图像生成

When the Prompt Becomes Visual: Vision-Centric Jailbreak Attacks for Large Image Editing Models

当提示变为视觉：面向大型图像编辑模型的以视觉为中心的越狱攻击

Jiacheng Hou, Yining Sun, Ruochong Jin, Haochen Han, Fangming Liu, Wai Kin Victor Chan, Alex Jinpeng Wang

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

AI总结 提出首个视觉到视觉的越狱攻击VJA，通过纯视觉输入传递恶意指令，并构建安全基准IESBench，在商业模型上攻击成功率高达80.9%，同时提出无需训练的内省多模态推理防御方法。

Comments Accepted for spotlight and oral presentation at ICML 2026 (Project: https://csu-jpg.github.io/vja.github.io/)

CAMEO: A Conditional and Quality-Aware Multi-Agent Image Editing Orchestrator

CAMEO: 一种条件感知与质量驱动的多智能体图像编辑编排器

Yuhan Pu, Hao Zheng, Ziqian Mo, Zirui Pang, Hill Zhang, Tianyi Fan, Shuhong Wu, Jiaheng Wei

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Harbin Institute of Technology（哈尔滨工业大学） ； Shenzhen University（深圳大学） ； Claremont McKenna College（克莱蒙特麦肯纳学院） ； Research Institute of Petroleum Exploration and Development, CNPC（石油勘探开发研究院，中石油） 纠错

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

AI总结 提出CAMEO多智能体框架，将条件图像编辑重构为质量感知的反馈驱动过程，通过分解编辑阶段、嵌入评估循环，在异常插入和人体姿态切换任务中平均胜率提升20%。

FireRed-Image-Edit-1.0 Technical Report

FireRed-Image-Edit-1.0 技术报告

Super Intelligence Team, Changhao Qiao, Chao Hui, Chen Li, Cunzheng Wang, Dejia Song, Jiale Zhang, Jing Li, Qiang Xiang, Runqi Wang, Shuang Sun, Wei Zhu, Xu Tang, Yao Hu, Yibo Chen, Yuhao Huang, Yuxuan Duan, Zhiyi Chen, Ziyuan Guo

机构 * Super Intelligence Team（超级智能团队） ； Xiaohongshu Inc.（小红书公司） 纠错

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

AI总结 提出FireRed-Image-Edit扩散变换器，通过数据整理、多阶段训练和评估优化，在指令图像编辑上达到最先进性能，并开源代码、模型和基准。

HY-WU (Part I): An Extensible Functional Neural Memory Framework and An Instantiation in Text-Guided Image Editing

HY-WU (第一部分): 一种可扩展的功能性神经记忆框架及其在文本引导图像编辑中的应用

Mengxuan Wu, Xuanlei Zhao, Ziqiao Wang, Ruicheng Feng, Zhangyang Wang, Kai Wang

机构 * Tencent HY Team（腾讯 HY 团队） 纠错

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

AI总结 提出HY-WU框架，通过功能性神经记忆模块即时生成实例特定权重更新，避免共享权重覆盖导致的干扰，解决持续学习与个性化中的灾难性遗忘问题。

Mitigating Content Shift and Hallucination in GenAI Image Editing via Structural Refinement

通过结构细化减轻生成式AI图像编辑中的内容偏移和幻觉

Luxi Zhao, Michael S. Brown

机构 * Department of Electrical Engineering & Computer Science（电气工程与计算机科学系） 纠错

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

AI总结 提出一种后处理框架，通过建立粗空间和光度对应关系并融合输入图像与GenAI增强图像，在保留感知增强的同时抑制幻觉内容，从而解决黑盒GenAI图像编辑中的结构保持问题。

Bridging the Micro--Macro Gap: Frequency-Aware Semantic Alignment for Image Manipulation Localization

弥合微-宏观差距：面向图像操纵本地化的频率感知语义对齐

Xiaojie Liang, Zhimin Chen, Ziqi Sheng, Wei Lu

机构 * School of Computer Science ； Engineering, Sun Yat-sen University Guangzhou China ； Engineering, Sun Yat-sen University 纠错

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

AI总结 本文提出FASA框架，通过自适应双频带DCT模块提取操纵敏感频率特征，结合冻结CLIP表示的补丁级对比对齐学习语义先验，实现传统和扩散生成操纵的精准本地化。

MusicWeaver: Programmable Long-Form Music Generation with Provably Local Editing

MusicWeaver: 作曲家风格的结构编辑与分钟级连贯音乐生成

Xuanchen Wang, Heng Wang, Weidong Cai

机构 * The University of Sydney（悉尼大学） 纠错

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

AI总结 MusicWeaver通过结构化计划和全局-局部扩散变换器实现作曲家风格的音乐生成与编辑，具备分钟级连贯性和高保真度。

Comments 15 pages, 3 figures

Boogu-Image-0.1: Boosting Open Agentic Multimodal Generation via Understanding under a Minimal Budget

Boogu-Image-0.1：提升开源统一多模态理解与生成能力

Guoxuan Chen, Chufeng Xiao, Haoran Yang, Siyue Xie, Binxiao Huang, Ming Zhang, Cheuk Him Chau, Xinyu Fu, Yingzhao Lian, Tom S. Y. Li, Jintao Lin, Bowen Dong, Zian Qian, Yuhao Liu, Yuxuan Hu, Weikang Shi, Bin Zou, Bowen Zheng, Haoxuan Che, Chang Chen, Yuyang He, Heyang Sun, Tianyu Huang, Chong Hou Choi, Cheng Gong, Han Shi, Haoli Bai, Xihui Liu, Hongsheng Li, Qifeng Chen, Chao Huang, Rui Liu, Chenyang Lei

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

AI总结 介绍开源统一多模态模型Boogu-Image-0.1，通过改进模型理解、数据质量和训练管道等，结合智能推理扩展，提升生成和编辑性能，在标准基准测试中表现出色，成本低，还分享实践讨论并开源代码等推动相关生态发展。

Spanning Tree Autoregressive Visual Generation

生成树自回归视觉生成

Sangkyu Lee, Changho Lee, Janghoon Han, Hosung Song, Tackgeun You, Hwasup Lim, Stanley Jungkyu Choi, Honglak Lee, Youngjae Yu

机构 * Yonsei University（延世大学） ； Korea Institute of Science and Technology（韩国科学技术院） ； LG AI Research（LG人工智能研究） ； University of Michigan（密歇根大学） ； Seoul National University（首尔国立大学） 纠错

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

AI总结 提出生成树自回归（STAR）建模，通过均匀生成树的遍历顺序在保持采样性能的同时提供灵活序列顺序，支持图像编辑。

Comments Published as a main conference paper at ECCV 2026

FlowID : Enhancing Forensic Identification with Latent Flow-Matching Models

FlowID: 利用潜在流匹配模型增强法医鉴定

Jules Ripoll, David Bertoin, Alasdair Newson, Charles Dossal, Jose Pablo Baraybar

机构 * INSA Toulouse（图卢兹理工学院） ； La Sorbonne Université（索邦大学） ； International Committee of the Red Cross（国际红十字委员会） 纠错

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

AI总结 提出FlowID方法，结合单图像微调与注意力掩码，修复暴力死亡面部损伤并保留身份特征，在InjuredFaces基准上优于现有开源方法。

Rel-Zero: Harnessing Patch-Pair Invariance for Robust Zero-Watermarking Against AI Editing

Rel-Zero：利用补丁对不变性实现鲁棒的零水印以抵御AI编辑

Pengzhen Chen, Yanwei Liu, Xiaoyan Gu, Xiaojun Chen, Wu Liu, Weiping Wang

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

AI总结 针对AI编辑对图像真实性的威胁，提出Rel-Zero零水印框架，利用编辑中补丁对关系距离的不变性，无需修改原图即可生成鲁棒水印，实验证明其优于现有方法。

Comments accepted to CVPR 2026

Model the Edit, Not the Image: Visual Autoregressive Editing from a Source-Centric Perspective

建模编辑，而非图像：以源为中心视角的视觉自回归编辑

Hongyi Fang, Chuwen Xie, Benjia Zhou, Yu-Xuan Qiu, Chenggong Hu, Zhibin Wang, Chao Chen, Jianbin Qin, Rui Mao

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

AI总结 该研究针对视觉自回归模型（VARs）编辑的现有不足，提出以源为中心视角的EditMod方法，实现了高保真度与强文本对齐的1K图像端到端编辑，速度达1.57秒/张A100 GPU。

Beyond Fixed Luminance: Towards Panchromatic and Orthochromatic Image Colorization

超越固定亮度：迈向全色与正色图像上色

Swarnim Maheshwari, Syed Imam Ali, Vineeth N. Balasubramanian

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

AI总结 该研究针对固定亮度图像上色系统在正色摄影输入下不可靠的问题，提出基于基础图像编辑模型的亮度无关框架，结合混合灰度目标训练，提升了正色输入上色的鲁棒性并减少色彩伪影。

Comments Accepted at ECCV 2026

OpenVE-3M: A Large-Scale High-Quality Dataset for Instruction-Guided Video Editing

OpenVE-3M: 一种大规模高质量的指令引导视频编辑数据集

Haoyang He, Jie Wang, Jiangning Zhang, Zhucun Xue, Xingyuan Bu, Qiangpeng Yang, Shilei Wen, Lei Xie

机构 * Zhejiang University（浙江大学） ； ByteDance（字节跳动） 纠错

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

AI总结 OpenVE-3M是一个大规模高质量的指令引导视频编辑数据集，包含多种编辑类型，通过精心设计的数据管道生成，并展示了高效的5B模型在基准测试中的卓越性能。

Comments Accepted by ECCV'26. Project page: https://lewandofskee.github.io/projects/OpenVE

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。

TRACE: High-Fidelity 3D Scene Editing via Tangible Reconstruction and Geometry-Aligned Contextual Video Masking

TRACE：通过可触觉重建和几何对齐的上下文视频遮罩实现高保真的3D场景编辑

Jiyuan Hu, Zechuan Zhang, Zongxin Yang, Yi Yang

机构 * ReLER Lab, CCAI, Zhejiang University（浙江大学计算机辅助设计与图形学全国重点实验室（CCAI）ReLER实验室） ； DBMI, HMS, Harvard University（哈佛大学医学院生物医学信息学系（DBMI）） 纠错

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

AI总结 TRACE通过可触觉重建和几何对齐的上下文视频遮罩，实现高保真的3D场景编辑，解决了现有方法在局部姿态调整和组件替换时结构完整性不足的问题。

Comments 9 pages, 9 figures

Dress-ED: Instruction-Guided Editing for Virtual Try-On and Try-Off

Dress-ED：基于指令的虚拟试穿和试脱编辑

Davide Lobba, Fulvio Sanguigni, Bin Ren, Marcella Cornia, Rita Cucchiara, Nicu Sebe

机构 * University of Modena（摩德纳大学） ； University of Trento（特伦托大学） ； University of Pisa（比萨大学） 纠错

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

AI总结 本文提出Dress-ED数据集，首次统一了虚拟试穿、试脱和文本引导的服装编辑，包含146k个样本，涵盖外观和结构修改，提供统一的多模态扩散框架作为指令驱动的VTON和VTOFF基线。

Comments Accepted at ECCV 2026. Project page at https://aimagelab.github.io/Dress-ED/

CDST: Color Disentangled Style Transfer for Universal Style Reference Customization

CDST：用于通用风格参考定制的颜色解缠风格迁移

Shiwen Zhang, Zhuowei Chen, Lang Chen, Yanze Wu

机构 * ByteDance（字节跳动） 纠错

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

AI总结 介绍CDST这种新颖高效的双流风格迁移训练范式，能分离颜色与风格，推理时免调参实现通用风格迁移，首次免调参解决带风格和内容参考的特征保留风格迁移问题，实验证明效果达最优。

AppAgent: Multimodal Agents as Smartphone Users

AppAgent：作为智能手机用户的多模态智能体

Chi Zhang, Zhao Yang, Jiaxuan Liu, Yanda Li, Yucheng Han, Xin Chen, Zebiao Huang, Bin Fu, Gang Yu

机构 * Tencent（腾讯） 纠错

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

AI总结 介绍基于大语言模型的多模态智能体框架，通过简化动作空间操作智能手机应用，无需系统后端访问，经自主探索或观察人类示范学习，能执行复杂任务，测试验证其处理多种高级任务的能力。

Comments Accepted to CHI 2025, project page is https://appagent-official.github.io/

Beyond Absolute Scores: Relative Edit-induced Difference for Generalizable Image Aesthetic Assessment

超越绝对分数：基于编辑诱导差异的通用图像美学评估

Qifei Jia, Xintong Yao, Yasen Zhang, Minghao Li, Yajie Chai, Qiming Lu, Baoyue Shen, Runyu Shi, Ying Huang, Yue Zhang

机构 * Xiaomi Corporation, Beijing, China（小米公司，北京，中国） 纠错

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

AI总结 提出RED-Aes框架，利用可控图像编辑模型模拟人类审美推理，通过相对编辑诱导差异学习通用美学原则，实现跨场景泛化。

MiraGe: Editable 2D Images using Gaussian Splatting

MiraGe: 使用高斯溅射的可编辑2D图像

Joanna Waczyńska, Tomasz Szczepanik, Piotr Borycki, Sławomir Tadeja, Thomas Bohné, Przemysław Spurek

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

AI总结 提出MiraGe方法，利用镜面反射在3D空间中感知2D图像，并通过平面控制的高斯函数实现精确编辑，提升渲染质量并支持物理仿真修改。

NI-Tex: Non-isometric Image-based Garment Texture Generation

NI-Tex: 基于非等距图像的服装纹理生成

Hui Shan, Ming Li, Haitao Yang, Kai Zheng, Sizhe Zheng, Yanwei Fu, Xiangru Huang

机构 * Zhejiang University（浙江大学） ； Shanghai Innovation Institute（上海创新研究院） ； Westlake University（西湖大学） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Fudan University（复旦大学） 纠错

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

AI总结 针对非等距图像与3D服装网格间的纹理生成问题，提出结合物理模拟数据集、非等距图像编辑和迭代烘焙的框架，生成高质量PBR纹理。

Comments Accepted to CVPR 2026 (Highlight)

VecSet-Edit: Unleashing Pre-trained LRM for Mesh Editing from Single Image

VecSet-Edit：利用预训练的LRM进行单图像网格编辑

Teng-Fang Hsiao, Bo-Kai Ruan, Yu-Lun Liu, Hong-Han Shuai

机构 * National Yang Ming Chiao Tung University（国立阳明交通大学） 纠错

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

AI总结 本文提出VecSet-Edit，利用VecSet LRM进行单图像网格编辑，通过Mask引导的token播种和注意力对齐的token门控策略，结合漂移感知的token修剪和细节保留的纹理烘焙模块，实现高精度网格编辑。

Comments Accepted by SIGGRAPH 2026

Bi-Anchor Interpolation Solver for Accelerating Generative Modeling

双锚点插值求解器加速生成建模

Hongxu Chen, Hongxiang Li, Zhen Wang, Long Chen

机构 * The Hong Kong University of Science（香港科学与技术大学） 纠错

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

AI总结 提出BA-solver，通过轻量SideNet（1-2%主干大小）学习双向时间感知和双锚点速度积分，在不重新训练主干的情况下，以极低训练成本实现10步内达到100+步Euler求解器质量，支持即插即用。

BeatEdit: Symbolic Music Generation as Explicit Editing

BeatEdit：作为显式编辑的符号音乐生成

Haoyu Gu, Lekai Qian, Haowu Zhou, Qi Liu, Shuai Wang

机构 * School of Future Technology South China University of Technology Guangzhou China（未来技术学院 华南理工大学 广州 中国） ； South China University of Technology（华南理工大学） ； Nanjing University（南京大学） 纠错

专题命中 图像编辑 ：diffusion(abstract)

AI总结 研究针对符号音乐生成中缺乏选择性修改支持的问题，提出BeatEdit框架，基于BEAT编码，含三种互补机制，共享单一编码和预训练主干，在多项任务中精度和质量更高且高效，揭示编码设计对编辑有效性有重要影响。

STRIDE: Post-Training LLMs to Reason and Refine Bio-Sequences via Edit Trajectories

STRIDE: 通过编辑轨迹对生物序列进行后训练推理与优化

Daiheng Zhang, Shiyang Zhang, Sizhuang He, Yangtian Zhang, Syed Asad Rizvi, David van Dijk

专题命中 图像编辑 ：diffusion(abstract)

AI总结 提出STRIDE框架，通过后训练使LLM生成可执行的插入/删除/替换轨迹，结合监督微调和策略优化实现离散生物序列的迭代优化，在蛋白质和分子编辑任务上显著提升成功率和新颖性。

Comments Accepted to ICML 2026

Nemotron-Labs-Diffusion-Image: Advancing Masked Discrete Diffusion for High-Resolution Image Synthesis

Nemotron-Labs-Diffusion-Image：推进掩码离散扩散用于高分辨率图像合成

Shufan Li, Greg Heinrich, Hanrong Ye, Yonggan Fu, Aditya Grover, Jan Kautz, Pavlo Molchanov

机构 * NVIDIA 纠错

专题命中 扩散模型 ：diffusion(title,title_cn)；image synthesis(title,abstract)；image generation(abstract)；text-to-image(abstract)

AI总结 提出Nemotron-Labs-Diffusion-Image模型，通过令牌编辑机制和分组交叉熵目标解决掩码离散扩散模型的自校正缺失和训练信号稀疏问题，实现高分辨率文本到图像合成。

Comments 23 pages, 12 figures

Bokeh Diffusion: Defocus Blur Control in Text-to-Image Diffusion Models

Bokeh Diffusion：文本到图像扩散模型中的散焦模糊控制

Armando Fortes, Tianyi Wei, Shangchen Zhou, Xingang Pan

机构 * S-Lab, Nanyang Technological University（S实验室，南洋理工大学） 纠错

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

AI总结 提出Bokeh Diffusion框架，通过物理散焦模糊参数条件化扩散模型，结合混合训练流程和接地自注意力机制，实现场景一致的散景模糊控制，支持双向模糊强度调整和真实图像编辑。

Comments SIGGRAPH Asia 2025. Project page: https://atfortes.github.io/projects/bokeh-diffusion/