图像生成

Joint stochastic localization and applications

联合随机定位及其应用

Tom Alberts, Yiming Xu, Qiang Ye

专题命中 扩散模型 ：diffusion(abstract)

AI总结 将随机定位扩展为耦合概率测度的联合框架，定义Eldan α-距离，研究其理论性质并开发高效估计器，应用于分布数据分析。

Comments 68 pages; substantial revision including correcting an error in Theorem 3.1 (iii) in the previous version and adding a few new results

Complement or substitute? How AI increases the demand for human skills

互补还是替代？AI如何增加对人类技能的需求

Elina Mäkelä, Matthew Bone, Mareike Sehrer, Farah Nanji, Fabian Stephany

机构 * Oxford Internet Institute, University of Oxford（牛津互联网研究所，牛津大学） ； Burning Glass Institute（燃烧玻璃研究所） ； Institute for New Economic Thinking, Oxford Martin School（新经济思想研究所，牛津马丁学院） ； Bruegel（布鲁日） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 基于2018-2024年美、英、澳近3000万条招聘数据，发现AI岗位更需分析思维等互补技能，且这些技能带来工资溢价，并溢出至非AI岗位，同时替代技能需求下降。

Comments 69

Persistent Homology for High-dimensional Data Based on Spectral Methods

基于谱方法的高维数据持续同调

Sebastian Damrich, Philipp Berens, Dmitry Kobak

机构 * Hertie Institute for AI in Brain Health, University of Tübingen, Germany（图宾根大学希特研究所，德国） ； Tübingen AI Center, Germany（图宾根人工智能中心，德国） ； IWR, Heidelberg University, Germany（海德堡大学IWR研究所，德国） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文提出利用谱方法中的扩散距离和有效电阻检测高维噪声下的拓扑结构，推导出有效电阻的闭式公式，并应用于单细胞RNA测序数据以识别细胞周期环路。

Comments NeurIPS 2024, 54 pages, 44 figures

Journal ref Conference on Neural Information Processing Systems (NeurIPS) 2024

Entropic Optimal Transport Eigenmaps for Nonlinear Alignment and Joint Embedding of High-Dimensional Datasets

熵最优传输特征映射用于高维数据集的非线性对齐与联合嵌入

Boris Landa, Yuval Kluger, Rong Ma

机构 * Department of Electrical and Computer Engineering, Yale University（耶鲁大学电气与计算机工程系） ； Department of Biostatistics, Harvard University（哈佛大学生物统计学系） ； Program in Applied Mathematics, Yale University（耶鲁大学应用数学项目） ； Interdepartmental Program in Computational Biology and Bioinformatics, Yale University（耶鲁大学计算生物学与生物信息学跨学科项目） ； Department of Pathology, Yale University School of Medicine（耶鲁大学医学院病理学系） 纠错

专题命中 扩散模型 ：diffusion(abstract)

AI总结 提出熵最优传输特征映射方法，通过EOT计划矩阵的奇异向量对齐和联合嵌入两个数据集，具有理论保证，在生成模型下证明其收敛性，并在模拟和真实生物数据中展示优势。

Resolvent approach to diffusions with discontinuous scale

具有不连续尺度的扩散的预解式方法

Liping Li, Ying Li

专题命中 扩散模型 ：diffusion(abstract)

AI总结 本文研究尺度函数s仅非降时算子L=1/2 D_m D_s对应的马氏过程，证明其再生核由α-调和方程的两个正单调解生成，并诱导出与半群或Dirichlet型方法相同的马氏过程。

Anchor-Conditioned Compositional Control for Landscape Image Generation

基于锚点条件的景观图像生成组合控制

Gadha Lekshmi P, Govind Arun, Rohith Syam, Ahmed Elgammal

机构 * Rutgers University–New Brunswick（罗格斯大学新布朗斯维克分校） ； University of Maryland–College Park（马里兰大学帕克分校） ； University of Technology Sydney（悉尼科技大学） 纠错

专题命中 可控生成 ：image generation(title,abstract)；diffusion(abstract)；分类 cs.CV

AI总结 提出锚点条件微调框架，通过解耦交叉注意力机制注入四维组合锚点向量，实现景观图像生成中的组合控制，在水平线检测和三分法对齐上取得最优性能。

Comments Accepted to the International Conference on Computational Creativity, ICCC 2026

Cranio-Diff: Diffusion-based Cross-domain Craniofacial Reconstruction with 2D X-ray Skull Guidance and Structural Identity Constraints

Cranio-Diff: 基于扩散的跨模态颅面重建，利用二维X射线颅骨引导和结构身份约束

Ravi Shankar Prasad, Naresh Gurjar, Shashank Baghel, Chirag, Dinesh Singh

机构 * Indian Institute of Technology Mandi（印度理工学院曼迪分校） ； CSVTU Bhilai（恰蒂斯加尔邦斯瓦米·维韦卡南达技术大学比莱分校） 纠错

专题命中 可控生成 ：diffusion(title,abstract)；分类 cs.CV

AI总结 提出Cranio-Diff扩散框架，通过ControlNet的颅骨条件结构引导和生物特征文本条件，从2D X射线颅骨图像重建跨模态人脸，解决结构身份对齐问题，在120名受试者的颅面数据集上优于现有方法。

Comments 14 pages, 7 figures, BMVC 2026 conference

MedSyn2: Flexible Control of 3D CT Generation via Text and Semantically-Defined Segmentation Prompts

通过文本和语义定义的分割提示灵活控制3D CT生成

Weicheng Dai, Chenyu Wang, Binxu Li, Shantanu Ghosh, Afrooz Zandifar, Christina LeBedis, Kayhan Batmanghelich

机构 * Boston University School of Engineering（波士顿大学工程学院） ； Stanford University（斯坦福大学） ； University of Pittsburgh Medical Center（匹兹堡大学医学中心） ； Boston University School of Medicine（波士顿大学医学院） 纠错

专题命中 可控生成 ：image generation(abstract)；diffusion(abstract)；分类 cs.CV

AI总结 提出一种灵活的多模态框架，通过文本和可选分割提示控制3D CT生成，实现高分辨率、解剖一致且可控的体数据生成。

Late-Layer Fusion is Enough: Dual-Path Vision Token Routing for Multimodal Large Language Models under Visual Saturation

晚期融合足矣：面向视觉饱和的多模态大语言模型的双路径视觉令牌路由

Siyuan Liu, Jinyang Wu

机构 * School of Mechanics and Engineering Science, Peking University（北京大学力学与工程科学学院） ； Department of Automation, Tsinghua University（清华大学自动化系） 纠错

专题命中 可控生成 ：text-to-image(abstract)；分类 cs.CV

AI总结 针对多模态大语言模型中视觉令牌在深层饱和的问题，提出双路径视觉令牌路由（DPVR-LF），在饱和点将视觉令牌路由至单层可训练分支，仅最后层融合，以约3%可训练参数保持性能并减少计算。

Comments 18 pages, 4 figures. Submitted to Pattern Recognition

Self-Supervised Learning with a Multi-Task Latent Space Objective

基于多任务潜在空间目标的自监督学习

Pierre-François De Plaen, Abhishek Jha, Luc Van Gool, Tinne Tuytelaars, Marc Proesmans

机构 * ESAT-PSI, KU Leuven, Belgium（KU莱顿大学ESAT-PSI实验室） ； VIB.AI, KU Leuven, Belgium（KU莱顿大学VIB.AI实验室） ； CVL, ETH Zürich, Switzerland（苏黎世联邦理工学院CVL实验室） ； INSAIT, Sofia University, Bulgaria（保加利亚索菲亚大学INSAIT研究所） ； TRACE vzw（TRACE非营利组织） 纠错

专题命中 可控生成 ：inpainting(abstract)；分类 cs.CV

AI总结 提出自预测孪生SSL的多任务公式，通过为每种空间变换分配专用预测器解决多裁剪训练失败问题，提升线性评估3.8-4%，并引入非对称裁剪视图实现语义修复预训练。

UniADC: A Unified Framework for Anomaly Detection and Classification

UniADC：统一异常检测与分类框架

Ximiao Zhang, Min Xu, Zheng Zhang, Yap-Peng Tan, Xiuzhuang Zhou

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； China University of Mining（中国矿业大学） ； VinUniversity（文理大学） 纠错

专题命中 可控生成 ：inpainting(abstract)；分类 cs.CV

AI总结 提出UniADC模型，通过无训练可控修复网络和隐式正态判别器，同时实现异常区域检测与类别识别，在少样本甚至零样本下超越现有方法。

Muses: Designing, Composing, Generating Nonexistent Fantasy 3D Creatures without Training

Muses: 无需训练的设计、组合与生成不存在的幻想3D生物

Hexiao Lu, Xiaokun Sun, Zeyu Cai, Hao Guo, Ying Tai, Jian Yang, Zhenyu Zhang

机构 * Nanjing University（南京大学） ； China Agricultural University（中国农业大学） 纠错

专题命中 可控生成 ：image generation(abstract)；分类 cs.CV

AI总结 提出Muses，首个无需训练的馈送式幻想3D生物生成方法，利用3D骨架实现结构感知的设计、组合与生成，在视觉保真度和文本对齐方面达到最优。

Comments Project page: https://luhexiao.github.io/Muses.github.io/

CT-VAM: A Cerebello-Thalamic-Inspired Vision-Action Model for Efficient Visuomotor Control

CT-VAM: 一种小脑-丘脑启发的视觉-动作模型用于高效视觉运动控制

Jiacheng Li, Yize Guo, Jiabin Guo, Qingchen Liu, Jiahu Qin

机构 * University of Science and Technology of China（中国科学技术大学） ； AIRLab, Department of Automation（自动化系AIRLab） 纠错

专题命中 可控生成 ：inpainting(abstract)

AI总结 提出CT-VAM模型，通过TARS条件注意力解码器融合异构输入，以68M参数实现与大型VLA模型相当的LIBERO成功率，并降低推理延迟，支持高频控制。

Does Eternal Inflation Violate the Smeared Null Energy Condition?

永恒暴胀是否违反涂抹零能条件？

Dong-Hui Yu, Yong Cai

专题命中 可控生成 ：diffusion(abstract)

AI总结 研究永恒暴胀中暴胀子的随机向上涨落是否违反涂抹零能条件（SNEC），通过Fokker-Planck方程和单轨迹分析表明，引力反作用在SNEC界限达到前已破坏背景时空假设，因此不违反SNEC。

Comments 6 pages

Global Convergence of Wasserstein Policy Gradient for Entropy-Regularized Reinforcement Learning

Wasserstein策略梯度在熵正则化强化学习中的全局收敛性

Zhaoyu Zhu, Rui Gao, Shuang Li

机构 * Shanghai Jiao Tong University（上海交通大学） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） 纠错

专题命中 可控生成 ：diffusion(abstract)

AI总结 本文通过利用熵正则化强化学习的Bellman结构，证明了Wasserstein策略梯度（WPG）方法的全局收敛性，并建立了分布Polyak-Łojasiewicz条件。

SwiftVR: Real-Time One-Step Generative Video Restoration

SwiftVR：实时一步生成式视频恢复

Jiaqi Yan, Xiangyu Chen, Xinlin Zhong, Haibin Huang, Chi Zhang, Jie Liu, Jiantao Zhou, Xuelong Li

机构 * State Key Laboratory of Internet of Things for Smart City, Department of Computer and Information Science, University of Macau（澳门大学智慧城市物联网国家重点实验室） ； Institute of Artificial Intelligence (TeleAI), China Telecom（中国电信人工智能研究院（TeleAI）） ； State Key Laboratory for Novel Software Technology, Nanjing University（南京大学计算机软件新技术国家重点实验室） 纠错

专题命中 图像修复 ：diffusion(abstract)；分类 cs.CV

AI总结 提出SwiftVR，一种流式一步生成式视频恢复框架，通过因果分块协议、无掩码移位窗口自注意力和轻量级恢复感知自编码器，在消费级GPU上实现实时高清视频恢复。

Emotion-Aware Image Generation from Korean Diary Text via LLM-based Prompt Translation and LoRA Fine-Tuning

基于LLM提示翻译和LoRA微调的韩语日记文本情感感知图像生成

Jihun Cho, Soo-Yeon Jeong, Sun-Young Ihm

机构 * KAIST（韩国科学技术院） 纠错

专题命中 个性化与一致性 ：diffusion(summary_cn,abstract)；image generation(title,abstract)；text-to-image(abstract)；分类 cs.CV

AI总结 提出一种情感感知文本到图像流水线，利用Qwen3-8B识别短日记中的隐含情感，并通过LoRA微调Stable Diffusion 3.5 Medium生成儿童手绘风格图像，同时探讨情感触发词的影响及CLIP Score作为评估指标的局限性。

Comments 4 pages, 4 figures, 2 tables, MITA 2026

Journal ref Proc. Int. Conf. Multimedia, Information Technology and its Applications (MITA), 2026

LoRA-Key: User-Centric LoRA Watermarking for Text-to-Image Diffusion Models

LoRA-Key：面向用户的文本到图像扩散模型LoRA水印

Yaopeng Wang, Qingliang Wang, Zhibo Wang, Huiyu Xu, Jiacheng Du, Qiu Wang, Jia-Li Yin, Kui Ren

专题命中 个性化与一致性 ：text-to-image(title,abstract)；diffusion(title,abstract)

AI总结 提出LoRA-Key框架，通过可重用的用户特定水印LoRA实现版权保护，无需重新训练或修改目标LoRA。

IDDM: Identity-Decoupled Personalized Diffusion Models with a Tunable Privacy-Utility Trade-off

IDDM: 一种具有可调隐私-效用权衡的去标识化个性化扩散模型

Linyan Dai, Xinwei Zhang, Haoyang Li, Qingqing Ye, Haibo Hu

机构 * The Hong Kong Polytechnic University（香港理工大学） 纠错

专题命中 个性化与一致性 ：diffusion(title,abstract)；text-to-image(abstract)；personalized generation(abstract)；分类 cs.CV

AI总结 本文提出IDDM模型，通过在个性化流程中集成身份解耦，实现授权个性化的同时降低公开生成的身份可链接性，可调隐私-效用权衡。

Beyond Consistency: Preserving Temporal Structure in Zero-Shot Video Editing

超越一致性：在零样本视频编辑中保留时间结构

Deyin Liu, Yisheng Ding, Zhe Jin, Xiatian Zhu, Anjan Dutta, Lin Wu

机构 * Anhui University（安徽大学） ； University of Surrey（萨里大学） ； University of Warwick（华威大学） 纠错

专题命中 个性化与一致性 ：diffusion(abstract)；分类 cs.CV

AI总结 提出一种零样本视频编辑方法，通过自适应分割视频片段、选取锚帧和令牌合并策略，首次显式保留源视频的时间结构，平衡编辑保真度与计算效率。

Journal ref Pattern Recognition, Vol. 180, 2026

OmniGen-AR: AutoRegressive Any-to-Image Generation

OmniGen-AR: 自回归任意到图像生成

Junke Wang, Xun Wang, Qiushan Guo, Peize Sun, Weilin Huang, Zuxuan Wu, Yu-Gang Jiang

机构 * Institute of Trustworthy Embodied AI, Fudan University（复旦大学可信具身人工智能研究所） ； Shanghai Collaborative Innovation Center of Intelligent Visual Computing（上海智能视觉计算协同创新中心） ； Bytedance Seed（字节跳动Seed） ； The University of Hong Kong（香港大学） 纠错

专题命中 图像生成评测 ：image generation(title,abstract)；text-to-image(abstract)；image editing(abstract)；image synthesis(abstract)

AI总结 提出统一自回归框架OmniGen-AR，通过共享视觉分词器和解耦因果注意力，支持文本、空间信号和视觉上下文等多种条件输入，在多项基准上达到最优或竞争性能。

Comments Accepted by NeurIPS

Anomaly-Preference Image Generation

异常偏好图像生成

Fuyun Wang, Yuanzhi Wang, Xu Guo, Sujia Huang, Tong Zhang, Dan Wang, Hui Yan, Xin Liu, Zhen Cui

机构 * Nanjing University of Science（南京理工大学） ； Beijing Normal University, Beijing, China（北京师范大学） ； China Academy of Space Technology, Beijing, China（中国航天科技集团） 纠错

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

AI总结 本文提出了一种新的异常生成方法，通过隐式偏好对齐机制和时间感知能力分配模块，提升生成图像的真实性和多样性，实验表明其在真实性和多样性上均优于现有方法。

Comments Accepted by ICML 2026

ZIPP:Zero-shot Image Personalization from Personas

ZIPP：基于人物画像的零样本图像个性化生成

Harini SI, Somesh Singh, Yaman Kumar Singla, David Doermann, Rajiv Ratn Shah

机构 * Adobe Media and Data Science Research (MDSR)（Adobe媒体与数据科学研究（MDSR）） ； IIIT-Delhi（德里印度理工学院） ； SUNY at Buffalo（纽约州立大学布法罗分校） 纠错

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

AI总结 提出ZIPP方法，利用自然语言人物画像通过LLM改写提示词实现零样本图像个性化生成，无需用户数据或微调；引入ZIPBench基准，在多个评测中取得13-20%的提升。

When Do Local Score Models Extrapolate Across Size? A Diagnostic Theory and Benchmark

局部评分模型何时能跨尺寸外推？诊断理论与基准

Wenjie Xi

机构 * The University of Hong Kong（香港大学） ； Department of Physics and HK Institute of Quantum Science & Technology（物理系与香港量子科学与技术研究所） 纠错

专题命中 图像生成评测 ：diffusion(abstract)

AI总结 提出诊断理论，证明局部模型能否稳定外推取决于高斯平滑评分的准局部性，并引入有限深度局部流（FDLF）基准进行验证。

Synthetic but Not Realistic: The Evaluation Challenge in Generative Modelling for Structured Electronic Medical Records

合成但不真实：结构化电子病历生成建模中的评估挑战

Nicholas I-Hsien Kuo, Blanca Gallego, Louisa Jorm

机构 * Centre for Big Data Research in Health, the University of New South Wales（新南威尔士大学健康大数据研究中心） 纠错

专题命中 图像生成评测 ：diffusion(abstract)

AI总结 针对合成电子病历评估过度依赖统计相似性而忽视临床有效性的问题，提出基于流行病学的多维度评估框架，发现当前生成模型虽能复现边缘分布，但无法同时保持亚组结构、效应估计和依赖关系，导致评估高估数据质量。

Declarative Outcome-Conformant Synthesis: Exact, Closed-Form Specification Satisfaction and a Conformance Benchmark

声明性结果一致性合成：精确、闭式规范满足及一致性基准

Muhammed Rasin

机构 * Independent Researcher（独立研究员） 纠错

专题命中 图像生成评测 ：diffusion(abstract)

AI总结 针对无源数据下精确满足声明性分析结果的需求，提出结果一致性合成任务，通过闭式条件伽马抽样实现精确聚合，并构建SpecBench基准，证明一致性保真度正交。

Comments 22 pages, 1 figure. Benchmark and reference implementation (MIT): https://github.com/rasinmuhammed/misata

Reinforcing Few-step Generators via Reward-Tilted Distribution Matching

通过奖励倾斜分布匹配增强少步生成器

Yushi Huang, Xiangxin Zhou, Ruoyu Wang, Chi Zhang, Jun Zhang, Tianyu Pang

机构 * Tencent Hunyuan（腾讯文英） ； Hong Kong University of Science and Technology（香港科技大学） ； Westlake University（西湖大学） 纠错

专题命中 效率与蒸馏 ：image generation(abstract)；text-to-image(abstract)；diffusion(abstract)；分类 cs.CV

AI总结 提出奖励倾斜分布匹配蒸馏（RTDMD）两阶段框架，结合分布匹配蒸馏与奖励引导强化学习，在仅4步推理下实现文本到图像生成的最新性能。

Comments Code and models are available at https://github.com/Harahan/RTDMD

HACK++: Towards More Effective Head-Aware Key-Value Compression for Efficient Visual Autoregressive Modeling

HACK++：面向高效视觉自回归建模的更有效的头部感知键值压缩

Ziran Qin, Yuchen Jiang, Mingbao Lin, Youru Lv, Hang Guo, Wen Fei, Weiyao Lin

机构 * Shanghai Jiao Tong University（上海交通大学） ； Rakuten（乐天） ； Tsinghua University（清华大学） 纠错

专题命中 效率与蒸馏 ：text-to-image(abstract)；分类 cs.CV

AI总结 针对VAR模型跨尺度KV缓存导致的高计算和内存开销，提出无训练头部感知压缩框架HACK++，通过离线分类头部类型和自适应预算分配，在极低缓存预算下保持近无损生成。

The Mirrored Influence Hypothesis: Efficient Data Influence Estimation by Harnessing Forward Passes

镜像影响假说：利用前向传播的高效数据影响估计

Myeongseob Ko, Feiyang Kang, Weiyan Shi, Ming Jin, Zhou Yu, Ruoxi Jia

机构 * Virginia Tech（弗吉尼亚理工大学） ； Columbia University（哥伦比亚大学） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 提出镜像影响假说，将训练数据对测试预测的影响转化为逆问题，通过测试样本梯度加训练样本前向传播高效估计数据影响，显著提升效率。

Comments The IEEE/CVF Conference on Computer Vision and Pattern Recognition 2024

Journal ref The IEEE/CVF Conference on Computer Vision and Pattern Recognition 2024

vesselFM-CT: Segmenting All Blood Vessels in CT Images for System-Level Cardiovascular Analysis

vesselFM-CT：在CT图像中分割所有血管以实现系统级心血管分析

Bastian Wittmann, Chinmay Prabhakar, Suprosanna Shit, Bjoern Menze

机构 * Department of Quantitative Biomedicine, University of Zurich（苏黎世大学定量生物医学系） 纠错

专题命中 其他图像生成 ：image generation(abstract)；分类 cs.CV

AI总结 提出vesselFM-CT模型，通过迭代多步训练和TubeLoss损失函数，实现CT图像中从大血管到微小肠系膜血管的全分割，优于基线方法，支持系统级心血管分析。