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