图像生成

BLM-SGAN: Bidirectional Language Modeling for Semantic-Spatial Text-to-Image Generation

BLM-SGAN: 用于语义-空间文本到图像生成的双向语言建模

Ahmed Abdelmoneim Mazrou, Haidy Maher El-Amir, Ali Hamdi

机构 * Faculty of Computer Science, MSA University, Egypt（MSA大学计算机科学学院，埃及） 纠错

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

AI总结 提出BLM-SGAN模型，利用BERT的双向注意力机制捕获长程依赖，解决GAN在文本到图像生成中的梯度消失和序列处理限制，在鸟类图像生成上达到SOTA。

Comments Published in ICACIn 2024. Appears in Advances on Intelligent Computing and Data Science II, Lecture Notes on Data Engineering and Communications Technologies, vol. 254, Springer, 2025

Journal ref Advances on Intelligent Computing and Data Science II (ICACIn 2024), Lecture Notes on Data Engineering and Communications Technologies, vol. 254, Springer, Cham, 2025

Exposing Hidden Biases in Text-to-Image Models via Automated Prompt Search

通过自动化提示搜索暴露文本到图像模型中的隐藏偏见

Manos Plitsis, Giorgos Bouritsas, Vassilis Katsouros, Yannis Panagakis

机构 * University of Edinburgh（爱丁堡大学） 纠错

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

AI总结 本文提出Bias-Guided Prompt Search框架，通过自动生成提示最大化图像偏见，揭示文本到图像模型中的隐藏偏见，提升公平性评估。

Comments ICML 2026. Code is here: https://github.com/manosplitsis/BGPS

Customization under Fire: Plugin Poisoning in Text-to-Image Ecosystem

战火中的定制化：文本到图像生态系统中的插件投毒

Jiahao Chen, Xing He, Yong Yang, Xinfeng Li, Chunyi Zhou, Junhao Li, Zhe Ma, Tianyu Du, Shouling Ji

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

AI总结 针对文本到图像生态系统中LoRA插件的供应链风险，提出PoisonLoRA方法，实现概念劫持和任务注入两种攻击，在多个数据集上达到近100%攻击成功率且难以被检测。

Comments Accepted to ACM CCS'26 Cycle 1

Echo-Memory: A Controlled Study of Memory in Action World Models

Echo-Memory：动作世界模型中记忆的受控研究

Wayne King, Zeyue Xue, Yuxuan Bian, Jie Huang, Haoran Li, Yaowei Li, Yaofeng Su, Yuming Li, Haoyu Wang, Shiyi Zhang, Songchun Zhang, Yuwei Niu, Sihan Xu, Junhao Zhuang, Haoyang Huang, Nan Duan

机构 * Joy Future Academy（京东探索研究院） 纠错

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

AI总结 提出Echo-Memory框架，通过控制变量法研究动作条件世界模型中的记忆机制，发现原始上下文容量和块状状态空间递归对开放域返回任务至关重要。

Comments 9 figures and 28 pages, Code at \href{https://github.com/Echo-Team-Joy-Future-Academy-JD/Echo-Memory}{this URL}

NutriMLLM: Multimodal Large Language Models for Dietary Micronutrient Analysis

NutriMLLM：用于膳食微量营养素分析的多模态大语言模型

Runze Yan, Minxiao Wang, Jiaying Lu, Darren Liu, Xiao Hu, Hanqi Luo

机构 * Emory University（埃默里大学） 纠错

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

AI总结 针对现有MLLM在膳食微量营养素估计中不可靠的问题，利用十年人口规模膳食回顾生成约110万图像-营养素三元组，微调Qwen3-VL和GLM-4.6V-Flash得到NutriMLLM，在真实图像上实现65种营养素全覆盖，准确率匹配或超越专有模型。

Comments 35 pages, 10 figures, 1 table

Need We Teach Foundation Models What is a Generative Image? Gradient-Free Generative Artifact Detection via Analytic Spectral Adaptation

我们是否需要教基础模型什么是生成图像？基于解析谱自适应的无梯度生成伪影检测

Qiaoyu Chen, Bing Zhang

机构 * Harbin University of Commerce（哈尔滨商业大学） 纠错

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

AI总结 提出无梯度方法，将生成伪影检测重构为分布外异常度量问题，通过解析解耦统计与语义偏差，在零样本设置下显著优于梯度优化方法。

Segmentation-Assisted Brain MRI Synthesis with Cross-Image Multi-Contrast Feature Memory Bank Retrieval Augmentation

基于跨图像多对比度特征记忆库检索增强的分割辅助脑MRI合成

Wenwei Huang, Jia Wei, Jianlong Zhou

机构 * South China University of Technology（华南理工大学） ； University of Technology Sydney（悉尼科技大学） 纠错

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

AI总结 提出分割辅助的闭环生成对抗框架，通过辅助分割分支和双库检索增强策略，提高多对比度脑MRI中肿瘤区域的合成保真度。

Can You Trust What You See? Human and AI Detection of Synthetic Legal Evidence

你能相信你所见的吗？人类与AI对合成法律证据的检测

Jinzhe Tan, Ali Ekber Cinar, Karim Benyekhlef

机构 * Faculty of Law, McGill University（麦吉尔大学法学院） 纠错

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

AI总结 研究人类和前沿多模态大模型在民事纠纷场景中区分真实照片与AI生成图像的能力，发现两者均不可靠，提出结合人工审查、MLLM筛查和来源认证的解决方案。

IGenBench: Benchmarking the Reliability of Text-to-Infographic Generation

IGenBench：文本到信息图生成可靠性基准测试

Yinghao Tang, Xueding Liu, Boyuan Zhang, Tingfeng Lan, Yupeng Xie, Jiale Lao, Yiyao Wang, Haoxuan Li, Tingting Gao, Bo Pan, Luoxuan Weng, Xiuqi Huang, Minfeng Zhu, Yingchaojie Feng, Yuyu Luo, Wei Chen

机构 * State Key Lab of CAD&CG, Zhejiang University（浙江大学CAD与CG国家重点实验室） ； UESTC ； University of Virginia（弗吉尼亚大学） ； HKUST(GZ)（香港科技大学（广州）） ； Cornell University（康奈尔大学） ； Zhejiang University（浙江大学） ； National University of Singapore（新加坡国立大学） 纠错

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

AI总结 提出IGENBENCH基准，包含30种信息图类型和600个测试用例，通过多模态大语言模型分解为10类原子问题评估10种T2I模型，发现数据完整性等维度是普遍瓶颈。

BiFM: Bidirectional Flow Matching for Few-Step Image Editing and Generation

BiFM：双向流匹配用于少步图像编辑与生成

Yasong Dai, Zeeshan Hayder, David Ahmedt-Aristizabal, Hongdong Li

机构 * Australian National University（澳大利亚国立大学） ； Data61-CSIRO 纠错

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

AI总结 BiFM通过双向流匹配框架统一学习生成与反向过程，解决少步采样中正向过程近似差问题，提升图像编辑质量与通用性。

Comments Accepted in CVPR2026

IEA: Amateur-Friendly Conversational Image Editing Agent via Three Stages of Multitask Alignment

IEA：通过三阶段多任务对齐的业余友好型对话式图像编辑代理

Zichen Zhu, Yuheng Sun, Mingxuan Zhu, Wenjie Ma, Situo Zhang, Zhexiang Wang, Ziyue Yang, Danyang Zhang, Kunyao Lan, Zihan Zhao, Dingye Liu, Siqi Xiang, Lu Chen, Kai Yu

机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institution（上海创新研究院） ； Huawei Technologies Ltd.（华为技术有限公司） ； Nanyang Technological University（南洋理工大学） ； Jiangsu Key Lab of Language Computing（江苏省语言计算重点实验室） 纠错

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

AI总结 提出IEA对话式图像编辑代理，通过三阶段多任务训练学习操作参数化工具，实现可解释编辑轨迹，在像素距离和ROUGE-L指标上优于基线，用户研究中指令跟随和感知质量表现最佳。

Comments [CVPR 2026 Findings] Our data and code are released at https://github.com/OpenDFM/Image_Edit_Agent

Bokeh Diffusion: Defocus Blur Control in Text-to-Image Diffusion Models

Bokeh Diffusion：文本到图像扩散模型中的散焦模糊控制

Armando Fortes, Tianyi Wei, Shangchen Zhou, Xingang Pan

机构 * S-Lab, Nanyang Technological University（S实验室，南洋理工大学） 纠错

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

AI总结 提出Bokeh Diffusion框架，通过物理散焦模糊参数条件化扩散模型，结合混合训练流程和接地自注意力机制，实现场景一致的散景模糊控制，支持双向模糊强度调整和真实图像编辑。

Comments SIGGRAPH Asia 2025. Project page: https://atfortes.github.io/projects/bokeh-diffusion/

PTL-Diffusion: Manifold-Aware Diffusion with Periodic Terminal Laws

PTL-Diffusion: 具有周期终端定律的流形感知扩散

Danqi Zhuang, Jisui Huang, Xiaoyue Xi, Andrew Kiggins, Xiaojie Wang, Ke Chen, Yue Wu

机构 * University of Pennsylvania（宾夕法尼亚大学） ； University of Cambridge（剑桥大学） ； University of Oxford（牛津大学） ； Harvard University（哈佛大学） ； MIT（麻省理工学院） ； University of Washington（华盛顿大学） 纠错

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

AI总结 提出PTL-Diffusion，通过将前向噪声过程收敛到周期高斯终端族而非单一分布，显式嵌入相位结构，改善低维流形上的分布匹配，在点云和人脸数据集上降低误差。

EditSSC: Toward Editable Semantic Occupancy Scenes with Unconditional Diffusion Models

EditSSC: 基于无条件扩散模型的可编辑语义占用场景

Fatima Balde, Raoul de Charette, Alexandre Boulch

机构 * Inria（法国国家信息与自动化研究所） ； Valeo.ai（法雷奥人工智能实验室） 纠错

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

AI总结 提出EditSSC方法，利用2D BEV表示和现成潜扩散网络实现3D语义场景生成与免训练编辑，在SemanticKITTI上优于现有3D专用基线。

Comments Accepted at CVPR 2026 Workshop

Mitigating Diffusion Model Hallucinations with Dynamic Guidance

通过动态引导缓解扩散模型幻觉

Kostas Triaridis, Alexandros Graikos, Aggelina Chatziagapi, Grigorios G. Chrysos, Dimitris Samaras

机构 * Stony Brook University（石溪大学） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） 纠错

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

AI总结 针对扩散模型因分数函数过度平滑导致的幻觉问题，提出动态引导方法，沿预定方向选择性锐化分数函数，保留有效语义变化，显著减少幻觉。

Comments Project page: https://cvlab-stonybrook.github.io/DynamicGuidance/

When Do Diffusion Models learn to Generate Multiple Objects?

扩散模型何时学会生成多个物体？

Yujin Jeong, Arnas Uselis, Iro Laina, Seong Joon Oh, Anna Rohrbach

机构 * University of California, Berkeley（加州大学伯克利分校） ； University of Cambridge（剑桥大学） ； University of Washington（华盛顿大学） ； University of Toronto（多伦多大学） 纠错

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

AI总结 研究探讨了扩散模型在多物体生成中的局限性，发现场景复杂度比概念不平衡更关键，且低数据条件下计数任务更难学习。

Comments ICML2026

Simple Self-Conditioning Adaptation for Masked Diffusion Models

简单自条件适应用于掩码扩散模型

Michael Cardei, Huu Binh Ta, Ferdinando Fioretto

机构 * University of Virginia（弗吉尼亚大学） 纠错

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

AI总结 本文提出一种简单有效的后训练适应方法，通过自条件预测提升掩码扩散模型的生成能力，减少生成困惑度并提升图像合成和分子生成质量。

Real-Time AttentionBender: Granular Interactive Network Bending of Video Diffusion Transformers

实时注意力弯曲：视频扩散变换器的粒度交互式网络弯曲

Adam Cole, Rebecca Fiebrink, Mick Grierson

机构 * Creative Computing Institute（创意计算研究所） ； University of the Arts London（伦敦艺术大学） 纠错

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

AI总结 提出实时注意力弯曲工具，通过操纵视频扩散变换器的自注意力、交叉注意力及前馈网络，实现逐层、逐步、逐令牌的交互式生成控制，增强艺术家的创作代理与模型材料亲密性。

Comments 5 pages, 4 figures. Accepted to ACM Creativity & Cognition XAIxArts Workshop 2026

Evaluating the Representation Space of Diffusion Models via Self-Supervised Principles

通过自监督原则评估扩散模型的表示空间

Xiao Li, Yixuan Jia, Zekai Zhang, Xiang Li, Lianghe Shi, Jinxin Zhou, Zhihui Zhu, Liyue Shen, Qing Qu

机构 * University of Science and Technology of China（中国科学技术大学） 纠错

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

AI总结 受自监督学习启发，提出基于Fisher信息的度量ICR，分解特征为不变和残差成分，用于联合评估扩散模型的表示与生成能力，发现中间噪声水平下不变性最强且分类性能最佳，ICR可敏感检测训练中的记忆化。

Comments First two authors contributed equally. Accepted at ICML 2026

TUDSR: Twice Upsampling-Diffusion for Higher Super-Resolution

TUDSR: 用于更高超分辨率的两次上采样扩散

Zhiqiang Wu, Yitong Dong, Xian Wei

机构 * East China Normal University（华东师范大学） ； Zhejiang University（浙江大学） 纠错

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

AI总结 提出TUDSR框架，通过两阶段训练（R分辨率和NR分辨率）结合循环分块策略，在SD2.1基础上实现1024²和2048²高分辨率图像超分辨率，显著优于现有方法。

Echo-DM: Ultrasound Marker Removal via Conditional Latent Diffusion and Region-Aware Fusion

Echo-DM: 通过条件潜在扩散和区域感知融合去除超声标记

Zhiwei Wang, Tao Huang, Wentao Jiang, Muyi Li, Jianxin Liu, Jian Chen, Jie Zou, Yong Luo, Bo Du, Jing Zhang

机构 * School of Computer Science, Wuhan University, China（武汉大学计算机学院） ； The Central Hospital of Wuhan, China（武汉市中心医院） ； School of Computer Science, Hubei University of Technology, China（湖北工业大学计算机学院） 纠错

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

AI总结 提出Echo-DM框架，结合条件潜在扩散和区域感知融合，在无掩码条件下有效去除超声图像中的人工标记，同时保持解剖结构保真度。

Comments 18 pages, 4 figures

LiteVSR: Lightweight Adaptation of Frozen Diffusion Transformers for Video Super-Resolution

LiteVSR: 冻结扩散变换器的轻量级自适应用于视频超分辨率

Yu Cao, Ziquan Liu, Zhensong Zhang, Jiankang Deng, Shaogang Gong, Jifei Song

机构 * University of Science and Technology of China（中国科学技术大学） 纠错

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

AI总结 提出LiteVSR，利用流匹配原理，通过轻量级状态感知适配器在冻结扩散变换器上实现视频超分辨率，仅需11.25%可训练参数和12 GPU小时训练。

Rethinking 3D Shape Generation: Diffusion over Superquadrics

重新思考3D形状生成：超二次曲面上的扩散

Zhiyang Liu, Wanze Li, Yuwei Wu, Chengran Yuan, Jiawei Sun, Rui Zheng, Marcelo H Ang

机构 * University of Science and Technology of China（中国科学技术大学） 纠错

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

AI总结 提出将扩散模型从高基数几何表示转移到紧凑的超二次曲面参数上，以降低计算和内存成本，并支持无分辨率点云解码、部件级编辑和约束设计，实现高效生成。

Comments Accepted to ICML2026

MaskAlign: Token-Subset Representation Alignment for Efficient Diffusion Training

MaskAlign: 面向高效扩散训练的令牌子集表示对齐

Lianyu Pang, Tianlin Pan, Cheng Da, Changqian Yu, Huan Yang, Kun Gai, Song Guo, Wenhan Luo

机构 * The Hong Kong University of Science and Technology（香港科技大学） ； Kuaishou Technology（快手科技） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

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

AI总结 针对扩散模型与预训练视觉模型表示对齐中令牌级信息不匹配问题，提出MaskAlign方法，通过随机采样令牌子集进行对齐，并引入预掩码令牌混合块减少信息损失，提升训练效率和生成质量。

Less Is More: Training-Free Acceleration Framework of 3D Diffusion Models for Low-Count PET Denoising via Global-Local Trajectory Reduction

少即是多：通过全局-局部轨迹缩减实现低计数PET去噪的3D扩散模型免训练加速框架

Yuhan Liu, Scott M. Leonard, Marlee Crews, Muhannad Fadhel, Jinkui Hao, Tianqi Chen, Ryan J. Avery, Bo Zhou

机构 * Northwestern University（西北大学） ； Hefei University of Technology（合肥工业大学） 纠错

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

AI总结 提出一种免训练的全局-局部跳跃策略，通过噪声一致变换初始化中间步骤和重用U-Net特征，在加速3D扩散模型去噪的同时提升重建质量。

Comments 19 pages, 10 figures, 5 tables

Reconstructing Synthetic SDO/AIA 193 A EUV Images from He I 10830 A Observations with Diffusion Model Translator

利用扩散模型翻译器从He I 10830 Å观测重建合成SDO/AIA 193 Å EUV图像

Marco Marena, Qin Li, Haimin Wang, Haodi Jiang, Prajwal Shah, Bo Shen

机构 * Department of Mechanical and Industrial Engineering, New Jersey Institute of Technology（机械与工业工程系，新泽西理工学院） ； Department of Physics, New Jersey Institute of Technology（物理系，新泽西理工学院） ； Department of Computer Science, Sam Houston State University（计算机科学系，萨姆霍斯顿州立大学） ； Department of Computer Science, New Jersey Institute of Technology（计算机科学系，新泽西理工学院） ； Department of Data Science, New Jersey Institute of Technology（数据科学系，新泽西理工学院） 纠错

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

AI总结 提出基于扩散的日冕洞感知翻译模型（CH-aware DMT），从He I图像重建AIA 193 Å EUV图像，在测试集上保持全盘EUV形态（CC=0.92）和日冕洞结构（CC=0.84），并通过历史数据验证其物理合理性。

Where the Score Lives: A Wavelet View of Diffusion

分数函数所在之处：扩散的小波视角

Emma Finn, Binxu Wang, T. Anderson Keller, Demba E. Ba

机构 * The Kempner Institute for the Study of Natural and Artificial Intelligence（肯普纳自然与人工智能研究所） ； Harvard University（哈佛大学） 纠错

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

AI总结 提出基于二维正交小波基的分数函数参数化，通过数据分布矩分析揭示不同架构的归纳偏差，解释扩散模型中分数网络与数据分布的相互作用。

Comments 20 pages, 12 figures, AISTATS 2026

Journal ref Proceedings of the 29th International Conference on Artificial Intelligence and Statistics (AISTATS) 2026, Tangier, Morocco. PMLR: Volume 300

Property-Informed Diffusion-Based Text-to-Microstructure Generation

基于属性信息的扩散模型文本到微结构生成

Bingxuan Dai, Hongsong Wang, Jie Gui

机构 * School of Cyber Science and Engineering, Southeast University（东南大学网络空间安全学院） ； School of Computer Science and Engineering, Southeast University（东南大学计算机科学与工程学院） ； Key Laboratory of New Generation Artificial Intelligence Technology and Its Interdisciplinary Applications (Southeast University), Ministry of Education（教育部新一代人工智能技术及其跨学科应用重点实验室（东南大学）） ； Purple Mountain Laboratories（紫金山实验室） ； Engineering Research Center of Blockchain Application, Supervision And Management (Southeast University), Ministry of Education（教育部区块链应用监管工程研究中心（东南大学）） 纠错

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

AI总结 提出一种属性信息驱动的扩散网络，从文本描述直接生成3D微结构，通过对比文本-结构对齐和测试时奖励引导对齐确保生成结构的语义和物理可行性。

Comments Published in CVPR2026, Code is at: https://github.com/hongsong-wang/PropDiff-TMG

TBD-VLA: Temporal Block Diffusion Vision Language Action Model

TBD-VLA: 时序块扩散视觉语言动作模型

Sung-Wook Lee, Xuhui Kang, Yen-Ling Kuo

机构 * University of Virginia（弗吉尼亚大学） 纠错

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

AI总结 提出TBD-VLA框架，通过时序块扩散机制实现离散令牌VLA模型的并行动作生成，兼顾时序连贯性与推理速度，在仿真和真实任务中优于先前方法。

Coarse-to-Fine Hierarchical Alignment for UAV-based Human Detection using Diffusion Models

基于扩散模型的UAV人类检测粗到细层次对齐

Wenda Li, Meng Wu, Liangzhao Chen, Sungmin Eum, Heesung Kwon, Qing Qu

机构 * University of Science and Technology of China（中国科学技术大学） 纠错

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

AI总结 本文提出Coarse-to-Fine Hierarchical Alignment框架，通过合成数据转换缩小领域差距，提升UAV人类检测精度，实验显示mAP50提升14.1%。