图像生成

Toward Fine-Grained Speech Inpainting Forensics:A Dataset, Method, and Metric for Multi-Region Tampering Localization

迈向细粒度语音修补取证：一个多区域篡改定位的数据集、方法和度量标准

Tung Vu, Yen Nguyen, Hai Nguyen, Cuong Pham, Cong Tran

机构 * Posts and Telecommunications Institute of Technology 纠错

专题命中 图像生成评测 ：inpainting(title,abstract)；分类 cs.CV

AI总结 本文提出MIST数据集、ISA方法和SF1@tau度量标准，用于多区域语音修补检测，揭示现有深度伪造检测器在细粒度语音修补检测上的不足。

Physics-informed simulation framework for realistic sonar image generation and statistical validation

具有物理信息的模拟框架用于真实声纳图像生成和统计验证

Kamal Basha S, Athira Nambiar

机构 * Department of Computational Intelligence, SRM Institute of Science 纠错

专题命中 图像生成评测 ：image generation(title)；分类 cs.CV

AI总结 本文提出了一种基于物理的模拟框架ACOUSIM，用于生成真实声纳图像并进行统计验证，通过比较合成与真实声纳图像的统计特性，建立了可重复的分布级基准。

World-Ego Modeling for Long-Horizon Evolution in Hybrid Embodied Tasks

为混合具身体验中的长时域演化构建世界-自我模型

Zuyao Lin, Jianhui Zhang, Peidong Jia, Xiaoguang Zhao, Shanghang Zhang, Xingyu Chen

机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Peking University（北京大学） 纠错

专题命中 图像生成评测 ：diffusion(abstract)；分类 cs.CV

AI总结 本文提出了一种新的世界-自我建模范式，通过分解未来演化为世界和自我组件，解决混合任务中长时域具身体验中的退化问题，并通过HTEWorld基准测试验证了其有效性。

MIRO: MultI-Reward cOnditioned pretraining improves T2I quality and efficiency

MIRO：多奖励条件预训练提升T2I质量和效率

Nicolas Dufour, Lucas Degeorge, Arijit Ghosh, Vicky Kalogeiton, David Picard

机构 * LIGM, ENPC, IP Paris, CNRS, UGE, France ； LIX, CNRS, \'Ecole Polytechnique, IP Paris, France 纠错

专题命中 图像生成评测 ：text-to-image(abstract)；分类 cs.CV

AI总结 MIRO通过在训练过程中对模型施加多个奖励，直接学习用户偏好，从而提升文本到图像生成的质量和效率，同时在GenEval组合基准和用户偏好评分上取得最佳成绩。

Comments Accepted at ICML 2026. Project page: https://nicolas-dufour.github.io/miro

Benchmarking and Evolving Reason-Reflect-Rectify for Reflective Visual Generation

基于反思生成的基准测试与进化

Junjie Wang, Xinghua Lou, Jason Li, Ye Tian, Keyu Chen, Yulin Li, Bin Kang, Jacky Mai, Yanwei Li, Zhuotao Tian, Liqiang Nie

专题命中 图像生成评测 ：text-to-image(abstract)；分类 cs.CV

AI总结 本文提出R^3-Bench基准和R^3-Refiner框架，用于评估和提升反思视觉生成能力，通过改进迭代推理和修正能力，提升文本到图像模型的生成质量。

PRISM: A Benchmark for Programmatic Spatial-Temporal Reasoning

PRISM：一个程序化空间-时间推理的基准测试

Qiran Zhang, Yuheng Wang, Runde Yang, Lin Wu, Jingru Fan, Shu Yao, Jie Zhang, Tianle Zhou, Huatao Li, Ruijie Shi, Yihan Li, Chen Qian

机构 * School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学人工智能学院） 纠错

专题命中 图像生成评测 ：diffusion(abstract)

AI总结 本文提出PRISM基准测试，通过大规模人类校准的指令-代码对（共10,372个，比之前基准大20倍），评估语言模型生成空间正确动画输出的能力，并揭示执行成功率与空间正确率之间的显著差距。

GenTS: A Comprehensive Benchmark Library for Generative Time Series Models

GenTS：生成时间序列模型的综合基准库

Chenxi Wang, Xiaorong Wang, Peiyang Li, Yi Wang

机构 * The University of Hong Kong（香港大学） ； Fudan University（复旦大学） 纠错

专题命中 图像生成评测 ：diffusion(abstract)

AI总结 本文提出GenTS，一个用于系统评估生成时间序列模型的综合且可扩展的基准库，通过统一的数据预处理流程、多样化的模型集合和全景评估指标，为生成模型提供了更灵活的评估框架。