图像生成

PixelControl: Fine-Grained Condition Fidelity in Text-to-Image Diffusion

PixelControl：文本到图像扩散中的细粒度条件保真度

Xin Lin, Haodong Li, Zhifei Zhang, Yutong Yang, Haitian Zheng, Juanxi Tian, Zhe Lin, Truong Nguyen

机构 * Adobe Research（奥多比研究院） ； Nanyang Technological University（南洋理工大学） ； University of California San Diego（加州大学圣迭戈分校） 纠错

专题命中 可控生成 ：text-to-image(title,abstract)；diffusion(title,abstract)；分类 cs.CV

AI总结 针对可控文本到图像扩散模型细粒度结构保真度不足的问题，提出PixelControl框架，通过结构感知控制注入与多尺度金字塔循环损失等设计，提升了边界及中/小区域的结构保真度。

Comments The project homepage can be found: this https URL (https://linxin0.github.io/pixelcontrol_homepage/pixelcontrol-site/)

PoseAdapter: Dual-Stream 2.5D Controllable Image Generation for Complex Multi-Object Scenes

PoseAdapter：面向复杂多目标场景的双流2.5D可控图像生成

Yufeng Chi, Huimin Ma, Fan Gao, Zhice Niu, Keqin Li, Jianmin Li

机构 * Tsinghua University（清华大学） ； National University of Defense Technology（国防科技大学） 纠错

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

AI总结 PoseAdapter是一种轻量2.5D可控图像生成框架，通过双流表示解决多目标场景属性泄漏问题，构建OrientLayout数据集，在空间精度等指标上优于现有最优方法。

Comments 10 pages, 5 figures

RRFC: Recursive Refinement via Feedback Conditioning for Iterative Image-to-Image Generation

RRFC：基于反馈条件的递归精修用于迭代式图像到图像生成

Kareem Hassani, Chaymaa Abbas, Hadi Al Mubasher, Mariette Awad

专题命中 可控生成 ：image generation(title)；diffusion(abstract)；分类 cs.CV

AI总结 该研究提出RRFC框架，通过反馈条件实现迭代式图像到图像生成的输出精修，在多类模型和任务上评估发现其增益集中于目标属性重叠的任务。

DepthArb: Training-Free Depth-Arbitrated Generation for Occlusion-Robust Image Synthesis

DepthArb: 无训练深度仲裁生成用于遮挡鲁棒图像合成

Hongjin Niu, Jiahao Wang, Xirui Hu, Weizhan Zhang, Lan Ma, Yuan Gao, Feng Lei

机构 * School of Computer Science and Technology（计算机科学与技术学院） ； China Telecom（中国电信） 纠错

专题命中 可控生成 ：image synthesis(title)；text-to-image(abstract)；分类 cs.CV

AI总结 本文提出DepthArb，通过仲裁交互对象的注意力竞争解决遮挡歧义，采用注意力仲裁调制和空间紧凑性控制机制，无需重新训练即可提升遮挡生成的准确性和视觉保真度。

TISC: A Text-Driven Image Semantic Communication System for Faithful Reconstruction

TISC：用于忠实重建的文本驱动图像语义通信系统

Feifan Zhang, Yuyang Du, Xiaoyan Liu, Soung Chang Liew

机构 * The Chinese University of Hong Kong（香港中文大学） 纠错

专题命中 可控生成 ：text-to-image(abstract)；diffusion(abstract)；分类 cs.CV

AI总结 本文提出文本驱动图像语义通信框架TISC，通过树结构属性语义提取（TSASE）和初始噪声优化（INO）机制解决现有方法的语义损失与重建忠实度不足问题，经多数据集实验验证了其有效性。

SplatGuide: Geometric Priors from 3D Gaussians for Pose-Free Novel View Synthesis

SplatGuide：用于无姿态新视图合成的3D高斯几何先验

Yejun Zhang, Zihan Wang, Xu Ji, Yihao Wang, Yuxin Hou, Junyuan Fang, Juho-Matti Kilpeläinen, Arno Solin, Hamed Rezazadegan Tavakoli, Esa Rahtu, Juho Kannala

机构 * Aalto University（阿尔托大学） ； Deep Render（深度渲染公司） ； ELLIS Institute Finland（芬兰ELLIS研究所） ； Nokia Technologies（诺基亚技术公司） ； Tampere University（坦佩雷大学） ； University of Oulu（奥卢大学） 纠错

专题命中 可控生成 ：diffusion(abstract)；分类 cs.CV

AI总结 SplatGuide复用单个3DGS场景生成三种互补信号，实现无姿态新视图合成，在多个基准数据集上达到SOTA，在RealEstate10K上超越真实姿态基线。

SingDance: Compositional Zero-Shot Singing-and-Dancing Video Generation with Role-Aware Audio Conditioning

SingDance：基于角色感知音频条件的组合式零样本歌舞视频生成

Tao Feng, Xu Li, Xiangyang Luo, Ming Wen, Huadai Liu, Chen Zhang, Wei Xue

机构 * Kuaishou Technology（快手科技） 纠错

专题命中 可控生成 ：diffusion(abstract)；分类 cs.CV

AI总结 SingDance是统一视频扩散框架，将语音表达设为语义角色，通过硬紧凑路由等技术实现组合式零样本歌舞视频生成，参数少且性能具竞争力。

Comments 9 pages, 5 figures

Spatial Temporal Synergy: Balancing Change and Invariance in Text Driven 3D Human Motion Editing

时空协同：文本驱动的三维人体动作编辑中变化与不变性的平衡

Shaohui Lin, Zhenwu Shi, Jingyu Gong, Jiao Xie, Yu Zhou, Baochang Zhang, Lizhuang Ma, Chia-Wen Lin

机构 * East China Normal University（华东师范大学） ； School of Computer Science and Technology, East China Normal University（华东师范大学计算机科学与技术学院） ； School of Computer Science and Engineering, Shanghai Jiao Tong University（上海交通大学计算机科学与工程学院） ； Shanghai Institute of Artificial Intelligence for Education, East China Normal University（华东师范大学上海教育人工智能研究院） ； School of Statistics, East China Normal University（华东师范大学统计学院） ； School of Artificial Intelligence, Beihang University（北京航空航天大学人工智能学院） 纠错

专题命中 可控生成 ：diffusion(abstract)；分类 cs.CV

AI总结 针对文本驱动3D人体动作编辑中变化与不变性难以平衡的问题，提出CIME框架，通过空间姿态和时间节奏维度的解耦实现最优性能，相关成果已开源。

ES3D: Embedding Semantics into 3D Space for Component-Aware Editing

ES3D：将语义嵌入3D空间以实现组件感知编辑

Xuancheng Jin, Rengan Xie, Jiayuan Lu, Wenting Zheng, Rui Wang, Yuchi Huo, Lincheng Li, Yingfeng Chen

专题命中 可控生成 ：inpainting(abstract)；分类 cs.CV

AI总结 ES3D是将语义嵌入3D空间的框架，通过多视图语义特征构建3D语义嵌入，实现组件感知的3D资产检索与编辑，可生成几何一致、语义连贯的编辑结果。

From "What-If" to "What-Is": Counterfactual Thinking-Inspired Semantic Alignment for Visual Brain Decoding

从“假设”到“事实”：面向视觉脑解码的反事实思维启发语义对齐

Kaitao Yan, Chi Liu, Congcong Zhu, Huajie Chen, Gengshen Wu, Minghao Wang, Xiaotong Han, Tianqing Zhu

专题命中 可控生成 ：diffusion(abstract)；分类 cs.CV

AI总结 提出ConceptAlign框架，通过反事实语义对齐解决视觉脑解码的语义错误问题，在自然场景数据集上相比MindEye2提升了重构、语义区分等指标。

Comments Under Review

Disentangling Pictorial Cue Understanding from Language Bias in VLMs via Depth Ordering Task

通过深度排序任务解构视觉语言模型中的图像线索理解与语言偏差

Yiqian Liu, Iuliia Kotseruba, John K. Tsotsos

机构 * York University（约克大学） ； University of Guelph（圭尔夫大学） 纠错

专题命中 可控生成 ：image generation(abstract)；分类 cs.CV

AI总结 提出深度排序与异常检测任务，结合控制图像线索和语言表达，量化视觉语言模型的深度感知能力，发现模型对深度线索利用不足且存在语言偏差。

Comments 15 pages, 7 figures, accepted to ECCV 2026 (30 pages, 13 figures, supplementary materials included)

RoboMirror: Understand Before You Imitate for Video to Humanoid Locomotion

RoboMirror: 在模仿之前理解以实现视频到仿人运动

Zhe Li, Boan Zhu, Yangyang Wei, Shuanghao Bai, Yuheng Ji, Yibo Peng, Tao Huang, Pengwei Wang, Zhongyuan Wang, S.-H. Gary Chan, Chang Xu, Cheng Chi, Jianfei Yang, Shanghang Zhang

专题命中 可控生成 ：diffusion(abstract)；分类 cs.CV

AI总结 RoboMirror通过视觉语言模型将视频提炼为视觉运动意图，直接生成物理合理的仿人运动，无需姿态重建，实现远程存在并提升任务成功率。

Unified Condition-Action Modeling for Accurate One-Step Action Generation

用于精准单步动作生成的统一条件-动作建模

Xinyu Zhou, Zikun Cai, Kuangji Zuo, Gen Li, Boyu Ma, Yanshuo Lu, Yutong Song, Mingqi Yuan, Jiayu Chen, Jianfei Yang

机构 * NTU（南洋理工大学） ； HKU（香港大学） 纠错

专题命中 可控生成 ：diffusion(abstract)

AI总结 该研究提出UCA-Flow统一条件-动作建模框架，通过共享令牌空间与改进双路监督方案，提升机器人单步动作生成的成功率与推理速度。

Exact analytical solutions for the piston effect in supercritical fluids under post-acoustic approximation -- Short-time asymptotics, thermal penetration depth and comparison with the Spacelab D-2 experiments

超临界流体中活塞效应的精确解析解：声学近似后的短时渐近、热穿透深度及与Spacelab D-2实验的比较

Mátyás Szücs

专题命中 可控生成 ：diffusion(abstract)

AI总结 针对超临界流体中的活塞效应，在线性后声学近似下推导了直角和球坐标中一维问题的精确解析解，分析了短时渐近和热穿透深度，并通过考虑容器热容与Spacelab D-2实验数据良好吻合。

Comments 33 pages, 12 figure

Equilibrium stochastic control with implicitly defined objective functions

具有隐式定义目标函数的均衡随机控制问题

Zongxia Liang, Jianming Xia, Keyu Zhang

专题命中 可控生成 ：diffusion(abstract)

AI总结 本文针对含隐式目标函数的时间不一致随机控制问题，在受控扩散框架中推导均衡策略的充要条件，并将其应用于两类带约束的动态投资组合选择问题，明确了确定市场系数下的均衡策略形式。

Comments To appear in SCIENTIA SINICA Mathematica