图像生成

ACE-LoRA: Adaptive Orthogonal Decoupling for Continual Image Editing

ACE-LoRA：适应性正交解耦用于持续图像编辑

Yuehao Liu, Weijia Zhang, Xuanming Shang, Zhizhou Chen, Yanhao Ge, Shanyan Guan, Chao Ma

机构 * Shanghai Jiao Tong University（上海交通大学） ； Nanjing University（南京大学） ； VIVO 纠错

专题命中 图像编辑 ：image editing(title,abstract)；diffusion(abstract)；分类 cs.CV

AI总结 ACE-LoRA通过动态正则化框架解决持续图像编辑中的灾难性遗忘问题，采用适应性正交解耦和历史信息压缩策略，提出首个全面的CIE-Bench基准，验证方法在指令忠实度、视觉真实性和抗遗忘性上的优势。

From Plans to Pixels: Learning to Plan and Orchestrate for Open-Ended Image Editing

从计划到像素：学习计划与协调以实现开放性图像编辑

Anirudh Sundara Rajan, Krishna Kumar Singh, Yong Jae Lee

机构 * University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； Adobe Research（Adobe研究） 纠错

专题命中 图像编辑 ：image editing(title,abstract)；分类 cs.CV

AI总结 本文提出一种长期视图图像编辑框架，通过规划器生成结构化原子分解和协调器选择工具和区域执行每一步，结合视觉语言判断者提供基于结果的奖励，提升编辑的连贯性和可靠性。

Do-Undo Bench: Reversibility for Action Understanding in Image Generation

Do-Undo基准：图像生成中动作理解的可逆性

Shweta Mahajan, Shreya Kadambi, Hoang Le, Rajeev Yasarla, Apratim Bhattacharyya, Munawar Hayat, Fatih Porikli

机构 * York University（约克大学） ； Vector Institute for AI（人工智能向量研究所） ； Qualcomm AI Research（高通人工智能研究） 纠错

专题命中 图像编辑 ：image generation(title,abstract)；分类 cs.CV

AI总结 本文提出Do-Undo任务和基准，解决视觉-语言模型在理解并生成由现实动作驱动的场景变换中的关键缺口。通过要求模型模拟现实动作的后果并逆转至原始状态，测试真正的因果理解。实验表明当前模型在动作可逆性上存在困难，凸显评估动作理解的必要性。

Comments Project page: https://s-mahajan.github.io/Do-Undo-Bench/

Editor's Choice: Evaluating Abstract Intent in Image Editing through Atomic Entity Analysis

编辑推荐：通过原子实体分析评估图像编辑中的抽象意图

Mor Ventura, Roy Hirsch, Yonatan Bitton, Regev Cohen, Roi Reichart

机构 * Technion – Israel Institute of Technology（技术ion – 以色列理工学院） ； Google Research（谷歌研究） 纠错

专题命中 图像编辑 ：image editing(title,abstract)；分类 cs.CV

AI总结 本文提出通过原子实体分析评估图像编辑中抽象意图的方法，引入Entity-Rubrics框架并构建AbstractEdit基准，揭示现有模型在平衡意图与保留之间的挑战，强调结合先进LLM和迭代思维的重要性。

CoCoEdit: Content-Consistent Image Editing via Region Regularized Reinforcement Learning

CoCoEdit：通过区域正则化的强化学习实现内容一致的图像编辑

Yuhui Wu, Chenxi Xie, Ruibin Li, Liyi Chen, Qiaosi Yi, Lei Zhang

机构 * The Hong Kong Polytechnic University, Hong Kong（香港理工大学） ； OPPO Research Institute, ShenZhen, China（OPPO研究院，深圳，中国） 纠错

专题命中 图像编辑 ：image editing(title,abstract)；分类 cs.CV

AI总结 本文提出CoCoEdit框架，通过区域正则化强化学习提升图像编辑内容一致性，利用改进的指令和掩码生成高质量训练集，并引入像素相似度奖励和区域正则化器，提升编辑质量和一致性。

Comments Accepted by ICML 2026

SyncLight: Single-Edit Multi-View Relighting

SyncLight：单编辑多视角光照

David Serrano-Lozano, Anand Bhattad, Luis Herranz, Jean-François Lalonde, Javier Vazquez-Corral

机构 * Computer Vision Center Universitat Autònoma de Barcelona（Autonomous University of Barcelona计算机视觉中心） ； Johns Hopkins University（约翰霍普金斯大学） ； Universidad Politécnica de Madrid（马德里理工大学） ； Université Laval（拉瓦尔大学） 纠错

专题命中 图像编辑 ：diffusion(abstract)；分类 cs.CV、cs.GR

AI总结 SyncLight通过单视角参考编辑实现多视角一致的参数化光照控制，采用多视角扩散变压器实现高保真多视角图像集重绘。

Comments Project page: http://sync-light.github.io