图像生成

A User-Friendly Framework for Generating Model-Preferred Prompts in Text-to-Image Synthesis

一种用户友好的生成模型偏好提示框架

Nailei Hei, Qianyu Guo, Zihao Wang, Yan Wang, Haofen Wang, Wenqiang Zhang

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

AI总结 本文提出UF-FGTG框架，通过粗细粒度提示数据集和自适应特征提取模块，自动优化用户输入提示以生成更高质量的图像。

Comments Accepted by The 38th Annual AAAI Conference on Artificial Intelligence (AAAI 2024)

ShapeWords: Guiding Text-to-Image Synthesis with 3D Shape-Aware Prompts

ShapeWords: 基于3D形状感知提示的文本到图像合成

Dmitry Petrov, Pradyumn Goyal, Divyansh Shivashok, Yuanming Tao, Melinos Averkiou, Evangelos Kalogerakis

机构 * UMass Amherst（马萨诸塞大学阿默斯特分校） ； CYENS CoE（CYENS联合学院） ； University of Cyprus（塞浦路斯大学） ； TU Crete（希腊技术大学） 纠错

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

AI总结 ShapeWords通过融合3D形状信息与文本提示，提升文本到图像合成的准确性与3D结构感知能力。

Comments Project webpage: https://lodurality.github.io/shapewords/ (CVPR 2025 paper), this Author Accepted Manuscript version is made available under the Creative Commons Attribution 4.0 International License (CC BY 4.0) in accordance with the ERC / Horizon Europe open-access mandate

Evaluating Semantic Variation in Text-to-Image Synthesis: A Causal Perspective

Xiangru Zhu, Penglei Sun, Yaoxian Song, Yanghua Xiao, Zhixu Li, Chengyu Wang, Jun Huang, Bei Yang, Xiaoxiao Xu

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

Comments Accepted by ICLR 2025

Concept Conductor: Orchestrating Multiple Personalized Concepts in Text-to-Image Synthesis

Zebin Yao, Fangxiang Feng, Ruifan Li, Xiaojie Wang

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

Comments Github Page: https://github.com/Nihukat/Concept-Conductor

G-Refine: A General Quality Refiner for Text-to-Image Generation

Chunyi Li, Haoning Wu, Hongkun Hao, Zicheng Zhang, Tengchaun Kou, Chaofeng Chen, Lei Bai, Xiaohong Liu, Weisi Lin, Guangtao Zhai

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

A Contrastive Compositional Benchmark for Text-to-Image Synthesis: A Study with Unified Text-to-Image Fidelity Metrics

Xiangru Zhu, Penglei Sun, Chengyu Wang, Jingping Liu, Zhixu Li, Yanghua Xiao, Jun Huang

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

Comments 17 pages, 14 figures, 11 tables

T2I-Adapter: Learning Adapters to Dig out More Controllable Ability for Text-to-Image Diffusion Models

Chong Mou, Xintao Wang, Liangbin Xie, Yanze Wu, Jian Zhang, Zhongang Qi, Ying Shan, Xiaohu Qie

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

Comments Tech Report. GitHub: https://github.com/TencentARC/T2I-Adapter

An Image is Worth One Word: Personalizing Text-to-Image Generation using Textual Inversion

Rinon Gal, Yuval Alaluf, Yuval Atzmon, Or Patashnik, Amit H. Bermano, Gal Chechik, Daniel Cohen-Or

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

Comments Project page: https://textual-inversion.github.io

Tailored Visions: Enhancing Text-to-Image Generation with Personalized Prompt Rewriting

Zijie Chen, Lichao Zhang, Fangsheng Weng, Lili Pan, Zhenzhong Lan

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

Comments Accepted at CVPR 2024

Journal ref https://openaccess.thecvf.com/content/CVPR2024/html/Chen_Tailored_Visions_Enhancing_Text-to-Image_Generation_with_Personalized_Prompt_Rewriting_CVPR_2024_paper.html

Semantic Object Accuracy for Generative Text-to-Image Synthesis

Tobias Hinz, Stefan Heinrich, Stefan Wermter

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

Comments Added a user study to verify results. Code available at https://github.com/tohinz/semantic-object-accuracy-for-generative-text-to-image-synthesis

Journal ref TPAMI (Early Access), 2020

STAR: SpatioTemporal Adaptive Reward Allocation for Text-to-Image RL Post-Training

STAR: 文本到图像强化学习后训练中的时空自适应奖励分配

Jinjie Shen, Wei Deng, Xian Hu, Daiguo Zhou, Jian Luan

机构 * institutetext: STAR: SpatioTemporal Adaptive Reward Allocation for Text-to-Image RL Post-Training（机构文本：STAR：时空自适应奖励分配用于文本到图像强化学习后训练） 纠错

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

AI总结 针对文本到图像生成中奖励与生成轨迹粒度不匹配的问题，提出STAR方法，利用文本-图像注意力构建时空自适应分配图，对相关潜在区域施加更强策略更新，提升语义对齐和文本渲染性能。

Structured Information for Improving Spatial Relationships in Text-to-Image Generation

Sander Schildermans, Chang Tian, Ying Jiao, Marie-Francine Moens

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

Comments text-to-image generation, structured information, spatial relationship

Exploring Social Bias in Downstream Applications of Text-to-Image Foundation Models

Adhithya Prakash Saravanan, Rafal Kocielnik, Roy Jiang, Pengrui Han, Anima Anandkumar

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

OmniPhys: Knowledge-Graph-Driven Benchmarking and Collective Optimization for Physical Commonsense in Text-to-Image Generation

OmniPhys：文本到图像生成中物理常识的知识图谱驱动基准测试与集体优化

Yajing Xu, Yarong Lan, Jiaoyan Chen, Yichi Zhang, Jeff Z. Pan, Mingchen Tu, Zhizhen Liu, Wen Zhang, Huajun Chen

机构 * Zhejiang University（浙江大学） ； The University of Manchester（曼彻斯特大学） ； The University of Edinburgh（爱丁堡大学） ； Ant Group（蚂蚁集团） 纠错

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

AI总结 针对文本到图像模型常违反物理常识及现有基准测试不足等问题，引入基于物理知识图谱的OmniPhys基准测试，提出OmniPrompt迭代框架，经对12个模型评估，显著提升了物理一致性。

Comments accepted by KDD 2026 DB track

RubricRL: Simple Generalizable Rewards for Text-to-Image Generation

RubricRL：文本到图像生成的简单通用奖励

Xuelu Feng, Yunsheng Li, Ziyu Wan, Zixuan Gao, Junsong Yuan, Dongdong Chen, Chunming Qiao

机构 * University at Buffalo（布法罗大学） ； Microsoft CoreAI（微软核心人工智能） 纠错

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

AI总结 提出RubricRL框架，通过为每个提示动态构建可分解的检查表（如对象正确性、属性准确性等），并由多模态评判器独立评估，实现可解释、可组合的奖励设计，提升文本到图像生成的对齐效果。

Seeing is Believing: Aligning Prompt Rewriting with Visual Anchors for Text-to-Image Generation

眼见为实：基于视觉锚点的提示重写对齐用于文本到图像生成

Xuanyi Liu, Deyi Ji, Junyu Lu, Jing Wang, Lanyun Zhu, Qianxiong Xu, Xuhang Chen, Tianrun Chen, Siwei Ma

机构 * Peking University（北京大学） ； Tencent（腾讯） ； Dalian University of Technology（大连理工大学） ； Nanyang Technological University（南洋理工大学） ； University of Cambridge（剑桥大学） ； Zhejiang University（浙江大学） 纠错

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

AI总结 提出FaithRewriter框架，利用多模态大模型生成中间视觉线索，结合大语言模型生成视觉锚定的增强提示，再蒸馏至小模型，以缩小用户意图与生成图像之间的差距。

Breaking the Lock-in: Diversifying Text-to-Image Generation via Representation Modulation

打破锁定：通过表示调制实现文本到图像生成的多样化

Dahee Kwon, Haeun Lee, Jaesik Choi

机构 * KAIST（韩国科学技术院） 纠错

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

AI总结 针对文本到图像模型在固定提示下生成样本过于相似的问题，提出无训练表示级干预方法DAVE，通过选择性衰减早期生成中的零频空间平均分量来增强多样性，保持图像质量且计算开销极小。

Comments Accepted to ICML 2026. Code is available at: https://github.com/daheekwon/DAVE

KG-FairDiff: Knowledge Graph-Guided Prompt Refinement for Demographically Fair Text-to-Image Generation

KG-FairDiff: 知识图谱引导的提示词精炼用于人口统计公平的文本到图像生成

Farbod Davoodi, Seyed Reza Tavakoli Shiyadeh, Pooria Safaei, Sana Harighi, Parsa Gholami, Amirali Amini, Kimia Vanaei, Emad Firoozi, Parham Abed Azad, Babak Khalaj, Siavash Ahmadi, Amir Hossein Payberah, Mohammad Hossein Rohban, Soheil Kolouri, Ali Diba

机构 * University of Science and Technology of China（中国科学技术大学） ； Sharif University of Technology（谢赫·伊斯兰大学） ； Iran University of Science and Technology（伊朗科学技术大学） 纠错

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

AI总结 提出KG-FairDiff框架，通过知识图谱引导的提示词精炼，在推理时优化公平性损失，减少文本到图像生成中的性别、种族、年龄等人口统计偏差，同时保持语义保真度。

Orthogonal Negative Guidance in Attention Feature Space for Text-to-Image Generation

注意力特征空间中的正交负引导用于文本到图像生成

Jungmin Ko, Jungwon Park, Jimyeong Kim, Changin Choi, Wonseok Lee, Wonjong Rhee

机构 * Interdisciplinary Program in Artificial Intelligence, Seoul National University（人工智能交叉学科项目，首尔国立大学） ； Research Institute for Convergence Science, Seoul National University（融合科学研究所，首尔国立大学） ； Artificial Intelligence Institute, Seoul National University（人工智能研究所，首尔国立大学） ； Department of Intelligence and Information, Seoul National University（智能与信息系，首尔国立大学） ； Daegu Gyeongbuk Institute of Science and Technology（大邱庆北科学技术院） ； Samsung Advanced Institute of Technology, Samsung Electronics Co., Ltd（三星先进技术研究所，三星电子公司） 纠错

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

AI总结 提出一种基于注意力特征空间的正交负引导方法，通过正交化负提示注意力特征与正提示特征并仅减去正交分量，在无需训练的情况下有效抑制不需要的概念，同时保持图像质量和提示对齐。

Comments Preprint

DyCoRM: Dynamic Criterion-Aware Reward Modeling for Text-to-Image Generation

DyCoRM: 面向文本到图像生成的动态准则感知奖励建模

Jiaying Qian, Ziheng Jia, Qian Zhang, Zicheng Zhang, Jiayi Guo, Junqi Zhang, Guangtao Zhai, Xiongkuo Min

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

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

AI总结 针对用户对文本到图像生成中动态、细粒度评价准则的需求，提出DyCoRM动态准则感知奖励模型，并构建数据集DyCoDataset-20K和基准DyCoBench-1K，通过准则感知偏好比较和DyCoPick选择方法，实现首个动态细粒度奖励建模框架。

Curriculum Group Policy Optimization: Adaptive Sampling for Unleashing the Potential of Text-to-Image Generation

课程组策略优化：适应性采样以释放文本到图像生成的潜力

Baoteng Li, Xianghao Zang, Xinran Wang, Xiangyu Na, Zhixiang He, Hao Sun, Chi Zhang, Zhongjiang He, Tianwei Cao, Kongming Liang, Zhanyu Ma

机构 * School of Artificial Intelligence, Beijing University of Posts and Telecommunications（北京邮电大学人工智能学院） ； Institute of Artificial Intelligence (TeleAI), China Telecom（中国电信人工智能研究院） ； Beijing Key Laboratory of Multimodal Data Intelligent Perception and Governance（北京多模态数据智能感知与治理重点实验室） 纠错

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

AI总结 本文提出了一种适应性课程训练框架CGPO，通过动态调整采样策略来提高文本到图像生成的训练效率，同时解决多类别数据集中的数据不平衡问题。

CogBlender: Towards Continuous Cognitive Intervention in Text-to-Image Generation

CogBlender：迈向文本到图像生成中的连续认知干预

Shengqi Dang, Yi He, Jiaying Lei, Ziqing Qian, Nan Cao

机构 * Tongji University（同济大学） ； Shanghai Innovation Institute（上海创新研究院） 纠错

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

AI总结 CogBlender通过两阶段方法实现对图像生成中认知属性的连续多维干预，有效控制如情感、记忆性等心理属性。

Unifying Contrastive and Generative Objectives for Visual Understanding and Text-to-Image Generation

统一对比学习与生成目标以实现视觉理解和文本到图像生成

Chao Li, Tianhong Li, Sai Vidyaranya Nuthalapati, Hong-You Chen, Satya Narayan Shukla, Jianpeng Cheng, Yonghuan Yang, Jun Xiao, Xiangjun Fan, Aashu Singh, Dina Katabi, Shlok Kumar Mishra

机构 * MIT Computer Science \& Artificial Intelligence Laboratory（Meta AI） ； Meta AI 纠错

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

AI总结 本文提出DREAM框架，通过Masking Warmup解决对比学习与文本到图像生成的矛盾，提升模型在多个任务上的性能。

Skill-Aligned Annotation for Reliable Evaluation in Text-to-Image Generation

基于技能对齐的标注以在文本到图像生成中实现可靠评估

Abdelrahman Eldesokey, Merey Ramazanova, Ahmad Sait, Ansar Khangeldin, Karen Sanchez, Tong Zhang, Bernard Ghanem

机构 * King Abdullah University of Science and Technology（卡斯泰大学） 纠错

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

AI总结 本文提出基于技能对齐的标注方法，通过统一不同评估技能的特性，提高文本到图像生成评估的一致性和稳定性，同时提供可扩展的评估流程。

Comments Project Page: https://abdo-eldesokey.github.io/skill-aligned-eval/

EPIC: Efficient Predicate-Guided Inference-Time Control for Compositional Text-to-Image Generation

EPIC: 用于组合文本到图像生成的高效谓词引导推理控制

Sunung Mun, Sunghyun Cho, Jungseul Ok

机构 * Graduate School of Artificial Intelligence, POSTECH（人工智能研究生院，POSTECH） ； Department of Computer Science & Engineering, POSTECH（计算机科学与工程系，POSTECH） 纠错

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

AI总结 EPIC通过谓词引导的搜索方法提升组合式文本到图像生成的准确性，减少计算成本，提升生成质量。

Long-Text-to-Image Generation via Compositional Prompt Decomposition

通过组合提示分解实现长文本到图像生成

Jen-Yuan Huang, Tong Lin, Yilun Du

机构 * Peking University（北京大学） ； Harvard University（哈佛大学） 纠错

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

AI总结 本文提出PRISM方法，通过轻量模块提取长提示的组成部分，使预训练T2I模型能处理长序列输入，实现对复杂场景的建模，优于基线模型。

Comments Accepted to the Fourteenth International Conference on Learning Representations (ICLR 2026)

TextTIGER: Text-based Intelligent Generation with Entity Prompt Refinement for Text-to-Image Generation

TextTIGER：基于实体提示精炼的文本智能生成用于文本到图像生成

Shintaro Ozaki, Tomoyuki Jinno, Kazuki Hayashi, Yusuke Sakai, Jingun Kwon, Hidetaka Kamigaito, Katsuhiko Hayashi, Manabu Okumura, Taro Watanabe

机构 * Nara Institute of Science and Technology（奈良科学技術研究所） ； The University of Tokyo（东京大学） ； Chungnam National University（Chungnam国立大学） ； Institute of Science Tokyo（东京科学研究所） 纠错

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

AI总结 TextTIGER通过增强外部信息和大语言模型总结，优化实体描述以提升文本到图像生成性能，实验表明其在多种评估指标上优于仅使用描述的提示方法。

Comments Under review

Personalizing Text-to-Image Generation to Individual Taste

根据个人口味个性化文本到图像生成

Anne-Sofie Maerten, Juliane Verwiebe, Shyamgopal Karthik, Ameya Prabhu, Johan Wagemans, Matthias Bethge

机构 * Tübingen AI Center, University of Tübingen（图宾根大学图宾根人工智能中心） ； Department of Brain and Cognition, KU Leuven（鲁汶大学大脑与认知系） 纠错

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

AI总结 本文提出PAMELA框架和数据集，通过个性化奖励模型提升文本到图像生成对个体偏好的适应性，展示了简单提示优化方法在引导生成个体偏好中的有效性。

Disentangling to Re-couple: Resolving the Similarity-Controllability Paradox in Subject-Driven Text-to-Image Generation

解耦以再耦合：在主体驱动的文本到图像生成中解决相似性-可控性悖论

Shuang Li, Chao Deng, Hang Chen, Liqun Liu, Zhenyu Hu, Te Cao, Mengge Xue, Yuan Chen, Peng Shu, Huan Yu, Jie Jiang

机构 * Tencent（腾讯） 纠错

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

AI总结 本文提出DisCo框架，通过解耦和再耦合视觉与文本信息，解决主体驱动文本到图像生成中相似性与可控性矛盾问题，实现高保真主体保持与精确文本控制。

Comments Accepted by CVPR 2026 (Main)

MathGen: Revealing the Illusion of Mathematical Competence through Text-to-Image Generation

MathGen：通过文本到图像生成揭示数学能力的幻觉

Ruiyao Liu, Hui Shen, Ping Zhang, Yunta Hsieh, Yifan Zhang, Jing Xu, Sicheng Chen, Junchen Li, Jiawei Lu, Jianing Ma, Jiaqi Mo, Qi Han, Zhen Zhang, Zhongwei Wan, Jing Xiong, Xin Wang, Ziyuan Liu, Hangrui Cao, Ngai Wong

机构 * University of Pennsylvania（宾夕法尼亚大学） ； University of Michigan（密歇根大学） ； The Ohio State University（俄亥俄州立大学） ； USTC（中国科学技术大学） ； City University of Hong Kong（香港城市大学） ； University of Wisconsin（威斯康星大学） ； UCSB（加州大学圣塔芭芭拉分校） ； University of Hong Kong（香港大学） ； Peking University（北京大学） ； Carnegie Mellon University（卡内基梅隆大学） 纠错

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

AI总结 MathGen通过900道跨七个核心领域的数学问题，评估生成模型在视觉化数学解答中的准确性，发现现有模型在数学 fidelity 上存在显著瓶颈。