图像生成

AutoRubric-T2I: Robust Rule-Based Reward Model for Text-to-Image Alignment

AutoRubric-T2I: 一种用于文本到图像对齐的鲁棒基于规则的奖励模型

Kuei-Chun Kao, Daixuan Huo, Yuanhao Ban, Cho-Jui Hsieh

机构 * University of California, Los Angeles（加州大学洛杉矶分校） 纠错

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

AI总结 本文提出AutoRubric-T2I，一种首个用于文本到图像生成的规则学习框架，通过自动合成和选择显式规则来指导视觉语言模型（VLM）法官。该方法通过合成偏好对的推理轨迹生成候选规则，并利用VLM法官在每种规则下对配对图像进行评分，产生配对规则评分差异用于偏好学习。通过ℓ1正则化逻辑回归精简器去除噪声和冗余规则，从而在少量标注偏好数据下生成高质量、可解释的奖励信号，并在多个图像奖励基准测试中优于现有奖励模型基线。

Comments 27 pages

AtelierEval: Agentic Evaluation of Humans & LLMs as Text-to-Image Prompters

AtelierEval: 人类与LLM作为文本到图像提示器的代理评估

Hanjun Luo, Zhimu Huang, Sylvia Chung, Yiran Wang, Yingbin Jin, Jialin Li, Jiang Li, Xinfeng Li, Hanan Salam

机构 * New York University Abu Dhabi（纽约大学阿布扎克校区） ； Nanyang Technological University（南洋理工大学） ； Zhejiang University（浙江大学） ； University of Electronic Science and Technology of China（电子科技大学） ； The Hong Kong Polytechnic University（香港理工大学） 纠错

专题命中 文生图 ：text-to-image(title,abstract)

AI总结 本文提出AtelierEval，首个统一基准，通过360个专家设计的任务量化提示能力，引入技能基于的记忆增强代理评估器，实现与人类专家的高相关性，验证了提示器在图像增强方向的优越性。

Comments Accepted by ICML 2026

From Baseline to Follow-Up: Counterfactual Spine DXA Image Synthesis in UK Biobank Using a Causal Hierarchical Variational Autoencoder

从基线到随访：利用因果层次变分自编码器在UK Biobank中生成脊柱DXA图像

Yilin Zhang, Nicholas C. Harvey, Nicholas R. Fuggle, Rahman Attar

机构 * School of Electronics and Computer Science（电子与计算机科学学院） ； University of Southampton（萨塞克斯大学） ； MRC Lifecourse Epidemiology Centre（英国医学研究理事会生命周期流行病学中心） ； University of Southampton, Southampton General Hospital（萨塞克斯大学索马塞特医院） ； Computer Science University of Southampton（计算机科学萨塞克斯大学） 纠错

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

AI总结 本文提出了一种基于元数据的因果层次变分自编码器，用于在UK Biobank中生成一致的脊柱DXA图像，通过基线到随访的设置评估因果一致性，展示了年龄干预下关键椎体形态学变量的高一致性，支持了在解剖上合理的DXA图像合成。

Comments 7 pages, 4 figures, 3 tables. Accepted at the 48th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC 2026)

Lens: Rethinking Training Efficiency for Foundational Text-to-Image Models

Lens：重新思考基础文本到图像模型的训练效率

Dong Chen, Fangyun Wei, Ziyu Wan, Dongdong Chen, Jiawei Zhang, Jinjing Zhao, Sirui Zhang, Yang Yue, Zhiyang Liang, Baining Guo, Chong Luo, Jianmin Bao, Ji Li, Lei Shi, Qinhong Yang, Xiuyu Wu, Xuelu Feng, Yan Lu, Yanchen Dong, Yitong Wang, Yunuo Chen

机构 * Microsoft Lens Team（微软Lens团队） 纠错

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

AI总结 本文提出Lens，一个具有38亿参数的文本到图像模型，在多种基准测试中表现与超过60亿参数的最新模型相当甚至更优，同时训练计算需求显著降低。通过最大化训练批次的数据信息密度和改进收敛速度的架构选择，实现了高效的训练和优化。

Comments Project Page: https://github.com/microsoft/Lens

Distributed Image Compression with Multimodal Side Information at Extremely Low Bitrates

分布式图像压缩与多模态侧信息在极低比特率下的应用

Guojun Xu, Mingyang Zhang, Jianwen Xiang, Cheng Tan, Yanchao Yang, Junwei Zhou

机构 * School of Computer Science and Artificial Intelligence, Wuhan University of Technology（武汉理工大学计算机科学与人工智能学院） 纠错

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

AI总结 本文提出了一种多模态分布式图像压缩框架（MDIC），通过利用多模态侧信息在极低比特率下实现高质量图像重建，核心方法是引入文本到图像扩散解码器和特征掩码生成器，以提升全局感知质量和局部细节保留能力。

Comments Accepted by CVPR2026