图像生成

Naïve PAINE: Lightweight Text-to-Image Generation Improvement with Prompt Evaluation

朴素PAINE：通过提示评估改进文本到图像生成

Joong Ho Kim, Nicholas Thai, Souhardya Saha Dip, Dong Lao, Keith G. Mills

机构 * LSU ATHENA Lab（LSU ATHENA实验室） ； LSU Vision Lab（LSU视觉实验室） 纠错

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

AI总结 提出朴素PAINE改进扩散模型生成质量，利用文本到图像偏好基准，从初始噪声和给定提示直接预测图像质量，选择高质量噪声传入扩散模型，提供反馈且轻量，实验表明其在基准测试中优于现有方法。

Comments Code available at https://github.com/LSU-ATHENA/Naive-PAINE

Text-to-Image Generation for Projector-Camera System Registration

用于投影仪-相机系统配准的文本到图像生成

Xinyu Chen, Yuqi Li, Jiabao Li, Pinyan Tang, Chong Wang, Aditi Majumder

机构 * Ningbo University（宁波大学） ； University of California, Irvine（加利福尼亚大学欧文分校） 纠错

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

AI总结 针对投影仪-相机系统配准中现有方法的局限，提出基于深度神经网络的方法，从文本提示生成自然图像，增强配准精度，经实验验证该方法实用有效。

SFL-Net: Source-Factorized Latent Representation Learning for Multi-Contrast MRI to Tau-PET Synthesis

基于部分信息分解指导的解耦量化半UNet的多模态T1加权和FLAIR MRI生成可解释的tau-PET

Agamdeep S. Chopra, Caitlin Neher, Tianyi Ren, Juampablo E. Heras Rivera, Hesamoddin Jahanian, Mehmet Kurt

机构 * Department of Mechanical Engineering, University of Washington（华盛顿大学机械工程系） ； Department of Radiology, University of Washington（华盛顿大学放射学系） 纠错

专题命中 文生图 ：image synthesis(abstract)；分类 cs.CV

AI总结 本文提出一种可解释的多模态图像合成框架，通过部分信息分解指导的解耦量化半UNet生成tau-PET，结合向量量化编码器和半UNet解码器，实现了在ADNI-3和OASIS-3数据集上的最佳性能。

One Framework for All: Cross-Modal Membership Inference for Generative Models

一框架适用于所有：生成模型的跨模态成员推理

Dayong Ye, Tainqing Zhu, Kun Gao, Junhao Liu, Yichuan Chen, Shuai Zhou, Hengzhu Liu, Bo Liu, Wanlei Zhou

专题命中 文生图 ：text-to-image(abstract)

AI总结 研究生成模型的跨模态成员推理问题，基于生成模型输出分布可近似训练数据分布的特性，在共享嵌入空间建模，通过似然比测试推理，贡献统一框架，性能优于现有方法。