图像生成

EPIC: Efficient Predicate-Guided Inference-Time Control for Compositional Text-to-Image Generation

EPIC: 用于组合文本到图像生成的高效谓词引导推理控制

Sunung Mun, Sunghyun Cho, Jungseul Ok

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） 纠错

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。

Red-Teaming Text-to-Image Models via In-Context Experience Replay and Semantic-Preserving Prompt Rewriting

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

Zhi-Yi Chin, Pin-Yu Chen, Wei-Chen Chiu, Mario Fritz

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） 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: A Natively Unified Image Generative Foundation Model with Pixel-level Unified Transformer

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

Qi Cai, Jingwen Chen, Chengmin Gao, Zijian Gong, Yehao Li, Yingwei Pan, Yi Peng, Zhaofan Qiu, Kai Yu, Yiheng Zhang, Hao Ai, Siying Bai, Yang Chen, Zhihui Chen, Fengbin Gao, Ying Guo, Dong Li, Zhen Shen, Leilei Shi, Jing Wang, Siyu Wang, Yimeng Wang, Rui Zheng, Ting Yao, Tao Mei

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

Beyond the Last Layer: Multi-Layer Representation Fusion for Visual Tokenization

超越最后一层：多层表示融合用于视觉标记化

Xuanyu Zhu, Yan Bai, Yang Shi, Yihang Lou, Yuanxing Zhang, Jing Jin, Yuan Zhou

机构 * Peking University（北京大学） ； Meituan Inc（美团公司） ； Tsinghua University（清华大学） ； IGDL 纠错

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。

When Policy Entropy Constraint Fails: Preserving Diversity in Flow-based RLHF via Perceptual Entropy

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

Xiaofeng Tan, Jun Liu, Bin-Bin Gao, Yuanting Fan, Xi Jiang, Chengjie Wang, Hongsong Wang, Feng Zheng

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） 纠错

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: Guided Residual Adapters with Sample-wise Partitioning

GRASP：基于样本划分的引导残差适配器

Felix Nützel, Mischa Dombrowski, Bernhard Kainz

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） 纠错

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