美团公司） ； Tsinghua University（清华大学） ； IGDL
专题命中 文生图 ：text-to-image(abstract)；image synthesis(abstract)；分类 cs.CV
AI总结 本文提出DRoRAE，通过多层特征融合恢复丢失的视觉信息，提升图像生成质量，并揭示了表示丰富性与重建质量的log-linear关系。
当策略熵约束失效时：通过感知熵在基于流的RLHF中保持多样性
机构 * Southeast University（东南大学） ； Tencent Youtu Lab（腾讯云图实验室） ； Southern University of Science and Technology（南方科技大学）
专题命中 文生图 ：text-to-image(abstract)；分类 cs.CV
AI总结 本文研究了基于流的RLHF中策略熵与多样性之间的关系，提出感知熵作为新的约束方法，通过在感知空间中保持多样性提升模型质量。
GRASP：基于样本划分的引导残差适配器
机构 * Friedrich-Alexander-Universität Erlangen-Nürnberg（埃朗根-纽伦堡弗里德里希-亚历山大大学） ； Imperial College London（伦敦帝国理工学院）
专题命中 文生图 ：text-to-image(abstract)；分类 cs.CV
AI总结 GRASP通过样本层面的划分和残差适配器提升长尾场景下的生成质量与多样性，有效解决传统方法在长尾设置中的性能下降问题。
Comments 16 pages, 6 figures, 6 tables
MieDB-100k：用于医学图像编辑的综合数据集
机构 * State Key Laboratory of General Artificial Intelligence, Beijing, China（1 国家一般人工智能重点实验室，北京，中国） ； School of Intelligence Science and Technology, Peking University, Beijing, China（2 智能科学与技术学院，北京大学，北京，中国） ； National Institute of Health Data Science, Peking University, Beijing, China（3 国家健康数据科学研究院，北京大学，北京，中国） ； DAMO Academy, Alibaba Group, Zhejiang, China（4 阿里巴巴集团 DAMO 院，浙江，中国） ； hupan lab, zhejiang province（5 鹏元实验室，浙江省） ； Zhejiang University, Zhejiang, China（6 浙江大学，浙江，中国）
专题命中 图像编辑 ：image editing(title,abstract)；分类 cs.CV
AI总结 本文提出MieDB-100k数据集，通过数据筛选流程结合专家模型与规则生成方法，解决医学图像编辑中数据质量、多样性与可扩展性不足的问题，实验表明其在医学图像编辑任务中表现优异。
图像与句子：扩展交错指令以实现统一的视觉生成
机构 * ByteDance Seed（字节跳动种子）
专题命中 图像编辑 ：image generation(abstract)；image editing(abstract)；分类 cs.CV
AI总结 本文提出INSET模型，通过将图像作为文本指令中的原生词汇，解决复杂交错指令下的视觉生成问题，提升多图像一致性和文本对齐性能。
Materialist: 基于物理的单图像逆渲染中的材质编辑
机构 * Technical University of Denmark（丹麦技术大学） ； University of California San Diego（加州大学圣地亚哥分校）
专题命中 图像编辑 ：image editing(abstract)；分类 cs.CV、cs.GR
AI总结 Materialist提出一种基于物理的单图像逆渲染方法，利用神经网络预测初始材质属性并优化，实现材质编辑、物体插入和光照调整，同时引入高效的光线追踪折射方法进行透明度编辑。
Comments More Comprehensive IJCV Camera-Ready Version. Project website: https://lez-s.github.io/materialist_project/
Journal ref International Journal of Computer Vision (IJCV), 134(6), 267 (2026)
FeatMap: 在特征空间中理解图像篡改及其对特征空间几何的影响
机构 * Division AI4Health（AI4Health部门） ； Carl von Ossietzky Universität Oldenburg（奥尔登堡卡尔·冯·奥西特齐克大学）
专题命中 图像编辑 ：image editing(abstract)；分类 cs.CV
AI总结 本文通过在输入空间中应用多种篡改方法，探讨特征空间中的映射学习，发现线性模型在特征空间中能有效重建复杂语义篡改。
Comments 27 pages, 24 figures, 3 tables, Code is available at https://github.com/AI4HealthUOL/FeatMap
LPDP：用于可变长度DNA生成的推理时间奖励控制
机构 * KAIST AI（韩国釜山科学技术院人工智能实验室）
专题命中 图像编辑 ：inpainting(abstract)
AI总结 本文提出LPDP，一种无需训练的局部重解算子，用于可变长度DNA编辑动作生成。通过局部离散程序聚焦于连贯的替换、插入和删除子图，并利用硬Max或软LSE备份聚合局部延续，用于增强子优化和外显子内含子外显子修复。
Comments 22 pages, 5 figures
STRIDE：通过PCA引导的特征扰动在单步扩散模型中实现训练自由的多样性指导
机构 * Australian Institute for Machine Learning, Adelaide University, Australia（澳大利亚机器学习研究所，阿德莱德大学，澳大利亚）
专题命中 扩散模型 ：diffusion(title,abstract)；image generation(abstract,abstract_cn)；分类 cs.CV
AI总结 针对单步扩散模型多样性不足问题，STRIDE通过PCA引导的特征扰动在单次前向传递中提升多样性，保持文本对齐性，优于现有训练自由基线。
Comments 11 Pages 3 figures 4 tables
VASR：基于奖励引导扩散的方差感知系统性重采样
机构 * Siebel School of Computing and Data Science（计算与数据科学学院） ； Department of Statistics（统计学系） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
专题命中 扩散模型 ：diffusion(title,abstract)；image generation(abstract)；text-to-image(abstract)
AI总结 本文提出VASR方法，通过分解延续方差与残余方差，解决奖励引导扩散SMC中的快速谱系崩溃问题，提升样本质量与效率。
DiFaReli++: 基于扩散的面部光照重建与一致阴影生成
机构 * School of Information Science and Technology, Vidyasirimedhi Institute of Science and Technology（信息科学与技术学院，维达亚西里米迪科学技术研究所）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV、cs.GR
AI总结 本文提出一种单视图面部光照重建方法，通过条件扩散隐式模型实现无光照地面真值训练，实现真实光照下的阴影一致性。
Comments Published in IEEE TPAMI (vol. 48, no. 5, May 2026). This is an extended version of the ICCV 2023 paper (DiFaReli)
Journal ref IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 48, no. 5, pp. 5068-5082, May 2026
解耦稀疏表示用于概念分离的扩散撤销
机构 * Yonsei University（延世大学） ； Kookmin University（韩国釜山大学）
专题命中 扩散模型 ：diffusion(title,abstract)；text-to-image(abstract)；分类 cs.CV
AI总结 本文提出SAEParate，通过概念感知对比目标解耦潜在表示，提升扩散模型中特定概念撤销的精度与效果，实验显示在联合风格-物体撤销任务中表现优异。
Comments 40 pages, 23 figures
基于逆问题的扩散优化器原理化设计
机构 * Department of Bioengineering（生物工程系） ； Department of Radiology, Stanford University, USA（斯坦福大学放射学系，美国）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文提出原理化重参数化方法，使扩散模型在逆问题中能复用超参数，提升推理速度和图像质量。
Comments 22 pages, 8 figures, 6 tables
耦合控制：扩散模型中的联合初始噪声设计
机构 * Department of Computer Science（计算机科学系） ； Rutgers University（罗格斯大学） ； Department of EECS（电子工程与计算机科学系） ； University of Michigan（密歇根大学） ； Department of Statistics（统计学系）
专题命中 扩散模型 ：diffusion(title,abstract)；inpainting(abstract)；分类 cs.CV
AI总结 本文提出通过设计多样本展厅的依赖结构来控制初始噪声，改进生成质量并提升多样性，同时支持结构化初始化。
Comments 26 pages
基于稀疏内部快照的扩散模型异常检测
机构 * ONERA ； SONDRA ； Université Paris-Saclay（巴黎-萨克雷大学） ； CentraleSupélec（中央理工-巴黎高等学院）
专题命中 扩散模型 ：diffusion(title,abstract)
AI总结 本文提出一种互化背骨等效协议，通过冻结扩散背骨使用少量内部激活来构建检测器，证明异常信号集中在稀疏内部状态而非完整去噪轨迹。
在掩码扩散语言模型解码中停止收敛令牌的计算
机构 * Institute of Science Tokyo（东京科学研究所） ； University of Liverpool（利物浦大学） ； Amazon（亚马逊） ； MBZUAI
专题命中 扩散模型 ：diffusion(title,abstract)
AI总结 本文提出SureLock方法，通过锁定稳定位置以减少计算开销，提升解码效率，实验证明在LLaDA-8B上节省30-50%的FLOPs同时保持生成质量。
Comments Accepted to ICLR 2026
AlphaGRPO：通过分解性可验证奖励解锁UMMs中的自反思多模态生成
机构 * The University of Hong Kong（香港大学）
专题命中 扩散模型 ：diffusion(abstract,abstract_cn)；image generation(abstract)；text-to-image(abstract)；分类 cs.CV
AI总结 AlphaGRPO通过分解性可验证奖励提升多模态生成能力，实现文本到图像生成和自反思修正，验证了自反思强化方法在生成高质量输出中的有效性。
Comments ICML2026
LatentHDR: 通过条件潜变量到潜变量映射解耦曝光以生成文本/图像到全景HDR
机构 * Monks AI Research Lab（Monks AI研究院）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV、cs.GR
AI总结 本文提出LatentHDR框架，通过在潜在空间中解耦场景生成与曝光建模，实现高效且结构一致的HDR生成，实验表明其在动态范围和感知质量上优于现有方法，并显著降低计算成本。
OmniNFT: 多模态联合音频视频生成的模态感知强化学习
机构 * University of Science and Technology of China（中国科学技术大学） ； Peking University（北京大学） ； JD Explore Academy（京东探索研究院）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文提出OmniNFT，通过模态感知强化学习框架解决多模态联合生成中的模态一致性、梯度不平衡和信用分配问题，提升音频视频感知质量与同步性能。
Comments Project page: https://zghhui.github.io/OmniNFT/
GaitProtector: 通过无训练扩散潜在优化实现基于伪装的步态去标识
机构 * City University of New York（纽约城市大学） ； Wuhan University（武汉大学） ； University of Aberdeen（阿伯丁大学） ； Nanyang Technological University（南洋理工大学） ； ELLIS Institute Finland（芬兰ELLIS研究所） ； University of Oulu（奥卢大学）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文提出GaitProtector框架，通过无训练扩散潜在优化实现基于伪装的步态去标识，通过伪装和伪装两个紧密耦合组件，在保持主导身体形状和运动动态的同时减少识别准确率。
Comments Accepted to the 20th IEEE International Conference on Automatic Face and Gesture Recognition (FG 2026)
GeoQuery: 用于稀疏视角重建的几何-查询扩散
机构 * University of Electronic Science ； Tianjin University Tianjin China ； Tianjin University
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文提出GeoQuery，通过几何引导的扩散框架，在稀疏视角重建中有效减少渲染伪影。
Comments Accept to SIGGRAPH 2026 Conference Track
UniFixer：一种通用参考引导的扩散基视图合成修复器
机构 * ETH Zürich（苏黎世联邦理工学院） ； DisneyResearch|Studios（迪士尼研究实验室）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文提出UniFixer，通过粗到细策略修复扩散基视图合成中的多种退化问题，包括空间、时间及模型相关的退化，通过参考预对齐、全局结构锚定和局部细节注入模块实现高质量视图合成。
少样本合成数据生成与扩散模型用于下游视觉任务
机构 * National University of Science and Technology MISIS（俄罗斯莫斯科国立研究型技术大学）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文提出一种轻量级合成数据增强方法，通过微调LoRA适配器和预训练扩散模型生成合成样本，提升罕见类别的召回率和F1分数，适用于不同视觉领域。
Comments 5 pages, 3 figures, 1 table. Accepted at SynData4CV Workshop @ CVPR 2026
基于置信度引导的扩散增强法提升孟加拉语复合字符识别
机构 * Department of Computer Science and Engineering（计算机科学与工程系）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文提出一种置信度引导的扩散增强框架，通过结合分类引导和改进的U-Net结构，提升低分辨率孟加拉语复合字符识别性能，实验表明在AIBangla数据集上多个模型的分类准确率显著提高。
UnfoldLDM: 基于迭代潜在扩散先验的退化感知展开网络用于盲图像恢复
机构 * Duke University（杜克大学） ； Shanghai Jiao Tong University（上海交通大学） ； Peking University（北京大学） ； Tsinghua University（清华大学） ； Xiamen University（厦门大学）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文提出UnfoldLDM，结合深度展开网络与潜在扩散模型，解决盲图像恢复中的退化依赖和过平滑偏差问题，通过多粒度退化感知模块和退化抗性LDM提取先验，提升恢复质量与视觉效果。
Comments 6 figures, 11 tables
DiffSegLung: 基于扩散的放射组学蒸馏用于无监督肺部病理分割
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文提出DiffSegLung，通过引入扩散放射组学蒸馏方法，利用手工制作的放射组学描述符作为物理基础的教师，引导3D扩散U-Net的瓶颈层，提升无监督肺部病理分割性能。
单次曝光HDR恢复通过视频扩散先验
机构 * University of California San Diego（加州大学圣地亚哥分校） ； Creare LLC（Creare公司）
专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV
AI总结 本文提出通过视频扩散模型生成曝光序列并融合生成HDR图像，提升单次曝光HDR重建的保真度和可解释性，优于现有方法。
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈