图像生成

ELDiff: When Evidential Learning Meets Text-to-Image Diffusion

ELDiff: 当证据学习遇上文本到图像扩散

Qingtao Pan, Kai Ye, Zhihao Dou, Bing Ji, Shuo Li

机构 * Shandong University（山东大学） ； Case Western Reserve University（凯斯西储大学） 纠错

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

AI总结 提出ELDiff模型，利用证据学习中的不确定性度量和冲突检测，增强多目标文本到图像扩散中对象级语义一致性，解决分割图偏差和语义重叠冲突。

Text-to-Image Generative AI for Modeling and Simulation: Methods, Opportunities, and Applications

面向建模与仿真的文本到图像生成式人工智能：方法、机遇与应用

Philippe J. Giabbanelli

机构 * National Center for Collaboration in Medical Modeling & Simulation and Office of Enterprise Research & Innovation（医学建模与模拟协作国家中心和企业研究与创新办公室） 纠错

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

AI总结 本教程介绍文本到图像生成技术如何支持建模与仿真的多个任务，包括概念模型沟通、仿真结果可视化、教育材料生成及多尺度仿真中的异构模型接口，并提供实用工作流。

Comments To appear at the 2026 Winter Simulation Conference

GeoFidelity-Bench: Evaluating Segment-Level Geographic Fidelity in Text-to-Image Street-View Generation

GeoFidelity-Bench：评估文本到图像街景生成中的片段级地理保真度

Kaizhen Tan, Hanzhe Hong, Siru Tao

机构 * Heinz College of Information Systems and Public Policy（信息系统与公共政策学院） 纠错

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

AI总结 提出GeoFidelity-Bench基准，通过参考面板排名测试文本到图像模型能否生成特定道路片段而非通用城市街景，发现添加街道和社区名称可提升检索准确率，但目标与最近邻片段间相似度差距近乎为零。

Balancing Performance and Diversity in GRPO Autoregressive Text-to-Image Post-Training

平衡GRPO自回归文本到图像后训练中的性能与多样性

Yuanhao Chiang, Hongbo Duan, Chunru Yang, Jiahua Pei, Yi Liu, Xueqian Wang

机构 * Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） 纠错

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

AI总结 针对自回归文本到图像生成中人类偏好对齐问题，提出统一f-散度框架，理论分析不同散度对策略优化的影响，实验证明JS散度在性能与多样性间取得最佳平衡。

Which Waveguide Network Realizes a Prescribed Transmission Profile? An Exact Forward Construction

哪个波导网络实现指定的传输轮廓？一种精确的正向构造方法

Tristan M. Lawrie

专题命中 文生图 ：image synthesis(abstract)

AI总结 提出一种基于规范平移亥姆霍兹算子的周期性波导网络散射特性的可解析反演框架，通过傅里叶展开将晶格电抗映射到图架构，直接从目标传输系数确定物理结构，实现从一维角滤波到二维图像合成的精确波前构造。

Comments 12 pages, 4 figures

BoxCtrl: 3D-Aware Visual Prompting for Geometric Image Editing

BoxCtrl: 面向几何图像编辑的3D感知视觉提示

Feifei Wang, Shiyuan Yang, Xiaoyu Li, Jing Liao

机构 * City University of Hong Kong（香港城市大学） ； Tencent（腾讯） 纠错

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

AI总结 提出BoxCtrl框架，通过投影到2D的RGB 3D边界框作为视觉提示，结合监督微调与强化学习两阶段训练，实现精确的3D几何编辑（平移、旋转、缩放等），达到最先进性能。

Comments Accepted by SIGGRAPH 2026

RS-Gen: A Multi-Stage Agentic Framework for Reasoning and Search-Augmented Image Generation

RS-Gen：用于推理和搜索增强图像生成的多阶段智能体框架

Feifei Bian, Zhimin Zheng, Wei Deng, Daiguo Zhou, Jian Luan

机构 * MiLM Plus, Xiaomi Inc.（小米公司MiLM Plus） 纠错

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

AI总结 提出RS-Gen，一种即插即用、无需训练的多阶段图像智能体框架，通过“提问-解决”闭环机制进行逻辑推理和知识补全，显著提升基础图像生成与编辑模型在模糊意图和分布外知识场景下的性能。

Encoder-Decoder Manifold Alignment for Idempotent Generation

用于幂等生成的编码器-解码器流形对齐

Dareen Alharthi, Abdul Waheed, Bhiksha Raj

机构 * Carnegie Mellon University（卡内基梅隆大学） 纠错

专题命中 图像编辑 ：image generation(abstract)；image editing(abstract)

AI总结 针对生成模型中幂等性不足导致的重复应用不稳定问题，提出通过对齐编码器和解码器学习的流形来训练模型，显著降低幂等误差并提升生成稳定性。

IDAG-Edit: Multi-Object Video Editing via Instance-Decoupled Attention and Guidance

IDAG-Edit: 基于实例解耦注意力和引导的多对象视频编辑

Yuan-Zhih Lin, Huu-Thang Nguyen, Huu-Phu Do, Hong-Han Shuai, Ching-Chun Huang

机构 * Department of Computer Science, National Yang Ming Chiao Tung University, Taiwan（台湾阳明交通大学计算机科学系） 纠错

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

AI总结 提出IDAG-Edit框架，通过布局引导注意力调制和实例级掩码实现无训练的多对象视频编辑，解决注意力泄露和身份漂移问题，提升时间一致性和多对象可控性。

TeleStyle V2: Beyond Content-Preserving Style Transfer with Self-Distillation and Distribution-Matching-Distillation

TeleStyle V2：超越内容保持风格迁移的自蒸馏与分布匹配蒸馏

Shiwen Zhang, Yifan Xu, Haibin Huang, Chi Zhang, Xuelong Li

机构 * TeleAI 纠错

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

AI总结 提出TeleStyle V2，通过自蒸馏数据合成和分布匹配蒸馏，支持四种内容-风格参考组合，解决内容一致性退化问题，性能与Qwen-Image-Edit和Gemini 3 Pro相当。

Comments https://github.com/Tele-AI/TeleStyleV2

DiT-Reward: Generative Representations for Text-to-Image Reward Modeling

DiT-Reward：文本到图像奖励建模的生成式表示

Yuanming Yang, Guoqing Ma, Bo Wang, Yuan Zhang, Wei Tang, Chenyi Li, Haoyang Huang, Nan Duan

机构 * JD Explore Academy, JD.com（京东探索研究院，京东） ； Tsinghua University（清华大学） ； Beijing Institute of Technology（北京理工大学） ； Peking University（北京大学） 纠错

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

AI总结 提出DiT-Reward，利用预训练文本到图像扩散Transformer的生成表示进行奖励预测，在多个偏好基准上超越HPSv3，并实现1.65倍推理加速。

Distribution-Aware Diffusion-LLM for Robust Ultra-Long-Term Time Series Forecasting

分布感知的扩散-大语言模型用于鲁棒的超长期时间序列预测

Falguni Ghosh, Vahid Hashemi, Bernhard Kainz

机构 * Friedrich-Alexander-Universität Erlangen-Nürnberg（埃尔朗根-纽伦堡大学） ； Imperial College London（伦敦帝国学院） ； AUDI AG（奥迪股份公司） 纠错

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

AI总结 提出Diffusion-LLM框架，将条件扩散模型集成到基于LLM的预测流程中，学习未来数据条件分布并改善语义对齐，在超长期和少样本预测中显著优于现有LLM基线。

Comments 18 pages, 6 figures, 8 tables. Accepted at 35th International Conference on Artificial Neural Networks (ICANN 2026)

MythraGen: Two-Stage Retrieval Augmented Art Generation Framework

MythraGen：两阶段检索增强艺术生成框架

Quang-Khai Le, Cong-Long Nguyen, Minh-Triet Tran, Trung-Nghia Le

机构 * University of Science, Ho Chi Minh city, Vietnam（胡志明市科学大学） ； Vietnam National University, Ho Chi Minh city, Vietnam（越南国家大学） 纠错

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

AI总结 提出MythraGen框架，结合艺术检索与LoRA微调，通过检索与提示最相似的艺术图像微调Stable Diffusion，在WikiArt数据集上生成高质量、风格匹配的艺术作品。

Comments SOICT 2024

PG-MAP: Joint MAP Optimization for Inference-Time Alignment of Diffusion and Flow-Matching Models

PG-MAP：扩散与流匹配模型推理时对齐的联合MAP优化

Ruolan Sun, Pawel Polak

机构 * Stony Brook University（石溪大学） 纠错

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

AI总结 提出PG-MAP框架，通过轨迹级Gibbs-MAP/近端能量优化联合调节条件c和潜变量z_t，实现扩散与流匹配模型的推理时对齐，无需训练即可提升对齐指标。

Comments Code: https://github.com/sophialanlan/PG-MAP

Multimodal Image Colorization: Quantifying the Impact of Text-Conditioned Guidance on Grayscale-to-Color Translation

多模态图像着色：量化文本条件引导对灰度到彩色转换的影响

Colten Reissmann, Hugo Garrido-Lestache Belinchon

机构 * Department of Computer Science and Software Engineering（计算机科学与软件工程系） 纠错

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

AI总结 本文通过U-Net和Stable Diffusion 1.5两种架构，量化了CLIP文本条件对灰度图像着色质量的影响，发现文本条件显著提升了PSNR、SSIM和色彩度，降低了LPIPS。

One-Prompt Censorship Evasion via Generative Diffusion Models

通过生成扩散模型实现单提示审查规避

Shiyi Ling, Yuhang Gan, Chen Qian

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

AI总结 提出FlowPaint框架，利用扩散模型的语义编辑能力，将审查流量重塑为良性模式，用户仅需自然语言指令即可对抗多种审查范式。

Comments 20 pages, 4 figures, 7 tables. Preprint, under review

One Image is All You Need: Agentic One-Shot Image Generation via Text-Based World Models for Long-Tail Spatial Perception

一图足矣：基于文本世界模型的智能体单样本图像生成用于长尾空间感知

Keqin Zeng, Shuting Su, Shihao Lin, Ziyue Li, Rui Zhao

机构 * Tsinghua University（清华大学） ； SenseTime Research（商汤科技研究院） ； Sun Yat-Sen University（中山大学） ； Technical University of Munich（慕尼黑工业大学） ； Heilbronn Data Science Center（海尔布隆数据科学中心） ； Munich Data Institute（慕尼黑数据研究所） 纠错

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

AI总结 提出WMGen-v1框架，利用单张参考图像通过LVLM构建结构化场景表示，LLM进行物理合理的场景扩展，再由扩散模型生成多样化的长尾训练数据，缓解空间感知中的数据稀缺问题。

Vera: A Layered Diffusion Model for Content-Preserving Video Editing

Vera: 一种用于内容保持视频编辑的分层扩散模型

Hongkai Zheng, Ta-Ying Cheng, Benjamin Klein, Yisong Yue, Zhuoning Yuan

机构 * California Institute of Technology（加州理工学院） ； Netflix, Inc（Netflix公司） 纠错

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

AI总结 提出Vera分层扩散框架，通过生成编辑层和alpha遮罩与源视频合成，利用混合Transformer架构和高质量分层数据集，在保持内容的同时实现高质量编辑。

Comments https://vera-layered-diffusion.github.io/

2D Versus 3D Diffusion for In Silico Training of Interventional X-ray AI Models

二维与三维扩散在介入X射线AI模型模拟训练中的比较

Sampath Rapuri, Jeremy Ko, Benjamin D. Killeen, Russell H. Taylor, Mathias Unberath

机构 * Johns Hopkins University（约翰霍普金斯大学） 纠错

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

AI总结 本文比较了基于3D条件潜在扩散模型生成CT体数据用于DRR合成与基于视图条件的2D扩散模型直接生成合成X射线两种方法，发现2D扩散生成的合成X射线可用于训练解剖标志检测模型，性能接近真实数据训练模型。

TooBad: Backdoor Diffusion Models with Ultra-Low Poison Rate and Imperceptible Trigger

TooBad: 超低投毒率和不可察觉触发器的后门扩散模型

Vu Tuan Truong, Long Bao Le

机构 * INRS, University of Quebec（INRS大学） 纠错

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

AI总结 提出TooBad框架，通过针对扩散模型的触发器优化技术，在极低投毒率（0.5%）下实现高攻击成功率（>85%），并保持高隐蔽性和实用性。

Journal ref ECCV 2026

Ocean4D: Generative Underwater 4D Reconstruction via Medium-Aware Video Diffusion

Ocean4D：通过介质感知视频扩散的生成式水下4D重建

Yuqiang Huang, Yuxi Wang, Junyu Dong, Zhaoxiang Zhang

机构 * Faculty of Information Science and Engineering, Ocean University of China（中国海洋大学信息科学与工程学部） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） 纠错

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

AI总结 提出Ocean4D生成式框架，通过4D几何一致性条件化和介质感知去噪扩散，解决水下动态场景中吸收与散射导致的几何不稳定和跨视角不一致问题，实现单目视频到目标轨迹的高质量4D重建。

ScalingAttention: Discovering Intrinsic Sparse Attention Topology for Video Diffusion Transformers

ScalingAttention: 发现视频扩散变换器的内在稀疏注意力拓扑

Ruiliang Zhou, Xuecheng Wu, Kang He, Guangyun Han, Bin Liu, Qinqin Chen, Wende Xu, Qingjie Zhao, Chengru Song

机构 * KlingAI Research（KlingAI研究院） ； Beijing Institute of Technology（北京理工大学） ； NVIDIA（英伟达） ； Tsinghua University（清华大学） 纠错

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

AI总结 提出ScalingAttention框架，通过权重编码的稀疏拓扑（WEST）和保真度感知灵敏度调优（FAST）实现训练无关的注意力稀疏化，在Wan2.1上获得最高1.90倍加速并保持高质量。

Comments 18 pages, 9 figures

The Impact of VAE Design on Latent Pose Representations for Diffusion-based Sign Language Production

VAE设计对基于扩散的手语生成中潜在姿态表示的影响

Guilhem Fauré, Mostafa Sadeghi, Sam Bigeard, Slim Ouni

机构 * CNRS（国家科学研究中心） ； Inria（法国国家信息与自动化技术研究所） ； LORIA（洛林信息与自动化研究所） 纠错

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

AI总结 研究变分自编码器（VAE）架构和训练目标设计如何影响潜在空间结构，进而影响基于潜在扩散模型的手语生成性能，发现潜在空间特性比重建精度更能解释生成性能差异。

Journal ref GenSign Generative AI for Sign Language CVPR 2026 Workshop, Jun 2026, Denver (Colorado, USA), France. pp. 10631-10640

Modular Diffusion Models for Structured Visual Recognition

模块化扩散模型用于结构化视觉识别

Siddhesh Khandelwal, Björn Ommer, Leonid Sigal

机构 * Department of Computer Science, University of British Columbia（不列颠哥伦比亚大学计算机科学系） ； Vector Institute for AI（向量人工智能研究所） ； CompVis, Ludwig Maximilian University of Munich（慕尼黑路德维希·马克西米利安大学计算机视觉实验室） ； Munich Center for Machine Learning（慕尼黑机器学习中心） ； CIFAR AI Chair（CIFAR人工智能教席） 纠错

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

AI总结 提出模块化扩散模型（MDMs），通过将扩散过程分解为任务特定模块，学习结构化输出的分布，以处理视觉识别中的不确定性，在目标检测、实例分割和场景图生成任务上取得优势。

Comments 34 pages, 7 figures, 4 tables

Prompting Diffusion Models for Zero-Shot Instance Segmentation

提示扩散模型用于零样本实例分割

Irem Zeynep Alagöz, Nils Morbitzer, Andrea Ramazzina, Nassir Navab, Federico Tombari, Stefano Gasperini

机构 * Technical University of Munich (TUM)（慕尼黑工业大学） ； Munich Center of Machine Learning (MCML)（慕尼黑机器学习中心） ； Mercedes-Benz AG（梅赛德斯-奔驰集团） ； Visualais 纠错

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

AI总结 提出Prompt2Seg框架，通过空间条件化增强扩散模型，利用2D高斯或置信度图作为提示，实现零样本实例分割，在多个数据集上优于基线。

Comments Under review

VT-DUDA: Visual Token Conditioning for Diffusion-guided Unsupervised Domain Adaptation

VT-DUDA: 扩散引导的无监督域适应的视觉令牌条件化

Xuan Qi, Daniele Berardini, Dario Serez, Vito Paolo Pastore, Vittorio Murino

机构 * Istituto Italiano di Tecnologia（意大利技术研究院） ； University of Genoa（热那亚大学） ； University of Verona（维罗纳大学） 纠错

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

AI总结 提出VT-DUDA框架，通过将源图像映射为视觉令牌并与文本嵌入拼接作为条件，增强扩散模型生成目标风格图像时的实例级引导，提升无监督域适应性能。

Journal ref Transactions on Machine Learning Research, 2026

Context-Aware Autoregressive Diffusion for Gloss-Wise Sign Language Production

上下文感知的自回归扩散用于逐词汇手语生成

JungHoon Sung, Boeun Kim, Chu Xin, Hyung Jin Chang, ChangHo Kim, Sang-Il Choi, Younggeun Choi

机构 * Dankook University（檀国大学） ； University of Birmingham（伯明翰大学） 纠错

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

AI总结 提出GARD模型，通过语义和运动上下文条件化，结合词汇间过渡引导和全局运动协调器，实现逐词汇手语生成，在Phoenix-T和CSL-Daily数据集上优于现有方法。

Comments 18 pages, 5 figures, 4 tables

Robust Diffusion Models via Divergence-Induced Weighted Denoising

通过散度诱导加权去噪的鲁棒扩散模型

Lei Li, Yuexiao Dong

机构 * LunarAI LLC（LunarAI公司） ； Fox School of Business Temple University（Temple大学商学院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出用f-散度非线性变换替代扩散模型中的MSE去噪损失，构建鲁棒训练代理，通过局部散度构造统一训练目标，在数据污染下提升性能。

Variance-Tilted Diffusion Models for Diverse Sampling

方差倾斜扩散模型用于多样化采样

Iskander Azangulov, Leo Zhang, Kianoosh Ashouritaklimi

机构 * Department of Statistics, University of Oxford, Oxford, UK（牛津大学统计学系） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出方差加权批分布，通过Doob h-变换导出交互粒子采样器，在扩散模型中实现多样化采样，具有透明概率目标。

Comments Accepted at SPIGM @ ICML workshop 2026

Diffusion-Driven State Space Models

扩散驱动的状态空间模型

Jack Ruder, Michael Wojnowicz

机构 * Montana State University（蒙塔纳州立大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 提出扩散驱动状态空间模型（DDSSM），用扩散模型替代高斯转移分布，联合训练自编码器和扩散模型，提升时间序列拟合与预测能力。

Comments Accepted to ProbML 2026 Workshop Track