图像生成

IDEAL: In-DEpth ALignment Makes A Discrete Representation AutoEncoder

IDEAL: 深度对齐实现离散表示自编码器

Yitong Chen, Zijie Diao, Junke Wang, Lingyu Kong, Yixuan Ren, Bo He, Yu-Gang Jiang, Zuxuan Wu

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 Innovation Institute（上海创新研究院） ； University of Maryland, College Park（马里兰大学帕克分校） 纠错

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

AI总结 提出IDEAL框架，通过联合对齐量化令牌与浅层和深层VFM特征，提升离散表示自编码器的重建质量，在ImageNet上实现0.61 rFID，并创下自回归图像生成新纪录（gFID 1.89）。

Comments Code is available at https://github.com/Row11n/IDEAL

Pose-ICL: 3D-Aware In-Context Learning for Pose-Controllable Subject Customization

Pose-ICL：面向姿态可控主体定制的3D感知上下文学习

Xuan Han, Yihao Zhao, Mingyu You

机构 * College of Electronic and Information Engineering, Tongji University, Shanghai, China（同济大学电子与信息工程学院） ； State Key Laboratory of Autonomous Intelligent Unmanned Systems, Frontiers Science Center for Intelligent Autonomous Systems, Ministry of Education, Shanghai, China（自主智能无人系统国家重点实验室，智能自主系统前沿科学中心，教育部，上海，中国） 纠错

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

AI总结 提出Pose-ICL框架，通过3D感知上下文学习和表面锚定位置嵌入（SAPE）实现无调优的姿态可控主体定制，显著提升姿态准确性和身份一致性。

GHOST: Hierarchical Sub-Goal Policies for Generalizing Robot Manipulation

GHOST: 用于泛化机器人操作的层次化子目标策略

Sriram Krishna, Ben Eisner, Haotian Zhan, Ying Yuan, Haoyu Zhen, Chuang Gan, Shubham Tulsiani, David Held

机构 * Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所） ； UMass Amherst（马萨诸塞大学阿姆赫斯特分校） 纠错

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

AI总结 提出GHOST框架，通过将控制分解为高层子目标预测和低层目标条件控制器，实现视觉运动操作策略的泛化，并利用人类演示适应新物体和任务变化。

Comments Accepted at RSS 2026

OMG: Omni-Modal Motion Generation for Generalist Humanoid Control

OMG: 面向通用人形机器人的全模态运动生成

Siqiao Huang, Kun-Ying Lee, Dongming Qiao, Guanqi He, Zhenyu Wang, Yitang Li, Shaoting Zhu, Hang Zhao

机构 * Tsinghua University（清华大学） 纠错

专题命中 可控生成 ：diffusion(abstract)

AI总结 提出OMG框架，通过精心策划的数据流程和扩散模型，实现基于语言、音频和参考动作的全模态全身控制，展示了最先进的性能和可扩展性。

Comments Project Page: https://tsinghua-mars-lab.github.io/OMG/

Complexity synchronization as a diagnostic and control principle for adaptive systems

自适应系统的复杂性同步作为诊断与控制原则

Korosh Mahmoodi, Scott E. Kerick, Piotr J. Franaszczuk, David L. Boothe, Paolo Grigolini, Bruce J. West

专题命中 可控生成 ：diffusion(abstract)

AI总结 提出复杂性同步（CS）作为自适应系统的诊断与干预原则，通过多智能体模型验证其与协作性能的关系，揭示功能相关子系统并指导修复。