图像生成

XPlainVerse: A Million-Scale Benchmark for Explainable Deepfake Detection

XPlainVerse：用于可解释深度伪造检测的百万规模基准测试

Abhijeet Narang, Kartik Kuckreja, Shreya Ghosh, Muhammad Haris Khan, Jianfei Cai, Abhinav Dhall

机构 * Monash University（墨尔本大学） ； MBZUAI（穆斯林人工智能研究所） ； The University of Queensland（昆士兰大学） 纠错

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

AI总结 针对深度伪造检测模型解释缺乏视觉依据的问题，引入XPlainVerse基准测试，含百万图像及多阶段验证流程，提出新评估指标，能支持可信赖、可解释模型的研究。

Taming I2V models for Image HOI Editing: A Cognitive Benchmark and Agentic Self-Correcting Framework

驯服I2V模型用于图像HOI编辑：认知基准与智能体自校正框架

Jiayi Gao, Qingchao Chen, Yuxin Peng, Yang Liu

机构 * Wangxuan Institute of Computer Technology, Peking University, Beijing, China（王轩计算机技术研究所，北京大学，北京，中国） ； National Institute of Health Data Science, Peking University, Beijing, China（国家健康数据科学研究院，北京大学，北京，中国） 纠错

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

AI总结 提出HOI-Edit基准和SCPE框架，利用I2V模型的时间生成能力进行动态人-物交互编辑，通过自校正提示迭代优化，实现与SOTA竞争的性能。

Dress-ED: Instruction-Guided Editing for Virtual Try-On and Try-Off

Dress-ED：基于指令的虚拟试穿和试脱编辑

Davide Lobba, Fulvio Sanguigni, Bin Ren, Marcella Cornia, Rita Cucchiara, Nicu Sebe

机构 * University of Modena（摩德纳大学） ； University of Trento（特伦托大学） ； University of Pisa（比萨大学） 纠错

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

AI总结 本文提出Dress-ED数据集，首次统一了虚拟试穿、试脱和文本引导的服装编辑，包含146k个样本，涵盖外观和结构修改，提供统一的多模态扩散框架作为指令驱动的VTON和VTOFF基线。

Comments Accepted at ECCV 2026. Project page at https://aimagelab.github.io/Dress-ED/

CDST: Color Disentangled Style Transfer for Universal Style Reference Customization

CDST：用于通用风格参考定制的颜色解缠风格迁移

Shiwen Zhang, Zhuowei Chen, Lang Chen, Yanze Wu

机构 * ByteDance（字节跳动） 纠错

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

AI总结 介绍CDST这种新颖高效的双流风格迁移训练范式，能分离颜色与风格，推理时免调参实现通用风格迁移，首次免调参解决带风格和内容参考的特征保留风格迁移问题，实验证明效果达最优。

AppAgent: Multimodal Agents as Smartphone Users

AppAgent：作为智能手机用户的多模态智能体

Chi Zhang, Zhao Yang, Jiaxuan Liu, Yanda Li, Yucheng Han, Xin Chen, Zebiao Huang, Bin Fu, Gang Yu

机构 * Tencent（腾讯） 纠错

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

AI总结 介绍基于大语言模型的多模态智能体框架，通过简化动作空间操作智能手机应用，无需系统后端访问，经自主探索或观察人类示范学习，能执行复杂任务，测试验证其处理多种高级任务的能力。

Comments Accepted to CHI 2025, project page is https://appagent-official.github.io/