图像生成

Object-Centric Dataset Resources for Constrained-Data Image Generation and Augmentation

面向受限数据图像生成与增强的以对象为中心的数据集资源

Vasile Marian, Yong-Bin Kang, Alexander Buddery

机构 * The University of Queensland（昆士兰大学） ； Swinburne University of Technology（斯威本科技大学） 纠错

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

AI总结 针对少样本场景下的对象中心图像生成，提出三个标准化数据集资源（Cityscapes-Pedestrian、TrafficSigns、COCO PottedPlant），提供256×256裁剪、边界框标注及重建脚本，支持受控比较与评估。

Comments 5 pages including references, 2 figures, 2 tables. Dataset and related files at https://github.com/Latzi/object-centric-low-data-datasets and https://doi.org/10.5281/zenodo.20573001

ServImage: An Image Generation and Editing Benchmark from Real-world Commercial Imaging Services

ServImage: 一个来自现实商业成像服务的图像生成和编辑基准

Fengxian Ji, Jingpu Yang, Zirui Song, Lang Gao, Junhong Liang, Zhenhao Chen, Jinghui Zhang, Xiuying Chen

机构 * MBZUAI, United Arab Emirates（阿联酋MBZUAI） 纠错

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

AI总结 ServImage通过结合经济价值评估，评估图像生成模型的商业可行性，提出包含商业设计任务和交付物的基准数据集及评分系统，实现82%的支付预测准确率。

Fed-CausalDiff: Decoupled Synchronization for Federated Do-Simulation and Policy Evaluation

Fed-CausalDiff: 面向联邦干预模拟与策略评估的解耦同步方法

Pengfei Li, Mohammad Khalil

机构 * Akademiaavtalen project ASPIRE（Akademiaavtalen项目ASPIRE） 纠错

专题命中 图像生成评测 ：diffusion(abstract)

AI总结 提出Fed-CausalDiff联邦因果扩散框架，通过将潜在状态演化解耦为全局因果评分和局部混杂评分，实现解耦同步，在保护数据隐私的同时提升干预效应和策略价值估计精度。

FrogBard-512: Design and Experimental Evaluation of a Four-Voice Permutation-Based Hash Function

FrogBard-512：四声道排列哈希函数的设计与实验评估

Victor Duarte Melo

专题命中 图像生成评测 ：diffusion(abstract)

AI总结 提出一种基于2048位排列的四声道哈希函数FrogBard-512，采用1024位速率、16轮置换和树模式，通过实验验证实现一致性和无统计缺陷。

Comments 18 pages, 7 figures, and 10 tables. This paper describes an experimental hash-function design and reports implementation

Kernel-learning parameter prediction and evaluation in algebraic multigrid method for several PDEs

针对若干偏微分方程的代数多重网格方法中核学习参数预测与评估

Junyue Luo, Xiaoqiang Yue, Fangfang Zhang, Juan Zhang

专题命中 图像生成评测 ：diffusion(abstract)

AI总结 提出基于高斯过程回归的代数多重网格参数优化策略，通过核学习构建核函数库并线性组合最优核，在小规模数据集上预测近优参数，显著降低计算时间并保持迭代次数与网格搜索一致。