图像生成

Introspective Attention Modulation for Safe Text-to-Image Generation

用于安全文本到图像生成的内省注意力调制

Basim Azam, Hossein Rahmani, Naveed Akhtar

机构 * The University of Melbourne（墨尔本大学） ； Lancaster University（兰卡斯特大学） 纠错

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

AI总结 研究基于流的文本到图像模型易产生不安全内容的问题，提出通过推理时内省调节注意力动态实现安全的方法，该方法在保持或提升质量的同时显著提高安全分数，为安全图像生成提供新途径。

Comments Accepted at ECCV 2026. 20 pages, 7 figures. Project page: https://basim-azam.github.io/iam/

On the Limitations of Cross-Lingual Consistency in Multilingual Text-to-image Generation

多语言文本到图像生成中跨语言一致性的局限性研究

Sicheng Zhang, Zhonghao Yan, Binzhu Xie, Shi Qiu, Muzammal Naseer, Naveed Akhtar, Mubarak Shah

机构 * Khalifa University（哈利法大学） ； Queen Mary University of London（伦敦玛丽女王大学） ； The Chinese University of Hong Kong（香港中文大学） ； The University of Western Australia（西澳大学） ； The University of Melbourne（墨尔本大学） ； University of Central Florida（中佛罗里达大学） 纠错

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

AI总结 本文针对多语言文本到图像生成的跨语言一致性局限，构建含10种语言、3.3万条提示词的LingT2I基准，经分析揭示语言相关生成规律，为开发更鲁棒的多语言T2I模型奠定基础。

Comments Accepted to ACM MM 2026

Order Matters: LVLMs as Judges for Temporal Reasoning in Image Sequences

顺序很重要：LVLMs作为图像序列时间推理的评判者

Martina Ianaro, Guilherme Fernandes, Maurizio Gabbrielli, Joao Magalhaes

机构 * University of Bologna（博洛尼亚大学） ； NOVA School of Science and Technology（NOVA科技学院） ； NOVA Laboratory for Computer Science and Informatics（NOVA计算机科学与信息实验室） 纠错

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

AI总结 本研究发现大视觉语言模型（LVLMs）作为多模态评判者存在时间顺序判别缺陷，受首因、近因等结构性偏差影响，呼吁构建时间感知的视觉序列评估范式。

Comments 34 pages, camera-ready