图像生成

KG-FairDiff: Knowledge Graph-Guided Prompt Refinement for Demographically Fair Text-to-Image Generation

KG-FairDiff: 知识图谱引导的提示词精炼用于人口统计公平的文本到图像生成

Farbod Davoodi, Seyed Reza Tavakoli Shiyadeh, Pooria Safaei, Sana Harighi, Parsa Gholami, Amirali Amini, Kimia Vanaei, Emad Firoozi, Parham Abed Azad, Babak Khalaj, Siavash Ahmadi, Amir Hossein Payberah, Mohammad Hossein Rohban, Soheil Kolouri, Ali Diba

机构 * University of Science and Technology of China（中国科学技术大学） ； Sharif University of Technology（谢赫·伊斯兰大学） ； Iran University of Science and Technology（伊朗科学技术大学） 纠错

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

AI总结 提出KG-FairDiff框架，通过知识图谱引导的提示词精炼，在推理时优化公平性损失，减少文本到图像生成中的性别、种族、年龄等人口统计偏差，同时保持语义保真度。

SurrogateSHAP: Training-Free Contributor Attribution for Text-to-Image (T2I) Models

SurrogateSHAP：文本到图像（T2I）模型的无训练贡献者归因

Mingyu Lu, Soham Gadgil, Chris Lin, Chanwoo Kim, Su-In Lee

机构 * University of California, Berkeley（加州大学伯克利分校） 纠错

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

AI总结 针对文本到图像扩散模型中数据贡献者公平估值的高计算成本问题，提出基于预训练模型推理的无重训练框架SurrogateSHAP，利用梯度提升树近似效用函数并解析计算Shapley值，在多个任务上以更低开销超越现有方法。

DetailMaster: Can Your Text-to-Image Model Handle Long Prompts?

DetailMaster：你的文本到图像模型能处理长提示吗？

Qirui Jiao, Daoyuan Chen, Yilun Huang, Xika Lin, Ying Shen, Yaliang Li

机构 * Sun Yat-Sen University（中山大学） ； Alibaba Group（阿里巴巴集团） ； Worcester Polytechnic Institute（沃斯特理工学院） ； Guangdong Provincial Key Laboratory of Fire Science and Intelligent Emergency Technology（广东省火灾科学与智能应急技术重点实验室） 纠错

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

AI总结 提出DetailMaster基准，通过自动数据构建和评估流程，系统评估文本到图像模型在长提示下的性能，发现编码器和扩散模型在细节密集条件下的局限性，并证明高保真生成需要扩展提示限制与长提示训练的协同组合。

Comments 36 pages, 10 figures, 21 tables, accepted by ICML2026

Restoring Initial Noise Sensitivity in Text-to-Image Distillation via Geometric Alignment

通过几何对齐恢复文本到图像蒸馏中的初始噪声敏感性

Huayang Huang, Ruoyu Wang, Jinhui Zhao, Wei Deng, Daiguo Zhou, Jian Luan, Yu Wu, Ye Zhu

机构 * Huazhong University of Science and Technology（华中科技大学） 纠错

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

AI总结 提出几何感知蒸馏（GAD）框架，通过匹配雅可比-向量积来对齐教师和学生模型的局部功能行为，从而恢复文本到图像蒸馏中丢失的初始噪声敏感性，提升下游噪声驱动控制任务的性能。

Comments ICML 2026

APE: Agentic Prompt Enhancer for Image Generation and Editing

APE: 用于图像生成与编辑的智能提示增强器

Zijian Huang, Jay Zhangjie Wu, Zian Wang, Tianshi Cao, Jiasi Chen, Sanja Fidler, Huan Ling, Xuanchi Ren

机构 * NVIDIA ； University of Michigan（密歇根大学） 纠错

专题命中 文生图 ：image generation(title,abstract)；分类 cs.CV

AI总结 提出APE框架，通过后训练小型语言模型作为提示增强代理，以单代理或多代理方式改进文本到图像生成与编辑中的提示质量，无需修改下游视觉模型。

Comments Project Page: https://research.nvidia.com/labs/sil/projects/ape/

OctoT2I: A Self-Evolving Agentic Text-to-Image Router

OctoT2I：一种自我进化的智能文本到图像路由系统

Xu Jiang, Bin Chen, Gehui Li, Yule Duan, Ronggang Wang, Jian Zhang

机构 * School of Electronic and Computer Engineering, Peking University（电子与计算机工程学院，北京大学） ； Guangdong Provincial Key Laboratory of Ultra High Definition Immersive Media Technology, Shenzhen Graduate School, Peking University（广东省超高清沉浸媒体技术重点实验室，北京大学深圳研究生院） 纠错

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

AI总结 提出OctoT2I框架，通过自进化机制构建知识库并采用状态化多轮路由策略，联合优化生成质量与推理效率，在GenEval上达到0.96性能，同时实现90.3%推理加速和56.6%能效提升。

Beyond Categories of Caste: Examining Caste Bias and Morality in Text-to-Image AI Models

超越种姓类别：审视文本到图像AI模型中的种姓偏见与道德

Divyanshu Kumar Singh, Dipto Das, Deepika Rama Subramanian, Koustuv Saha, Stephen Voida, Bryan Semaan

机构 * University of Colorado Boulder（科罗拉多大学波得尔分校） ； University of Toronto（多伦多大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

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

AI总结 通过算法审计与批判性话语分析，揭示文本到图像模型如何超越上下种姓二元对立而延续种姓偏见，并提出反种姓方法应对AI系统中的公平问题。

Do Text Edits Generalize to Visual Generation? Benchmarking Cross-Modal Knowledge Editing in UMMs

文本编辑能否泛化到视觉生成？统一多模态模型中的跨模态知识编辑基准

Xin Gao, Cheng Yang, Chufan Shi, Taylor Berg-Kirkpatrick

机构 * University of California, Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学） ； University of Toronto（多伦多大学） ； University of Washington（华盛顿大学） 纠错

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

AI总结 提出跨模态知识编辑基准UniKE，发现文本编辑在图像生成中效果显著下降（VQA准确率仅18.5%），并提出推理增强参数编辑方法提升跨模态迁移效果。

Comments Published at ICML 2026; Code and data available at https://github.com/gxx27/UniKE

ChatUMM: Robust Context Tracking for Conversational Interleaved Generation

ChatUMM: 面向对话式交错生成的鲁棒上下文追踪

Wenxun Dai, Zhiyuan Zhao, Yule Zhong, Yiji Cheng, Jianwei Zhang, Linqing Wang, Shiyi Zhang, Yunlong Lin, Runze He, Fellix Song, Wayne Zhuang, Yong Liu, Haoji Zhang, Yansong Tang, Chunyu Wang

机构 * Tsinghua University（清华大学） ； Tencent Hunyuan Project lead（腾讯文心一言项目负责人） 纠错

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

AI总结 提出ChatUMM，一种通过交错多轮训练策略和系统化对话数据合成流水线实现鲁棒上下文追踪的对话式统一多模态模型，在视觉理解和指令引导编辑基准上达到开源模型最优性能。

Comments ChatUMM Project

RU4D-SLAM: Reweighting Uncertainty in Gaussian Splatting SLAM for 4D Scene Reconstruction

RU4D-SLAM：面向4D场景重建的高斯溅射SLAM不确定性重加权

Yangfan Zhao, Hanwei Zhang, Ke Huang, Qiufeng Wang, Zhenzhou Shao, Dengyu Wu

机构 * Capital Normal University（首都师范大学） ； Saarland University（萨尔兰大学） ； Xi’an Jiaotong-Liverpool University（西安交通大学利物浦大学） ； King’s College London（伦敦国王学院） 纠错

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

AI总结 提出RU4D-SLAM框架，通过引入时间因子、不确定性感知和语义引导重加权机制，解决动态环境中3D高斯溅射SLAM的跟踪与4D场景重建问题。

Beyond Objects: Contextual Synthetic Data Generation for Fine-Grained Classification

超越对象：面向细粒度分类的上下文合成数据生成

William Yang, Xindi Wu, Zhiwei Deng, Esin Tureci, Olga Russakovsky

机构 * Princeton University（普林斯顿大学） ； Google DeepMind（谷歌DeepMind） 纠错

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

AI总结 提出BOB微调策略，通过提取并条件化类不可知属性（如场景背景和物体姿态）来缓解过拟合，提升细粒度分类中合成训练数据的质量，在多个数据集上达到最优性能。

Comments CVPR 2026

MT-EditFlow: Reinforcement Learning for Multi-Turn Image Editing with Flow Matching

MT-EditFlow：基于流匹配的多轮图像编辑强化学习

Jiahui Huang, Yasi Zhang, Tianyu Chen, Shu Wang, Jianwen Xie, Oscar Leong, Mingyuan Zhou, Nanzhu Wang, Ying Nian Wu

机构 * Apple（苹果公司） ； University of California, Los Angeles（加州大学洛杉矶分校） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Lambda, Inc（Lambda公司） 纠错

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

AI总结 提出MT-EditFlow框架，通过流匹配强化学习优化多轮图像编辑的奖励信号，解决单轮编辑模型在多轮交互中的失败和误差传播问题，显著提升多轮编辑性能。

Order within Chaos: Capturing Intrinsic Energy Anomalies for AI-Manipulated Image Forgery Localization

混沌中的秩序：捕捉AI操纵图像伪造定位的内在能量异常

Yiming Wang, Baiqi Wu, Qingming Li, Jiahao Chen, Tong Zhang, Shouling Ji

机构 * Zhejiang University（浙江大学） 纠错

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

AI总结 本文提出FLAME框架，利用扩散过程抑制局部高频方差产生的统计能量间隙，结合LAD图和SAM适配器实现像素级伪造定位，并引入EditStream流水线持续合成训练数据，在AI生成伪造数据集上达到最先进性能。

Comments Accepted by ICML 2026

ProductWebGen: Benchmarking Multimodal Product Webpage Generation

ProductWebGen: 多模态产品网页生成基准测试

Zhihong Liu, Siqi Kou, Zheng Li, Ye Ma, Quan Chen, Peng Jiang, Kai Yu, Zhijie Deng

机构 * School of Computer Science & Zhiyuan College（计算机科学学院及智远学院） ； Shanghai Jiao Tong University（上海交通大学） ； Kuaishou Technology（快手科技） 纠错

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

AI总结 提出ProductWebGen基准，用于评估多模态生成模型从产品图像和指令生成一致产品展示网页的能力，并比较了基于编辑和基于统一模型两种工作流。

Comments Accepted by KDD 2026

Hist2Style: Histogram-Guided Stylization with Bilateral Grids

Hist2Style: 基于双边网格的直方图引导风格化

Dekel Galor, Adam Pikielny, Zhoutong Zhang, Ke Wang, Laura Waller, Jiawen Chen, Ilya Chugunov

机构 * Adobe Nextcam ； University of California, Berkeley（加州大学伯克利分校） 纠错

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

AI总结 提出Hist2Style，利用双边网格实现快速、边缘感知的逼真风格迁移，通过蒸馏大模型为轻量网络，并基于直方图嵌入提供可解释的用户控制。

Comments 10 pages, 8 figures. Extended results are at https://www.dekelgalor.com/hist2style

TECCI: Tricky Edits of Collected and Curated Images

TECCI：收集与策划图像的棘手编辑

Aishwarya Agrawal, Roy Hirsch, Yasumasa Onoe, Sherry Ben, Jason Baldridge

机构 * Google Research（谷歌研究） ； Google DeepMind（谷歌DeepMind） 纠错

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

AI总结 提出TECCI基准，包含7550对图像与编辑指令，通过人工与自动评估揭示现有图像编辑模型在指令遵循、最小编辑和视觉质量方面的不足。

You Don't Need All That Attention: Surgical Memorization Mitigation in Text-to-Image Diffusion Models

你不需要所有注意力：文本到图像扩散模型中的外科记忆缓解

Kairan Zhao, Eleni Triantafillou, Peter Triantafillou

机构 * University of California, San Diego（加州大学圣地亚哥分校） 纠错

专题命中 扩散模型 ：text-to-image(title,abstract)；diffusion(title,abstract)；image generation(abstract)；分类 cs.CV

AI总结 提出GUARD框架，通过吸引-排斥动力学调整去噪过程，结合交叉注意力衰减机制，在不损害图像质量的前提下有效缓解文本到图像扩散模型中的记忆问题。

Comments Accepted at ICML 2026

EMoE: Training-Free Expert Disagreement for Uncertainty-Aware Text-to-Image Diffusion

EMoE: 面向不确定性感知的文本到图像扩散的无训练专家分歧方法

Lucas Berry, Axel Brando, Wei-Di Chang, Juan Camilo Gamboa Higuera, David Meger

机构 * McGill University（麦吉尔大学） ； Barcelona Supercomputing Center (BSC)（巴塞罗那超级计算中心 (BSC)） ； Ideogram AI 纠错

专题命中 扩散模型 ：text-to-image(title,abstract)；diffusion(title,abstract)；image generation(abstract)

AI总结 提出EMoE方法，通过预训练MoE扩散模型中早期MoE层的专家分歧，无需训练即可估计认知不确定性，用于提示风险诊断和生成质量排序。

Ultra Diffusion Poser: Diffusion-Based Human Motion Tracking From Sparse Inertial Sensors and Ranging-Based Between-Sensor Distances

超扩散姿态估计器：基于扩散的从稀疏惯性传感器和测距传感器间距离的人体运动跟踪

Dominik Hollidt, Tommaso Bendinelli, Christian Holz

机构 * Department of Computer Science, ETH Zurich（苏黎世联邦理工学院计算机科学系） 纠错

专题命中 扩散模型 ：diffusion(title,summary_cn)；分类 cs.CV、cs.GR

AI总结 提出Ultra Diffusion Poser扩散模型，通过显式建模UWB测距的几何约束（空间布局模块解析重建传感器位置）和引入UWB扩散引导，在扩散采样中强制预测姿态与实测距离对齐，将关节位置误差降低22%。

Comments CVPR 2026 - Computer Vision and Pattern Recognition

Journal ref Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2026, pp. 7036-7046

Coarse-to-Fine Compositional Diffusion for Long-Horizon Planning

粗到细的组合扩散用于长时域规划

Byoungwoo Park, Utkarsh A. Mishra, Jaemoo Choi, Juho Lee, Yongxin Chen

机构 * KAIST（韩国科学技术院） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

专题命中 扩散模型 ：diffusion(title,summary_cn)；image generation(abstract)

AI总结 提出Coarse-to-Fine Compositional Diffusion (CoFi)方法，通过先形成全局骨架再细化局部细节，在长时域机器人规划、全景图像生成和长视频生成中提升全局一致性和局部质量，同时减少2-8倍去噪评估次数。

Comments Project page: https://cofi-diffusion.github.io

Agents of Diffusion: Enhancing Diffusion Language Models with Multi-Agent Reinforcement Learning for Structured Data Generation (Extended Version)

扩散代理：利用多智能体强化学习增强扩散语言模型以生成结构化数据（扩展版）

Aja Khanal, Kaushik T. Ranade, Rishabh Agrawal, Kalyan S. Basu, Apurva Narayan

专题命中 扩散模型 ：diffusion(title,summary_cn)

AI总结 提出Agents of Diffusion (AoD)框架，通过多智能体强化学习结合扩散语言模型与自回归模型的推理能力，实现高语义新颖性和结构保真度的结构化数据生成。

Journal ref Proc. of the 25th International Conference on Autonomous Agents and Multiagent Systems (AAMAS 2026)

Training-free image inversion for one-step diffusion models

无需训练的一步扩散模型图像反演

Tao Wu, Senmao Li, Yaxing Wang, Shiqi Yang, Kai Wang, Joost van de Weijer

机构 * CVC, University of Alabama in Birmingham（CVC，阿拉巴马大学伯明翰分校） ； Machine Intelligence Institute, Masdar Institute of Science and Technology（机器智能研究所，马斯达尔科技 institute） ； Jilin University（吉林大学） ； City University of Hong Kong, Department of Geography（香港城市大学地理系） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)；text-to-image(abstract)；image editing(abstract)；分类 cs.CV

AI总结 提出一种无需训练的反演框架TFinv，通过迭代噪声对齐和后缀学习解决一步扩散模型中真实图像反演与编辑的关键挑战，实现高效编辑。

Comments Accepted to Pattern Recognition

Pinterest Canvas: Large-Scale Image Generation at Pinterest

Pinterest Canvas: Pinterest 的大规模图像生成系统

Yu Wang, Eric Tzeng, Raymond Shiau, Jie Yang, Dmitry Kislyuk, Charles Rosenberg

机构 * Pinterest, Inc.（Pinterest公司） 纠错

专题命中 扩散模型 ：image generation(title,abstract)；diffusion(abstract)；image editing(abstract)；分类 cs.CV

AI总结 本文提出 Pinterest Canvas，一个基于扩散模型的大规模图像生成系统，通过基础模型微调为特定任务（如背景增强和宽高比外扩）生成专用模型，并在线上实验中分别获得18.0%和12.5%的参与度提升。

Comments Accepted by KDD 2026 Applied Data Science Track

Hallucination-Aware Diffusion Sampling for Inverse Problems via Robust Prior Updates

基于鲁棒先验更新的幻觉感知扩散采样用于逆问题

Pengfei Jin, Yiqi Tian, Kailong Fan, Bingjie Qi, Quanzheng Li

机构 * Center for Advanced Medical Computing and Analysis, Massachusetts General Hospital and Harvard Medical School（先进医学计算与分析中心，麻省总医院和哈佛医学院） ； Department of Industrial Engineering, University of Pittsburgh（工业工程系，匹兹堡大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)；inpainting(abstract)；分类 cs.CV

AI总结 提出鲁棒先验更新模块，通过探测扩散先验更新的局部稳定性并重新锚定位移，减少逆问题求解中的测量条件幻觉，提升实例保真度。

Wavelet-Fusion Diffusion Model for Multimodal Brain MRI Synthesis with Modality and Metadata Conditioning

小波融合扩散模型用于多模态脑MRI合成，具有模态和元数据条件

Muhammad Nabi Yasinzai, Remika Mito, Mangor Pedersen

机构 * Department of Psychology & Neuroscience, Auckland University of Technology（心理学与神经科学系，奥克兰技术大学） ； Department of Psychiatry, University of Melbourne（精神病学系，墨尔本大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV

AI总结 提出一种小波融合扩散模型（WFDM），结合小波融合变分自编码器（WF-VAE）和条件3D U-Net扩散模型，通过显式模态和元数据条件实现多模态脑MRI合成，解决了数据集模态覆盖不均和异质性问题，在分布对齐上优于现有方法。

Comments 51 pages, 7 figures, including supplementary material. Submitted to Imaging Neuroscience

Score-Control for Hallucination Reduction in Diffusion Models

扩散模型中减少幻觉的分数控制

Mahesh Bhosale, Naresh Kumar Devulapally, Abdul Wasi, Chau Pham, Vishnu Suresh Lokhande, David Doermann

机构 * University at Buffalo（布法罗大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)；image generation(abstract)；分类 cs.CV

AI总结 针对扩散模型中的幻觉问题，提出基于方差引导的分数调制策略，通过控制分数雅可比矩阵减少幻觉，在保持高保真度和多样性的同时将幻觉降低约25%。

Set-Supervised Diffusion Policy: Learning Action-Chunking Diffusion through Corrections

集合监督扩散策略：通过修正学习动作分块扩散

Zhaoting Li, Gang Chen, Javier Alonso-Mora, Cosimo Della Santina, Jens Kober

机构 * University of California, Berkeley（加州大学伯克利分校） ； ETH Zurich（苏黎世联邦理工学院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出集合监督扩散策略（SDP），利用人类修正中的对比动作分块数据，通过构建期望动作分块集合来训练扩散策略，有效缓解分布偏移并提升鲁棒性。

CoreUnlearn: Rethinking Concept Unlearning through Disentangled Component-Level Erasure in Text-guided Diffusion Models

CoreUnlearn: 通过解耦组件级擦除重新思考文本引导扩散模型中的概念遗忘

Mengnan Zhao, Lihe Zhang, Baocai Yin

专题命中 扩散模型 ：diffusion(title,abstract)；image synthesis(abstract)

AI总结 提出CoreUnlearn方法，通过组件提取模块和交换解耦策略，在文本引导扩散模型中解耦并移除目标概念的关键组件，实现有效概念遗忘且最小化模型性能影响。

The Entropic Signature of Class Speciation in Diffusion Models

扩散模型中类别分化的熵特征

Florian Handke, Dejan Stančević, Felix Koulischer, Thomas Demeester, Luca Ambrogioni

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 通过追踪潜在语义变量的类别条件熵，检测扩散模型中的语义转变区间，并验证其在高斯混合模型和实际模型中的有效性。

Comments Accepted at International Conference on Machine Learning (ICML) 2026

Lookahead Sample Reward Guidance for Test-Time Scaling of Diffusion Models

前瞻样本奖励引导用于扩散模型的测试时缩放

Yeongmin Kim, Donghyeok Shin, Byeonghu Na, Minsang Park, Richard Lee Kim, Il-Chul Moon

机构 * KAIST（韩国科学技术院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出一种高效测试时缩放方法LiDAR采样，通过前瞻几步采样和精确求解器引导粒子向高奖励区域移动，无需反向传播，在GenEval上达到与最新梯度引导方法相同性能且加速9.5倍。

Comments ICML 2026 Spotlight