图像生成

MixDiffusion: Mixing Diffusion-based Uni-condition Text-to-Image Generation Models for Multi-condition Image Synthesis

MixDiffusion：用于多条件图像合成的基于混合扩散的单条件文本到图像生成模型

Pengcheng Wan, Liang Han, Lin Xu, Bowen Xiao, Liqiang Nie

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

AI总结 研究针对现有基于扩散的文本到图像生成方法控制条件单一的问题，提出MixDiffusion框架，通过集成多个预训练单条件模型，支持多条件图像合成，具有无需训练、易部署和可扩展新模态的特点。

Comments 15 pages, 8 figures

UniNDM: A Unified Noise-driven Detection and Mitigation Framework Against Sexual Content in Text-to-Image Generation

UniNDM：文本到图像生成中针对性内容的统一噪声驱动检测与缓解框架

Yao Huang, Yitong Sun, Huanran Chen, Ruochen Zhang, Shouwei Ruan, Ranjie Duan, Maoxun Yuan, Yinpeng Dong, Hui Xue, Xiaochun Cao, Xingxing Wei

机构 * Institute of Artificial Intelligence, State Key Laboratory of Virtual Reality Technology and Systems, Beihang University（北京航空航天大学虚拟现实技术与系统国家重点实验室人工智能研究院） ； College of Artificial Intelligence, Tsinghua University（清华大学人工智能学院） ； Security Department, Alibaba Group（阿里巴巴集团安全部） ； School of Cyber Science and Technology, Shenzhen Campus of Sun Yat-Sen University（中山大学深圳校区网络科学与技术学院） 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 针对文本到图像生成易受隐式性提示影响的问题，提出UniNDM统一噪声驱动框架。利用早期预测噪声的可分离性开发轻量级检测器，引入噪声增强自适应负引导缓解问题，扩展到扩散变压器架构，实验显示比现有方法有显著改进。

Comments 18 pages, 10 figures, accepted by TPAMI

CoBind: Stage-Aware Compositional Binding for Training-Free Text-to-Image Generation

CoBind：用于无训练文本到图像生成的阶段感知组合绑定

Kaijie Chen, Ethan Caldwell, Mira Vossen, Julian Hartwell, Serena Whitlock, Adrian Bellamy

机构 * Mind Lab（思维实验室） 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 研究针对扩散文本到图像模型处理复杂提示失败的问题，提出CoBind框架，先解析提示为组合图，利用多种约束建立布局、绑定属性，去噪时调整引导强度，无需重新训练或注释，实验证明其在多方面有改进且视觉质量有竞争力。

Comments 22 pages

Dynamic Defense Profiling Enables Cognitive Jailbreak of Text-to-Image Models

动态防御剖析实现文本到图像模型的认知越狱

Dongdong Yang, Deyue Zhang, Zhao Liu, Zonghao Ying, Wenzhuo Xu, Jiankai Jin, Xiangzheng Zhang, Quanchen Zou

机构 * Alibaba Tongyi Lab（阿里巴巴通义实验室） 纠错

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

AI总结 研究文本到图像模型易受对抗性滥用问题，提出MIND认知越狱框架，将对抗提示生成重构为信念状态推理，集成多模态判断器等组件，经实验验证其在多个防御设置下显著优于现有方法，有效实现越狱生成。

Comments 12 pages, 3 figures