图像生成

SynthRender and I-AsSET: Open-Source Framework and Dataset for Bidirectional Sim-Real Transfer in Industrial Object Perception

SynthRender 和 IRIS：用于工业物体感知双向仿真-现实迁移的开源框架和数据集

Jose Moises Araya-Martinez, Thushar Tom, Adrián Sanchis Reig, Pablo Rey Valiente, Jens Lambrecht, Jörg Krüger

机构 * Technical University Berlin, Industrial Automation Technology（柏林技术大学，工业自动化技术） ； Mercedes-Benz AG, Future Manufacturing Technologies（梅赛德斯-奔驰公司，未来制造技术） ； Technical University Braunschweig, Institute for Cognitive Robotics（不伦瑞克技术大学，认知机器人研究所） 纠错

专题命中 图像生成评测 ：image generation(abstract)；分类 cs.CV

AI总结 本文提出SynthRender和IRIS，通过合成数据生成与结构化评估，系统研究双向仿真-现实迁移，提供32类数据集和CAD模型，实现高效合成训练与工业应用。

OmniEdit-Bench: A Comprehensive Benchmark for Instruction-based Video Editing

OmniEdit-Bench：基于指令的视频编辑综合基准

Chenxuan Miao, Yutong Feng, Yi Lu, Yunfeng Yan, Donglian Qi, Shiwei Zhang, Yu Liu, Xi Chen, Hengshuang Zhao

机构 * The University of Hong Kong（香港大学） ； Alibaba Group（阿里巴巴集团） ； Zhejiang University（浙江大学） ； Peking University（北京大学） 纠错

专题命中 图像生成评测 ：image editing(abstract)；分类 cs.CV

AI总结 针对现有基于指令的视频编辑基准的任务覆盖有限、指标不足的问题，OmniEdit-Bench将编辑任务分解为多维度并提出含惩罚机制的评估框架，实验显示当前IVE模型仍待提升。

GeoReward: Mitigating Contextual Variable Overestimation in Vision-Language Models for Cross-Market Preference Prediction

GeoReward：缓解跨市场偏好预测的视觉语言模型中的上下文变量高估问题

Shuo Liu, Huixiang Cai, Weiru Zhang, Xiaoyi Zeng

机构 * Alibaba International Digital Commerce Group（阿里巴巴国际数字商业集团） 纠错

专题命中 图像生成评测 ：text-to-image(abstract)；分类 cs.CV

AI总结 本研究针对视觉语言模型的上下文变量高估问题，提出GeoReward奖励模型，通过三种机制缓解该偏差，在跨市场广告偏好预测任务中性能优于现有基线。

Poly-OPD: Heterogeneous Multi-Teacher On-Policy Distillation for Capability-Selectable Flow Models

Poly-OPD：用于能力可选流模型的异构多教师在线策略蒸馏

Siming Fu, Haojun Xu, Ruizhe He, Zheming Fu, Hualiang Wang, Jie Huang, Xiaoxiao Ma, Mingchen Zhong, Weihu Huang, Xiaoxuan He, Linjiang Huang, Si Liu

专题命中 图像生成评测 ：text-to-image(abstract)；分类 cs.CV

AI总结 Poly-OPD框架通过异构多教师在线策略蒸馏，将FLUX.1-dev和Z-Image的互补优势整合到25亿参数的SD3.5-Medium模型，提升了文本到图像生成的GenEval与DrawBench指标。

Decoupling semantics from vision: A framework for faithful visual-text compression evaluation

将语义与视觉解耦：一种用于可靠视觉-文本压缩评估的框架

Yonghan Gao, Zehong Chen, Lijian Xu, Jingzhi Chen, Jingwei Guan, Xingyu Zeng

机构 * Shenzhen University of Advanced Technology（深圳先进技术大学） ； Shenzhen Technology University（深圳技术大学） 纠错

专题命中 图像生成评测 ：text-to-image(abstract)；分类 cs.CV

AI总结 本研究针对现有视觉-文本压缩评估依赖下游任务性能的缺陷，提出解耦语义与视觉的评估框架，引入ZeroSense基准消除文本依赖，实验证实VTC质量与下游任务准确率存在显著差异。

Scaling Properties of Text Conditioning in Visual Generation

视觉生成中文本条件的缩放特性

Zilong Chen, Chaorui Deng, Kunchang Li, Hongyi Yuan, Haoqi Fan

专题命中 图像生成评测 ：diffusion(abstract)；分类 cs.CV

AI总结 该研究探究视觉生成中文本条件的缩放特性，采用GPG、ED量化结构化语言，据此构建结构化提示并训练提示生成器，所得系统在多基准上超越多数开放权重模型、匹配或超越最强封闭权重模型。

Comments Code: https://github.com/heheyas/context-scaling Models: https://huggingface.co/collections/heheyas/context-scaling Demo: https://heheyas-context-scaling.hf.space/ Project page: https://heheyas.github.io/context-scaling

LU-500: A Logo Benchmark for Concept Unlearning

LU-500：用于概念遗忘的标志基准

Keyu Li, Jin Gao, Jialing Zhang, Dequan Wang

机构 * Shanghai Jiao Tong University（上海交通大学） 纠错

专题命中 图像生成评测 ：text-to-image(abstract)；分类 cs.CV

AI总结 研究文本到图像模型中概念遗忘里公司标志未被充分研究的问题，引入LU-500基准及多粒度协议，通过实验评估多种方法，分析ProLU基线，指出未来标志遗忘或需空间感知控制。

Towards Unified Multimodal Misinformation Detection in Social Media: A Benchmark Dataset and Baseline

面向社交媒体中统一的多模态虚假信息检测：基准数据集与基线模型

Haiyang Li, Yaxiong Wang, Shengeng Tang, Yuchen Zhang, Lianwei Wu, Lechao Cheng, Liu Liu, Chaofeng Dong, Zhun Zhong

机构 * School of Computer Science and Information Engineering, Hefei University of Technology（计算机科学与信息工程学院，合肥工业大学） ； School of Computer Science and Technology, Northwestern Polytechnical University（计算机科学与技术学院，西北工业大学） 纠错

专题命中 图像生成评测 ：image synthesis(abstract)；分类 cs.CV

AI总结 该研究构建了含9.8万样本的OmniFake基准数据集，提出UMFDet框架，实现对人工与AI生成两类多模态虚假内容的统一检测，性能优于专用基线。

DailyBench: A Unified Benchmark for AI-Generated and Manipulated Images from Modern Generative Models

DailyBench：用于评估现代生成模型生成和处理的人工智能图像的统一基准

Xin Jiang, Hao Tang, Junyao Gao, Meiqi Cao, Fei Shen, Dongming Zhang, Yongdong Zhang

机构 * People’s Daily Online（人民网） ； Nanyang Technological University（南洋理工大学） ； Tongji University（同济大学） ； Nanjing University of Science and Technology（南京理工大学） ； National University of Singapore（新加坡国立大学） ； University of Science and Technology of China（中国科学技术大学） 纠错

专题命中 图像生成评测 ：image synthesis(abstract)；分类 cs.CV

AI总结 研究针对现有生成模型图像检测基准与现实差距问题，提出统一基准DailyBench，含FakeBench和ManipulationBench两个子集，通过实验揭示当前检测器鲁棒性差，凸显其可用于开发更强大的人工智能生成图像检测方法。

Comments Some errors must be corrected

EgoPlay: Event-Triggered Video Editing for Egocentric Streams

EgoPlay：用于第一人称视角视频流的事件触发式视频编辑

Jinjie Mai, Gordon Guocheng Qian, Willi Menapace, Arpit Sahni, Chaoyang Wang, Ashkan Mirzaei, Runjia Li, Sergey Tulyakov, Bernard Ghanem, Peter Wonka, Rameen Abdal

机构 * Snap Inc.（Snap公司） ； King Abdullah University of Science and Technology (KAUST)（阿卜杜拉国王科技大学） 纠错

专题命中 图像生成评测 ：diffusion(abstract)；分类 cs.CV

AI总结 研究第一人称视角视频流编辑问题，提出EgoPlay，通过微调预训练模型，在单个端到端模型中联合学习事件识别等，构建数据集训练双向视频扩散编辑器，在Ego4D基准测试中表现出色，优于现有基线。

Comments Accepted to SIGGRAPH Asia 2026 as a Conference Paper. Project page: https://egoplay2026.github.io/egoplay

AI-generated Images Challenge Visual Trust in High-risk Scenarios

人工智能生成的图像在高风险场景中挑战视觉信任

Yi-Zhi Wang, Yichen Xiao, Linan Yue, Weibo Gao, Yichao Du, Pengfei Fang, Shimin Di, Min-Ling Zhang

专题命中 图像生成评测 ：image generation(abstract)；分类 cs.CV

AI总结 研究聚焦人工智能生成图像在高风险场景下对视觉信任的挑战，提出SafeIMG基准，涵盖12个安全场景。评估专门探测器和视觉语言模型，发现它们检测可靠性不足，模型解释覆盖低，表明当前探测器在多方面欠缺，难以可靠评估此类图像。

TextRich: A Multi-Domain Benchmark for Detecting AI-Generated Text-Rich Images from GPT-Image-2

一个用于检测 GPT-Image-2 生成的含丰富文本图像的多领域基准

Yijin Wang, Shuyi Wang, Wenhan Zhang, Yuqi Ouyang

机构 * College of Computer Science（计算机科学学院） 纠错

专题命中 图像生成评测 ：image generation(abstract)；分类 cs.CV

AI总结 针对现有基准缺乏文本丰富图像检测的问题，构建了包含8602张图像、覆盖6个类别的多领域基准，评估5种检测器，发现性能高度依赖领域且易受JPEG压缩影响。

Infinite-Precision Autoregressive Modeling for Vector Graphics and Layouts

AGDC: 变长序列的自回归生成与联合离散连续空间

Yeonsang Shin, Insoo Kim, Bongkeun Kim, Keonwoo Bae, Bohyung Han

机构 * Seoul National University（首尔国立大学） ； Samsung Electronics（三星电子） 纠错

专题命中 图像生成评测 ：diffusion(abstract)；分类 cs.CV

AI总结 AGDC通过联合建模离散和连续值，实现变长序列的高精度生成，适用于半导体设计等高精度领域。

Comments Code: https://github.com/yxxshin/IPAM

Journal ref ICML 2026

Time-Reversed Imaging: A Multimodal Benchmark and Framework for Reconstructing Past Human-Environment Interactions

时间反转成像：用于重建过去人类与环境交互的多模态基准和框架

Jorge Bacca, Kebin Contreras, Luis Toscano-Palomino, Mauro Dalla Mura

专题命中 图像生成评测 ：diffusion(abstract)；分类 cs.CV

AI总结 研究提出时间反转成像范式，通过TRACE-HEI数据集及多模态推理方法，从热、紫外和可见光谱中残余物理印记推断过去人类与环境交互，为时间反转成像奠定基础，开辟场景理解新方向。

WearWow: Native 2K Multi-Garment Virtual Try-On via Adaptive Token Packing and Preference Alignment

WearWow：通过自适应令牌打包和偏好对齐实现原生2K多服装虚拟试穿

Xujie Zhang, Runyan Du, Song Chang, Jiang Li, Dongliang Shao, Liping Wu, Wei Luo, Xiaochao Qu, Luoqi Liu, Xiaodan Liang

机构 * Shenzhen Campus of Sun Yat-sen University（中山大学深圳校区） ； Meitu Lab（美图实验室） 纠错

专题命中 图像生成评测 ：diffusion(abstract)；分类 cs.CV

AI总结 研究针对原生2K多服装虚拟试穿难题，提出WearWow框架。用自适应2D令牌打包减轻内存爆炸，多维试穿奖励系统纠正纹理退化，还构建高质量数据集。实验证明该框架在原生2K多服装合成上达新水平，超越现有商业基线。

4DGS360: 360° Gaussian Reconstruction of Dynamic Objects from a Single Video

4DGS360：从单个视频中进行动态物体的360度高斯重建

Jae Won Jang, Yeonjin Chang, Wonsik Shin, Juhwan Cho, Nojun Kwak

机构 * Seoul National University（首尔国立大学） 纠错

专题命中 图像生成评测 ：diffusion(abstract)；分类 cs.CV

AI总结 本文提出4DGS360框架，通过3D原生初始化解决动态物体360度重建中的几何模糊问题，结合优化实现一致的4D重建，并引入iPhone360基准测试集验证方法有效性。

Comments Accepted to ECCV 2026. Project page: https://jaewon040.github.io/4dgs360/

WorldPack: Dynamic Frame Compression for Long-context Video World Modeling

WorldPack：用于长上下文视频世界建模的动态帧压缩

Yuta Oshima, Yusuke Iwasawa, Masahiro Suzuki, Yutaka Matsuo, Hiroki Furuta

机构 * The University of Tokyo（东京大学） ； Google DeepMind（谷歌DeepMind） 纠错

专题命中 图像生成评测 ：diffusion(abstract)；分类 cs.CV

AI总结 研究针对长上下文视频世界建模中时空一致生成的挑战，提出WorldPack视频世界模型，通过轨迹打包和几何选择机制，基于3D空间相关性动态分配压缩率，扩展有效上下文，在相关数据集上优于基线，提升空间推理任务表现。

Comprehensive Dataset of Synthetic and Manipulated Overhead Imagery for Development and Evaluation of Forensic Tools

综合性合成与 manipulated 天顶影像数据集用于开发和评估取证工具

Brandon B. May, Kirill Trapeznikov, Shengbang Fang, Matthew C. Stamm

机构 * Drexel University（德雷塞尔大学） 纠错

专题命中 图像生成评测 ：diffusion(abstract)；分类 cs.CV

AI总结 本文提出了一种综合性合成与 manipulated 天顶影像数据集，用于开发和评估取证工具，支持可控生成多种操纵类别及任务基准性能。

Inference-Time Concept Suppression and Video-Centric Evaluation for Text-to-Video Models

文本到视频模型的推理时概念抑制和以视频为中心的评估

Wenxuan Chen, Wenjie Feng

机构 * University of Science and Technology of China（中国科学技术大学） 纠错

专题命中 图像生成评测 ：text-to-image(abstract)；分类 cs.CV

AI总结 研究文本到视频模型中可控去除目标概念的问题，提出无训练推理时框架SIRUS，通过定位目标相关提示证据抑制目标表达，引入视频导向评估框架，在多个概念上实验表现出色，能在不同骨干上泛化。

Comments 29 pages, 9 figures, 11 tables

PhotoAgent: Exploratory Visual Aesthetic Planning with Large Vision Models

PhotoAgent: 带探索性视觉审美规划的代理照片编辑

Mingde Yao, Zhiyuan You, King-Man Tam, Menglu Wang, Tianfan Xue

机构 * MMLab, CUHK（CUHK媒体实验室） ； Shanghai AI Lab（上海AI实验室） ； USTC（中国科学技术大学） ； Institute of Science Tokyo（东京科学研究所） ； CPII under InnoHK（创新香港下的CPII） 纠错

专题命中 图像生成评测 ：image editing(abstract)；分类 cs.CV

AI总结 PhotoAgent通过探索性视觉审美规划实现自主照片编辑，无需用户逐步提示，提升图像质量和指令遵循度。

Comments ICML 2026 Oral. A fully automated, intelligent photo-editing agent that autonomously plans multi-step aesthetic enhancements, smartly chooses diverse editing tools, and enables everyday users to achieve professional-looking results without crafting complex prompts. Project page: https://mdyao.github.io/PhotoAgent/

Z-Reward: Beyond Scalar Rewards by Internalizing Reasoning into Score Distributions

超越标量奖励：将推理内化到分数分布中

Xin Jin, Huanqia Cai, Zhen Li, Zechao Zhan, Dengyang Jiang, Aiming Hao, Yuming Jiang, Xiangpeng Yang, Chunle Guo, Peng Gao, Ming-Ming Cheng, Steven C. H. Hoi

机构 * Alibaba Group（阿里巴巴集团） ； Nankai University（南开大学） 纠错

专题命中 图像生成评测 ：text-to-image(abstract)；分类 cs.CV

AI总结 提出Z-Reward框架，通过教师-学生模型将推理型奖励内化为紧凑VLM的分数分布，实现高效且准确的文本到图像优化。

Comments Z-Image Team Technical Report. Project page: https://srameo.github.io/projects/z-reward/

Cognitive-structured Multimodal Agent for Multimodal Understanding, Generation, and Editing

用于多模态理解、生成和编辑的认知结构多模态智能体

Feng Wang, Canmiao Fu, Zhipeng Huang, Chen Li, Jing Lyu, Ge Li

机构 * Peking University（北京大学） ； Tencent Inc（腾讯公司） 纠错

专题命中 图像生成评测 ：image generation(abstract)；分类 cs.CV

AI总结 研究针对统一多模态模型在长时多模态对话中的局限，提出认知结构多模态智能体，通过外化视觉信息等方式改进。开发统一场景引擎，构建评估基准。实验显示该智能体检索准确率高、推理时间减半，还介绍了工具包，为长时多模态智能体提供新范式。

Comments 16 pages, 7 figures, 8 tables. Project page: https://caseclose.github.io/cma-harness/ Code: https://github.com/caseclose/cma-harness

Unified Removal of Raindrops and Reflections: A New Benchmark and A Novel Pipeline

统一去除雨滴和反射：一个新的基准和一个新流程

Xingyu Liu, Zewei He, Yu Chen, Chunyu Zhu, Zixuan Chen, Xing Luo, Zhe-Ming Lu

机构 * School of Aeronautics and Astronautics, Zhejiang University（浙江大学航空航天学院） ； Huanjiang Laboratory（浣江实验室） ； Hangzhou Institute of Technology, Xidian University（西安电子科技大学杭州研究院） ； The Chinese University of Hong Kong（香港中文大学） 纠错

专题命中 图像生成评测 ：diffusion(abstract)；分类 cs.CV

AI总结 本文提出统一去除雨滴和反射的任务，并构建了新的基准数据集，同时提出基于扩散的新型框架DiffUR³，有效去除两种退化，实验表明在基准和真实场景中表现优异。

Comments Accepted by ECCV 2026

Glare Mitigation using a Differentiable Unified Glare Rating

使用可微统一眩光评级减轻眩光

Linas Beresna, Eugene Fiume

专题命中 图像生成评测 ：image generation(abstract)；分类 cs.GR

AI总结 研究利用可微光传输，引入连续可微的UGR代理，解决低样本密度下蒙特卡洛方差导致的优化不稳定，通过可调Sigmoid边界替换离散UGR阶梯函数，在多领域减轻眩光，提供优化视觉舒适度的管道。

Comments 15 pages, 16 figures. Published in Proceedings of the Eurographics Symposium on Rendering (EGSR) 2026, Symposium Track. This is the authors' version; the definitive version is available at the Eurographics Digital Library

Journal ref Eurographics Symposium on Rendering 2026 (Symposium Track)

DF3DV-1K: A Large-Scale Dataset and Benchmark for Distractor-Free Novel View Synthesis

DF3DV-1K：用于无干扰新视角合成的大规模数据集与基准

Cheng-You Lu, Yi-Shan Hung, Wei-Ling Chi, Hao-Ping Wang, Charlie Li-Ting Tsai, Yu-Cheng Chang, Yu-Lun Liu, Thomas Do, Chin-Teng Lin

机构 * University of Technology Sydney（悉尼科技大学） ； University of Sydney（悉尼大学） ； National Yang Ming Chiao Tung University（阳明交通大学） 纠错

专题命中 图像生成评测 ：diffusion(abstract)；分类 cs.CV

AI总结 为弥补无干扰辐射场领域缺乏大规模真实世界数据集的空白，构建了包含1048个场景、每场景提供干净和杂乱图像集的DF3DV-1K数据集，并基于此基准测试了九种最新方法，识别出最鲁棒的方法和最具挑战的场景。

Comments ECCV 2026 Accepted

Explainable Concept Generation through Vision-Language Preference Learning for Understanding Neural Networks' Internal Representations

通过视觉-语言偏好学习实现可解释的概念生成以理解神经网络的内部表示

Aditya Taparia, Som Sagar, Ransalu Senanayake

专题命中 图像生成评测 ：image generation(abstract)；分类 cs.CV

AI总结 本文提出通过视觉-语言偏好学习生成概念图像集，解决传统方法需手动收集概念图像集的不足，提高神经网络内部表示理解的效率和可靠性。

Comments 28 pages, 31 figures

Journal ref Proceedings of the 42nd International Conference on Machine Learning (ICML 2025), PMLR 267:59154-59181, 2025

Radial Interaction Tomography: Recognizing Non-Transitive Evolutionary Games from One Range-Expansion Image

径向相互作用断层扫描：从一次范围扩张图像识别非传递演化博弈

Faruk Alpay, Baris Basaran

机构 * Department of Computer Engineering, Bahçeşehir University（巴赫切希尔大学计算机工程系） 纠错

专题命中 图像生成评测 ：diffusion(abstract)；分类 cs.CV

AI总结 提出计算机视觉逆问题，从单张端点图像恢复径向边界流场，并检验视觉模式是否与传递标量适应度层级兼容，通过几何信号提取和统计检验实现非传递循环检测。

Comments 17 pages, 10 figures. Ancillary files include computational diagnostics, benchmark code, and supplementary proofs

ReSpace: Text-Driven Autoregressive 3D Indoor Scene Synthesis and Editing

ReSpace：基于文本的自回归3D室内场景合成与编辑

Martin JJ. Bucher, Iro Armeni

机构 * Stanford University（斯坦福大学） 纠错

专题命中 图像生成评测 ：diffusion(abstract)；分类 cs.CV

AI总结 ReSpace通过自回归方法实现文本驱动的3D室内场景合成与编辑，具备明确房间边界和资产无关部署能力，支持通过自然语言添加、移除和交换物体，实验在物体添加和完整场景合成质量上超越现有方法。

Comments 23 pages, 17 figures, 11 tables (incl. appendix)

HunyuanImage 3.0 Technical Report

HunyuanImage 3.0 技术报告

Tencent Hunyuan Foundation Model Team

专题命中 图像生成评测 ：image generation(abstract)；分类 cs.CV

AI总结 HunyuanImage 3.0是一种统一多模态理解与生成的自回归模型，通过精心数据整理、先进架构、原生思维链、渐进预训练和激进后训练，训练出超800亿参数MoE模型（推理时激活130亿），在文本-图像对齐和视觉质量上媲美最先进模型，并开源代码和权重。

C3-Bench: A Context-Aware Change Captioning Benchmark

C3-Bench：一种上下文感知的变化描述基准

Jae-Woo Kim, Hyeongbeom Kim, Ue-Hwan Kim

机构 * Gwangju Institute of Science and Technology（光州科学技术院） 纠错

专题命中 图像生成评测 ：image editing(abstract)；分类 cs.CV

AI总结 提出C3-Bench基准，包含51种真实变化场景的4996对图像，并首次引入LLM-as-Judge评估框架，揭示现有模型在非训练分布场景下的系统性盲点。

Comments ECCV 2026 Camera-ready version