图像生成

Write and Paint: Generative Vision-Language Models are Unified Modal Learners

Shizhe Diao, Wangchunshu Zhou, Xinsong Zhang, Jiawei Wang

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

Comments ICLR 2023

BIGRoC: Boosting Image Generation via a Robust Classifier

Roy Ganz, Michael Elad

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

Journal ref Transactions on machine learning research, 2023

Re-Imagen: Retrieval-Augmented Text-to-Image Generator

Wenhu Chen, Hexiang Hu, Chitwan Saharia, William W. Cohen

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

Comments 9 pages

SceneComposer: Any-Level Semantic Image Synthesis

Yu Zeng, Zhe Lin, Jianming Zhang, Qing Liu, John Collomosse, Jason Kuen, Vishal M. Patel

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

How well can Text-to-Image Generative Models understand Ethical Natural Language Interventions?

Hritik Bansal, Da Yin, Masoud Monajatipoor, Kai-Wei Chang

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

Comments 13 pages, 8 figures, 6 tables. Accepted as Oral Presentation at EMNLP 2022

Semi-Parametric Neural Image Synthesis

Andreas Blattmann, Robin Rombach, Kaan Oktay, Jonas Müller, Björn Ommer

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

Comments NeurIPS 2022

StoryDALL-E: Adapting Pretrained Text-to-Image Transformers for Story Continuation

Adyasha Maharana, Darryl Hannan, Mohit Bansal

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

Comments ECCV 2022 (33 pages; code, data, demo, model card available at https://github.com/adymaharana/storydalle)

OptGAN: Optimizing and Interpreting the Latent Space of the Conditional Text-to-Image GANs

Zhenxing Zhang, Lambert Schomaker

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

Comments 18 pages

Anycost GANs for Interactive Image Synthesis and Editing

Ji Lin, Richard Zhang, Frieder Ganz, Song Han, Jun-Yan Zhu

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

Comments Accepted to CVPR 2021. The code and demo are available: https://github.com/mit-han-lab/anycost-gan

Image Synthesis with Adversarial Networks: a Comprehensive Survey and Case Studies

Pourya Shamsolmoali, Masoumeh Zareapoor, Eric Granger, Huiyu Zhou, Ruili Wang, M. Emre Celebi, Jie Yang

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

Semi-supervised FusedGAN for Conditional Image Generation

Navaneeth Bodla, Gang Hua, Rama Chellappa

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

I2T2I: Learning Text to Image Synthesis with Textual Data Augmentation

Hao Dong, Jingqing Zhang, Douglas McIlwraith, Yike Guo

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

Comments International Conference on Image Processing (ICIP) 2017

Multimodal Cinematic Video Synthesis Using Text-to-Image and Audio Generation Models

Sridhar S, Nithin A, Shakeel Rifath, Vasantha Raj

机构 * Computer Science Engineering（计算机科学与工程） ； Hindustan Institute of Technology and Science（印度恒河理工学院与科学研究院） 纠错

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

Comments 10 pages, seven figures about Multimodal Cinematic Video Synthesis Using Text-to-Image and Audio Generation Models

CoCo: Code as CoT for Text-to-Image Preview and Rare Concept Generation

CoCo：用于文本到图像预览和稀有概念生成的代码作为CoT

Haodong Li, Chunmei Qing, Huanyu Zhang, Dongzhi Jiang, Yihang Zou, Hongbo Peng, Dingming Li, Yuhong Dai, ZePeng Lin, Juanxi Tian, Yi Zhou, Siqi Dai, Jingwei Wu, Pheng-Ann Heng

机构 * South China University of Technology（南方科技大学） ； StepFun ； Institute of Automation Chinese Academy of Sciences（中国科学院自动化研究所） ； Nanyang Technological University（南洋理工大学） ； The Chinese University of Hong Kong（香港中文大学） 纠错

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

AI总结 CoCo通过代码驱动的推理框架，提升文本到图像生成的精度和可控性，实现结构化图像生成和稀有概念生成。

Comments 21 pages, 7 figures, and 3 tables. Accepted to ECCV 2026

Dynamic Defense Profiling Enables Cognitive Jailbreak of Text-to-Image Models

动态防御剖析实现文本到图像模型的认知越狱

Dongdong Yang, Deyue Zhang, Zhao Liu, Zonghao Ying, Wenzhuo Xu, Jiankai Jin, Xiangzheng Zhang, Quanchen Zou

机构 * Alibaba Tongyi Lab（阿里巴巴通义实验室） 纠错

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

AI总结 研究文本到图像模型易受对抗性滥用问题，提出MIND认知越狱框架，将对抗提示生成重构为信念状态推理，集成多模态判断器等组件，经实验验证其在多个防御设置下显著优于现有方法，有效实现越狱生成。

Comments 12 pages, 3 figures

Exposing Hidden Biases in Text-to-Image Models via Automated Prompt Search

通过自动化提示搜索暴露文本到图像模型中的隐藏偏见

Manos Plitsis, Giorgos Bouritsas, Vassilis Katsouros, Yannis Panagakis

机构 * University of Edinburgh（爱丁堡大学） 纠错

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

AI总结 本文提出Bias-Guided Prompt Search框架，通过自动生成提示最大化图像偏见，揭示文本到图像模型中的隐藏偏见，提升公平性评估。

Comments ICML 2026. Code is here: https://github.com/manosplitsis/BGPS

Follow the Flow: On Information Flow Across Textual Tokens in Text-to-Image Models

跟随流动：文本到图像模型中文本令牌间信息流动的研究

Guy Kaplan, Michael Toker, Yuval Reif, Yonatan Belinkov, Roy Schwartz

机构 * Hebrew University of Jerusalem（海法大学） ； Technion – Israel Institute of Technology（技术学院 – 以色列理工学院） ； Kempner Institute, Harvard University（哈佛大学凯普纳研究所） 纠错

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

AI总结 本文研究文本到图像模型中令牌表示间的信息分布，发现信息常集中于少数几个令牌，且令牌间存在孤立与交互影响，改进编码可提升生成质量。

Comments Accepted to ACL 2026

Multimodal Large Language Models for Multi-Subject In-Context Image Generation

多模态大语言模型用于多主体上下文图像生成

Yucheng Zhou, Dubing Chen, Huan Zheng, Jianbing Shen

机构 * SKL-IOTSC, CIS, University of Macau（澳门大学，科技学院，计算机与信息科学系，智慧城市物联网国家重点实验室） 纠错

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

AI总结 本文提出MUSIC模型，通过视觉链式思维机制和空间布局规划方法，解决多主体上下文图像生成中的主体缺失和语义漂移问题，并在多主体场景中取得显著优势。

Comments ACL 2026

Pioneering Reliable Assessment in Text-to-Image Knowledge Editing: Leveraging a Fine-Grained Dataset and an Innovative Criterion

Hengrui Gu, Kaixiong Zhou, Yili Wang, Ruobing Wang, Xin Wang

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

Comments Accepted to EMNLP24 Findings. Our code is available at https://github.com/Hengrui-Gu/T2IKnowledgeEditing

From Text to Blueprint: Leveraging Text-to-Image Tools for Floor Plan Creation

Xiaoyu Li, Jonathan Benjamin, Xin Zhang

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

Comments 13 pages, 7 figures

Text-to-Image Generation for Projector-Camera System Registration

用于投影仪-相机系统配准的文本到图像生成

Xinyu Chen, Yuqi Li, Jiabao Li, Pinyan Tang, Chong Wang, Aditi Majumder

机构 * Ningbo University（宁波大学） ； University of California, Irvine（加利福尼亚大学欧文分校） 纠错

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

AI总结 针对投影仪-相机系统配准中现有方法的局限，提出基于深度神经网络的方法，从文本提示生成自然图像，增强配准精度，经实验验证该方法实用有效。

Gender Artifacts from Art History to Text-to-Image Generation

从艺术史到文本到图像生成中的性别伪影

Piera Riccio, Miriam Doh, Benedikt Höltgen, Noa Garcia, Nanne van Noord

机构 * University of Amsterdam（阿姆斯特丹大学） ； Université Libre de Bruxelles（布鲁塞尔自由大学） ； Hasso Plattner Institut University of Potsdam（波茨坦大学霍索普纳研究所） ； The University of Osaka（大阪大学） 纠错

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

AI总结 通过提出性别伪影度量（PixelSGA和MaskSGA），研究了艺术风格中性别表征与视觉特征的关系，并发现文本到图像生成模型会放大历史来源中的性别伪影。

RATLIP: Generative Adversarial CLIP Text-to-Image Synthesis Based on Recurrent Affine Transformations

Chengde Lin, Xijun Lu, Guangxi Chen

机构 * School of Artificial Intelligence, Guangxi Colleges and Universities Key Laboratory of AI Algorithm Engineering（人工智能学院、广西 Colleges and Universities AI 算法工程重点实验室） 纠错

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

Comments Accepted by 2024 IEEE International Conference on Systems, Man, and Cybernetics(SMC)

The Male CEO and the Female Assistant: Evaluation and Mitigation of Gender Biases in Text-To-Image Generation of Dual Subjects

Yixin Wan, Kai-Wei Chang

机构 * University of California, Los Angeles（加州大学洛杉矶分校） 纠错

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

Mogao: An Omni Foundation Model for Interleaved Multi-Modal Generation

Chao Liao, Liyang Liu, Xun Wang, Zhengxiong Luo, Xinyu Zhang, Wenliang Zhao, Jie Wu, Liang Li, Zhi Tian, Weilin Huang

机构 * ByteDance Seed（字节跳动种子） 纠错

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

Comments Mogao Technical Report

Ground-A-Video: Zero-shot Grounded Video Editing using Text-to-image Diffusion Models

Hyeonho Jeong, Jong Chul Ye

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

Comments Accepted to ICLR 2024, Project Page: http://ground-a-video.github.io

CAGAN: Text-To-Image Generation with Combined Attention GANs

Henning Schulze, Dogucan Yaman, Alexander Waibel

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

Journal ref LNCS 13024 (2021) 392-404

Multi-Tailed, Multi-Headed, Spatial Dynamic Memory refined Text-to-Image Synthesis

Amrit Diggavi Seshadri, Balaraman Ravindran

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

CRD-CGAN: Category-Consistent and Relativistic Constraints for Diverse Text-to-Image Generation

Tao Hu, Chengjiang Long, Chunxia Xiao

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

Photographic Text-to-Image Synthesis with a Hierarchically-nested Adversarial Network

Zizhao Zhang, Yuanpu Xie, Lin Yang

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

Comments CVPR2018 Spotlight