图像生成

Towards Expressive and Faithful Audio-to-Image Generation: A Unified Multimodal Dataset and Synthesis Framework

面向表达性与忠实性的音频到图像生成：一个统一的多模态数据集与合成框架

Dongxu Ge, Shansong Liu, Cheng Gong, Xiao-Lei Zhang, Chi Zhang, Xuelong Li

机构 * University of Science and Technology of China（中国科学技术大学） ； China Telecom (TeleAI)（中国电信（电信人工智能研究院）） ； Northwest Polytechnical University（西北工业大学） 纠错

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

AI总结 针对音频到图像生成受限于传统数据集的问题，提出A2I-Set数据集与AudioCanvas模型，实现了更优的跨模态对齐与视觉表达性。

Comments 23 pages, 16 figures

Diffusion Image Editing via Asynchronous Token Decoding

基于异步令牌解码的扩散图像编辑

Yang Shi, Liangsi Lu, Minzhe Guo, Yifeng Xie, Yanhui Chen, Jingchao Wang, Xuhang Chen

机构 * Guangdong University of Technology（广东工业大学） ； Hong Kong Baptist University（香港浸会大学） ； Peking University（北京大学） ； Huizhou University（惠州学院） 纠错

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

AI总结 针对文本引导扩散图像编辑的全局漂移问题，提出推理时框架ATDEdit，通过逐令牌条件意外度估计可编辑位置，在PIE-Bench上实现最优保留指标且语义对齐性具竞争力。

Comments Accepted by ACMMM 2026

PosBridge: Multi-View Positional Embedding Transplant for Identity-Aware Image Editing

PosBridge：用于身份感知图像编辑的多视图位置嵌入迁移

Peilin Xiong, Junwen Chen, Honghui Yuan, Keiji Yanai

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

AI总结 PosBridge是一种高效灵活的图像编辑框架，通过位置嵌入迁移与角点居中布局，实现自定义对象的无缝插入，在结构一致性、保真度和效率上优于主流基线。

SI-Edit: Toward Sketch-Instruction Guided Local Image Editing with Pixel-Level Precision

SI-Edit：面向草图-指令引导的像素级精度局部图像编辑

Weixin Ye, Wei Wang, Hongguang Zhu, Xuecheng Nie

机构 * Institute of Information Science, Beijing Jiaotong University（北京交通大学信息科学研究所） ； City University of Macau（澳门城市大学） ； Meitu Inc（美图公司） 纠错

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

AI总结 针对基于草图的图像编辑缺乏像素级精度及对应数据集、评估指标的问题，提出SI-Edit框架，构建SI-Data数据集并建立评估指标，实现更可靠的结构控制与像素级局部编辑效果。

Comments accepted by ACM MM 2026

PhyEdit: Towards Real-World Object Manipulation via Physically-Grounded Image Editing

PhyEdit: 通过物理基础图像编辑实现真实世界物体操作

Ruihang Xu, Dewei Zhou, Xiaolong Shen, Fan Ma, Yi Yang

机构 * ReLER, CCAI, Zhejiang University（浙江大学计算机辅助设计与图形学国家重点实验室人工智能研究所ReLER实验室） 纠错

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

AI总结 PhyEdit通过结合显式几何模拟与2D-3D监督，提升图像编辑中物理准确性和操作一致性，引入RealManip-10K数据集和ManipEval基准测试，优于现有方法。

Comments Code: https://github.com/nenhang/PhyEdit

UniSpace: Unified Visual Representation and Scalable Multimodal Modeling

UniSpace：统一视觉表示与可扩展多模态建模

Jinbo Yan, Limeng Qiao, Jie Qin, Junyan He, Feize Wu, Guanglu Wan

机构 * Meituan（美团） 纠错

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

AI总结 本文提出 UniSpace，通过 Patch Reparameterization 改进语义 ViT，构建 80 亿参数的 Transformer 专家混合模型，实现同一视觉空间内的理解、生成与编辑，提升重建效果，支持文本到图像生成和指令式图像编辑。

RenderMatte: Exact-Alpha Rendering and Group-Relative Alignment for Image Matting

RenderMatte：用于图像抠图的精确Alpha渲染与组相对对齐

Zecheng Ren, Yafei Hu, Jianing Zhao, Ruichen Cong, Qun Jin, Yiren Song

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

AI总结 本文提出RenderMatte框架，通过微调FLUX.1 Kontext实现精确Alpha渲染，引入组相对Alpha对齐优化，并构建专属数据集，在抠图基准测试中取得最优性能，解决开放世界场景的抠图难题。

BRIDGE: Background Routing and Isolated Discrete Gating for Coarse-Mask Local Editing

BRIDGE：背景路由与孤立离散门控用于粗掩膜局部编辑

Peilin Xiong, Honghui Yuan, Junwen Chen, Keiji Yanai

机构 * Department of Informatics, The University of Electro-Communications（信息学系，电通大学） 纠错

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

AI总结 BRIDGE通过背景路由和离散门控技术解决粗掩膜局部编辑中掩膜形状偏差问题，提升编辑区域与背景的稳定性与一致性。

Comments 24 pages, 15 figures

PolypSteer: Counterfactual Endoscopic Synthesis via Training-Free Activation Steering

MedSteer: 通过无训练激活引导进行反事实内窥镜合成

Trong-Thang Pham, Loc Nguyen, Anh Nguyen, Hien V. Nguyen, Ngan Le

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

AI总结 MedSteer通过无训练激活引导生成反事实内窥镜图像，提升医学影像数据增强效果

SNR-Edit: Structure-Aware Noise Rectification for Inversion-Free Flow-Based Editing

SNR-Edit: 基于结构的噪声校正用于无反向的流式编辑

Lifan Jiang, Boxi Wu, Yuhang Pei, Tianrun Wu, Yongyuan Chen, Yan Zhao, Shiyu Yu, Deng Cai

机构 * State Key lab of CAD\&CG, Zhejiang University（CAD与CG国家重点实验室，浙江大学） ； UniTTEC Co. Ltd.（UniTTEC有限公司） ； Research center, Ningbo Meidong Container Terminal Co.,Ltd.（宁波梅东集装箱码头有限公司研究中心） 纠错

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

AI总结 SNR-Edit通过自适应噪声控制实现无反向的流式编辑，提升潜在轨迹的结构保真度，同时保持高效率。

High-Quality Exposure Correction with Diffusion-Based Image Generation Priors

基于扩散模型图像生成先验的高质量曝光校正

Ziwen Li, Meng Cao, Jinpu Zhang, Chunyang Li, Long Bao, Heng Sun, Yuehuan Wang

机构 * Huazhong University of Science and Technology（华中科技大学） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； National University of Defense Technology（国防科技大学） ； Xiaomi Communications Company Ltd.（小米通讯有限公司） 纠错

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

AI总结 本文提出基于扩散先验的曝光校正框架DPEC，通过高效微调策略与联合交叉注意力模块，在多数据集上实现了优于现有方法的曝光校正性能。

Comments Accepted by IEEE Transactions on Multimedia (TMM)

Unveiling the Secret of AdaLN-Zero in Diffusion Transformer

揭示扩散Transformer中AdaLN-Zero的秘密

Jie Zhu, Mingyu Ding, Boqiang Duan, Leye Wang, Jingdong Wang

机构 * Peking University（北京大学） ； UC Berkeley（加州大学伯克利分校） ； Baidu（百度） 纠错

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

AI总结 本研究探究扩散Transformer（DiT）中AdaLN-Zero性能优于AdaLN的原因，发现零初始化是关键要素，提出AdaLN-Gaussian初始化策略与SE-adaLN-Zero机制，经多数据集实验验证其有效性与泛化性。

Comments Accept by IEEE TPAMI 2026, camera-ready version

MultiShadow: Multi-Object Shadow Generation for Image Compositing via Diffusion Model

MultiShadow: 基于扩散模型的多物体阴影生成用于图像合成

Waqas Ahmed, Dean Diepeveen, Ferdous Sohel

机构 * School of Information Technology, Murdoch University（信息科技学院，穆尔彻大学） 纠错

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

AI总结 本文提出基于扩散模型的多物体阴影生成方法，通过多模态特征融合和注意力对齐损失，实现多物体阴影的物理合理合成。

Comments This work is currently under consideration for publication

AMD:Anatomical Motion Diffusion with Interpretable Motion Decomposition and Fusion

AMD：结合可解释动作分解与融合的解剖学动作扩散模型

Beibei Jing, Youjia Zhang, Zikai Song, Junqing Yu, Wei Yang

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

AI总结 本文提出AMD模型，利用LLM将文本解析为解剖学脚本，结合双分支融合方案平衡文本与脚本影响，在CLCD1、CLCD2等复杂动作数据集上性能优于现有SOTA模型。

Comments Corrected missing spaces in the abstract; no changes to the paper

Conditional Uniqueness and Optimal Energy-Norm Convergence for the Dynamic Diffusion Finite Element Method

动态扩散有限元方法的条件唯一性与最优能量范数收敛性

Isaac P. Santos

专题命中 扩散模型 ：diffusion(title,abstract)

AI总结 本文针对动态扩散有限元格式，推导其离散解的条件唯一性与最优一阶能量范数收敛估计，数值实验验证了理论结果，拓展了该格式的数学理解。

Comments 35 pages, 5 figures

IDATA: Scalable Invertible Diffusion for Unrestricted Adversarial Transfer Attack

IDATA：用于无限制对抗迁移攻击的可扩展可逆扩散模型

Yi Pan, Jun-Jie Huang, Tianrui Liu, Zihan Chen, Lin Liu, Zhao Wentao

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

AI总结 IDATA是一种用于无限制对抗迁移攻击的内存高效扩散框架，通过可逆扩散模块与低频约束模块提升攻击性能，在多基准测试中优于现有方法，可用于评估深度视觉模型黑盒鲁棒性。

Comments Adversarial attack,Invertible diffusion model,Memory-efficient,Low-frequency

DiffSafeMerge: Mitigating Backdoor Inheritance in Diffusion Model Merging

DiffSafeMerge：缓解扩散模型合并中的后门继承问题

Jiayang Zhang, Ji Guo, Jiachen Li, Wenshu Fan, Wenbo Jiang

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

AI总结 DiffSafeMerge是一种缓解扩散模型合并中后门继承的方法，通过评分源模块、收缩可疑贡献并在干净去噪损失预算下选择衰减，在多组实验中实现低攻击成功率和低FID。

BAG: Budget-Aware Gating for Diffusion Caching

BAG：面向扩散缓存的预算感知门控机制

Tong Zhao, Mingkun Lei, Yucheng Han, Chi Zhang

机构 * Westlake AGI Lab（西湖AGI实验室） 纠错

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

AI总结 提出BAG（预算感知门控机制），通过离线到在线调度蒸馏训练轻量门控网络，在FLUX.1-dev和Wan2.1上实现优于现有最优缓存方法的性能。

Comments 22 pages, 12 figures, and 13 tables

When Latents Forget Pixels: Restoring Fidelity in Diffusion Transformer Super-Resolution

当潜变量遗忘像素时：在扩散Transformer超分辨率中恢复保真度

Yu Shi, Yuyao Zhang, Yu-wing Tai

机构 * Dartmouth College（达特茅斯学院） 纠错

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

AI总结 本研究针对扩散Transformer超分辨率中VAE压缩导致的保真度下降问题，提出像素锚定超分辨率框架，通过复用VAE前的像素证据提升结果的忠实度，实验验证其性能优于现有潜变量生成式超分辨率方法。

DeepFreqMark: End-To-End Learnable Frequency-Domain Watermarking with Spherical Attack Simulation for Latent Diffusion Models

DeepFreqMark：面向潜在扩散模型的、结合球形攻击模拟的端到端可学习频域水印

Chen-Hsiu Huang, Mario Köppen, Ja-Ling Wu

机构 * National Taiwan University（台湾大学） ； Kyushu Institute of Technology（九州工业大学） 纠错

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

AI总结 针对潜在扩散模型生成图像的版权与虚假信息问题，提出DeepFreqMark频域水印框架，结合球形攻击模拟规避计算瓶颈，其误码率显著低于基线，消息容量可达256位。

Comments accepted by APSIPA ASC 2026

SC-Diff: Semantically Calibrated Diffusion for Visible-to-Infrared Image Translation

SC-Diff：用于可见光到红外图像转换的语义校准扩散模型

Junyin Zhang, Siyu Huang, Jianxiong Ye, Haowei Gong, Ruicheng Zhang, Deyu Meng, Chenqiang Gao

机构 * School of Intelligent Systems Engineering, Shenzhen Campus of Sun Yat-sen University（中山大学深圳校区智能系统工程学院） ； Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； School of Mathematics and Statistics, Xi’an Jiaotong University（西安交通大学数学与统计学院） 纠错

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

AI总结 SC-Diff 是一种语义校准潜扩散框架，通过结合语义先验作为条件与自注意力校准，提升可见光转红外图像的语义一致性，生成更适用于红外目标检测的合成训练数据。

eBIRD: Event-based Intensity Image Reconstruction Using Controllable Diffusion Models

eBIRD：基于可控扩散模型的事件驱动强度图像重建

Ignacio Bugueno-Cordova, Fabian Valderrama, Rodrigo Verschae

机构 * Institute of Engineering Sciences, Universidad de O’Higgins（奥伊金斯大学工程科学学院） ； The Iniciativa de Datos e Inteligencia Artificial, University of Chile（智利大学数据与人工智能倡议） 纠错

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

AI总结 本研究提出eBIRD框架，结合DDPM与ControlNet实现事件引导强度图像重建，在N-MNIST和RGBE-Gaze数据集上验证了通用与专用扩散学习策略的效果，表明可控扩散模型是该任务的有前景方法。

Journal ref The 19th European Conference on Computer Vision Workshops (ECCVW 2026); Workshop on Neuromorphic Vision (NeVi)

BRACE: Taming Sharp Irregularities via Barycentric Rational Forecasting for Fast Diffusion Transformers Inference

BRACE：利用重心有理预测控制快速扩散Transformer推理中的尖锐不规则性

Jinlong Yang, Jinke Wu, Lizilin, Yao Zhou

机构 * Sichuan University（四川大学） ； School of Artificial Intelligence, Sichuan University（四川大学人工智能学院） 纠错

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

AI总结 本研究针对扩散Transformer（DiTs）高加速推理时的质量下降问题，提出带切比雪夫增强的重心有理预测方法BRACE，通过特征驱动的有理预测实现最优质量-效率权衡，且计算开销极低。

Comments 10 pages, 6 figures, 5 tables. Project page: https://youngkinlon.github.io/BRACE-Taming-Sharp-Irregularities-via-Barycentric-Rational-Forecasting-for-Fast-DiT-Inference/

Now You Have My Healthy Attention: A U-DiT for Brain-MRI Inpainting

现在你拥有我的健康注意力：用于脑部MRI修复的U-DiT

Danilo Danese, Angela Lombardi, Tommaso Di Noia

机构 * Politecnico di Bari（巴里理工大学） 纠错

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

AI总结 针对脑部MRI修复任务，提出U-DiT模型，结合对侧对称先验与注意力约束，在BraTS-2026验证集219例病例上取得健康区域SSIM 0.864等优异指标，提升了解剖学合理性。

HEART: Exploiting Head Heterogeneity in Sparse Attention for Video Diffusion

HASTE：通过头级自适应稀疏注意力实现无训练视频扩散加速

Xuzhe Zheng, Yuexiao Ma, Jing Xu, Xiawu Zheng, Rongrong Ji, Fei Chao

机构 * Key Laboratory of Multimedia Trusted Perception and Efficient Computing, Ministry of Education of China, Xiamen University（中国教育部多媒体可信感知与高效计算重点实验室，厦门大学） 纠错

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

AI总结 本文提出HASTE框架，通过时间掩码复用和误差引导预算校准，提升无训练稀疏注意力在视频生成中的速度与质量平衡，实现在720P下1.93倍的加速效果。

Score-based Membership Inference on Diffusion Models

基于扩散模型的分数化成员推断

Mingxing Rao, Bowen Qu, Daniel Moyer

机构 * Department of Computer Science（计算机科学系） 纠错

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

AI总结 本文提出SimA攻击方法，通过预测噪声向量实现高效成员推断，优于现有多查询方法，在多个数据集上表现优异。

SPROUT: A Scalable Diffusion Foundation Model for Agricultural Vision

SPROUT：一种用于农业视觉的可扩展扩散基础模型

Shuai Xiang, James Burridge, Shouyang Liu, Hao Lu, Tokihiro Fukatsu, Yinqiang Zheng, Wei Guo

机构 * Graduate School of Agricultural and Life Sciences, The University of Tokyo（东京大学大学院农学生命科学研究科） ； National Key Laboratory of Multispectral Information Intelligent Processing Technology, School of Artificial Intelligence and Automation, Huazhong University of Science and Technology（华中科技大学多谱信息智能处理技术全国重点实验室、人工智能与自动化学院） ； Institute of Agricultural Machinery, NARO（日本国立研究开发法人农业·食品产业技术综合研究机构农业机械研究所） ； Institute of Life and Environmental Sciences, University of Tsukuba（筑波大学生命环境科学研究所） 纠错

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

AI总结 SPROUT是一种基于扩散去噪的多作物多任务农业基础模型，通过大规模未标注数据预训练，在多种下游任务中表现优异，且预训练成本较低。

Comments Code: https://github.com/UTokyo-FieldPhenomics-Lab/SPROUT Dataset: https://huggingface.co/datasets/XIANG-Shuai/MCD-2.6m

Predict to Skip: Linear Multistep Feature Forecasting for Efficient Diffusion Transformers

预测以跳过：线性多步特征预测用于高效的扩散变换器

Hanshuai Cui, Zhiqing Tang, Qianli Ma, Zhi Yao, Weijia Jia, Wei Zhao

机构 * School of Artificial Intelligence, Beijing Normal University, Beijing 100875, China（人工智能学院，北京师范大学，北京） ； Institute of Artificial Intelligence（人工智能研究所） ； Future Networks, Beijing Normal University, Zhuhai 519087, China（未来网络，北京师范大学，珠海） 纠错

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

AI总结 PrediT通过线性多步特征预测方法，在不训练的情况下加速扩散变换器，实现显著的延迟降低同时保持生成质量。

Affordance-Guided Diffusion Prior for 3D Hand Reconstruction

用于3D手部重建的可负担性引导扩散先验

Naru Suzuki, Takehiko Ohkawa, Tatsuro Banno, Jihyun Lee, Ryosuke Furuta, Yoichi Sato

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

AI总结 研究在手部大量被遮挡时3D手部姿势重建问题；核心方法是用基于扩散的生成模型，由视觉语言模型推断的可负担性描述引导；主要贡献是显著提升手部姿势估计准确性，优于现有方法。

Comments Accepted to ECCV 2026. Project page: https://narusuzuki.github.io/projects/26-affhandgen/

HonestFace: Towards Honest Face Restoration with One-Step Diffusion Model

HonestFace：基于单步扩散模型的诚实人脸复原方法

Jingkai Wang, Wu Miao, Jue Gong, Zheng Chen, Xing Liu, Hong Gu, Yutong Liu, Yulun Zhang

机构 * Shanghai Jiao Tong University（上海交通大学） ； vivo Mobile Communication Co., Ltd（vivo移动通信有限公司） 纠错

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

AI总结 本研究提出基于单步扩散模型的HonestFace人脸复原方法，通过身份嵌入器、掩码人脸对齐等组件构建新数据集MultiRefCeleb-Test，其性能优于现有最优方法。

Comments Published at ACM MM 2026