SE360: Semantic Edit in 360$^\circ$ Panoramas via Hierarchical Data Construction
SE360：通过分层数据构建实现360度全景图的语义编辑
专题命中 可控生成 ：diffusion(abstract)；image editing(abstract)；分类 cs.CV
AI总结 SE360通过分层数据构建实现360度全景图的语义编辑，提出自主数据生成管道和两阶段数据精修策略，提升编辑质量和语义准确性。
视觉与机器人
图像生成
图像生成、文生图、图像编辑、扩散模型和可控生成。
1. 可控生成 4210 篇
CETCAM: Camera-Controllable Video Generation via Consistent and Extensible Tokenization
CETCAM: 通过一致且可扩展的分词实现相机可控的视频生成
机构 * Georgia Institute of Technology（佐治亚理工学院） ； ByteDance（字节跳动） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； The Hong Kong Polytechnic University（香港理工大学）
专题命中 可控生成 ：diffusion(abstract)；inpainting(abstract)；分类 cs.CV
AI总结 CETCAM通过一致且可扩展的分词方案实现相机可控的视频生成，提高了几何一致性和视觉真实性，同时支持额外的控制模式。
Beyond Semantic Features: Pixel-level Mapping for Generalized AI-Generated Image Detection
超越语义特征：用于通用AI生成图像检测的像素级映射
专题命中 可控生成 ：image generation(abstract)；diffusion(abstract)；分类 cs.CV
AI总结 本文提出通过像素级映射预处理破坏图像语义特征，提升AI生成图像检测器的跨模型泛化能力。
Comments Accepted by AAAI 2026
TextEditBench: Evaluating Reasoning-aware Text Editing Beyond Rendering
TextEditBench: 评估超出渲染的推理-aware文本编辑
机构 * Central South University（中南大学） ； Pengcheng Laboratory（鹏城实验室）
专题命中 可控生成 ：diffusion(abstract)；image editing(abstract)；分类 cs.CV
AI总结 TextEditBench 旨在评估文本编辑中超出渲染的推理能力，通过引入语义期望维度，推动多模态生成中的文本引导编辑技术发展。
JoDiffusion: Jointly Diffusing Image with Pixel-Level Annotations for Semantic Segmentation Promotion
JoDiffusion: 通过像素级标注联合扩散图像以促进语义分割
专题命中 可控生成 ：image generation(abstract)；diffusion(abstract)；分类 cs.CV
AI总结 JoDiffusion通过联合扩散图像与像素级标注，提升语义分割的性能和可扩展性。
Comments Accepted at AAAI 2026
Fine-grained Defocus Blur Control for Generative Image Models
细粒度模糊模糊控制用于生成图像模型
机构 * University of Michigan（密歇根大学） ； Adobe Research（Adobe研究）
专题命中 可控生成 ：text-to-image(abstract)；diffusion(abstract)；分类 cs.CV
AI总结 本文提出了一种基于EXIF数据的文本到图像扩散模型，通过生成可控的镜头模糊效果，实现细粒度的模糊控制，提升图像生成的可控性与真实性。
Comments Project link: https://www.ayshrv.com/defocus-blur-gen
H2R-Grounder: A Paired-Data-Free Paradigm for Translating Human Interaction Videos into Physically Grounded Robot Videos
H2R-Grounder：一种无需配对数据的视频到物理 grounded 机器人视频翻译范式
机构 * Show Lab, National University of Singapore（新加坡国立大学显示实验室）
专题命中 可控生成 ：diffusion(abstract)；inpainting(abstract)；分类 cs.CV
AI总结 H2R-Grounder通过无需配对数据的方法，将人类交互视频转换为物理 grounded 的机器人视频，提升机器人学习的现实感和扩展性。
Comments 13 pages, 6 figures
Controllable 3D Object Generation with Single Image Prompt
单图像提示下的可控3D物体生成
机构 * College of Computer Science, Kookmin University, Seoul, Korea（计算机科学学院，韩国高丽大学，首尔）
专题命中 可控生成 ：text-to-image(abstract)；diffusion(abstract)；分类 cs.CV
AI总结 本文提出两种方法，通过单图像提示生成可控的3D物体，提升3D一致性并优于现有文本倒置方法。
Journal ref Pattern Recognition. ICPR 2024. Lecture Notes in Computer Science, vol 15306. Springer, Cham. p222-238
CameraMaster: Unified Camera Semantic-Parameter Control for Photography Retouching
CameraMaster: 用于摄影修饰的统一相机语义-参数控制
机构 * Tianjin University（天津大学） ； vivo Mobile Communication Co., Ltd（vivo移动通信有限公司） ； NUS（国立大学）
专题命中 可控生成 ：diffusion(abstract)；image editing(abstract)；分类 cs.CV
AI总结 CameraMaster通过统一相机感知框架实现精确摄影修饰，通过解耦相机指令和参数嵌入，提升多参数控制与语义-参数对齐能力。
Training-Free Generation of Diverse and High-Fidelity Images via Prompt Semantic Space Optimization
无需训练生成多样化且高保真的图像 via 提示语义空间优化
机构 * Queen Mary University of London（伦敦女王学院） ； Centre for AI, AstraZeneca（AstraZeneca人工智能中心） ； University of Bedfordshire（贝德福德大学） ； Samsung AI Center（三星人工智能中心）
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TPSO方法，通过优化提示语义空间提升图像生成的多样性和保真度，无需训练且适用于多种模型。
Comments under review
Generating Synthetic Human Blastocyst Images for In-Vitro Fertilization Blastocyst Grading
生成合成人类囊胚图像用于体外受精囊胚分级
专题命中 可控生成 ：image generation(abstract)；diffusion(abstract)；分类 cs.CV
AI总结 DIA框架通过生成高保真的合成囊胚图像，解决体外受精中囊胚分级的数据稀缺和类别不平衡问题，提升AI评估工具的性能和标准化。
Comments The manuscript is 23 pages, with five main figures and one table. The supplemental material includes 23 pages with fourteen figures and four tables
See it. Say it. Sorted: Agentic System for Compositional Diagram Generation
机构 * Yale University（耶鲁大学） ； University of Edinburgh（爱丁堡大学）
专题命中 可控生成 ：image generation(abstract)；diffusion(abstract)；分类 cs.CV
AniMer+: Unified Pose and Shape Estimation Across Mammalia and Aves via Family-Aware Transformer
机构 * Department of Electronic and Electrical Engineering, Southern University of Science and Technology, Shenzhen, China（南方科技大学电子与电气工程系） ； Department of Automation, Tsinghua University, Beijing, China（清华大学自动化系） ； Jiaxing Research Institute, Southern University of Science and Technology, Jiaxing, China（南方科技大学嘉兴研究所） ； Department of Electrical and Electronic Engineering, the University of Hong Kong, Hong Kong, China（香港大学电子与电气工程系）
专题命中 可控生成 ：image generation(abstract)；diffusion(abstract)；分类 cs.CV
Comments Accepted to TPAMI2025
MALeR: Improving Compositional Fidelity in Layout-Guided Generation
机构 * Adobe Research（Adobe研究）
专题命中 可控生成 ：image generation(abstract)；text-to-image(abstract)；分类 cs.CV
Comments ACM TOG Dec 2025, Siggraph Asia, Project page: https://katha-ai.github.io/projects/maler/
Generative Semantic Coding for Ultra-Low Bitrate Visual Communication and Analysis
机构 * Southern University of Science and Technology, Shenzhen, China（南方科技大学）
专题命中 可控生成 ：image generation(abstract)；text-to-image(abstract)；分类 cs.CV
Target-Guided Bayesian Flow Networks for Quantitatively Constrained CAD Generation
机构 * College of Computer Science, Sichuan University（四川大学计算机科学学院） ； School of Computer Science and Technology, Xidian University（西安电子科技大学计算机科学与技术学院） ； Engineering Research Center of Machine Learning and Industry Intelligence, Ministry of Education, Chengdu, China（教育部机器学习与工业智能工程研究中心）
专题命中 可控生成 ：image generation(abstract)；diffusion(abstract)；分类 cs.CV
Journal ref Proceedings of the 33rd ACM International Conference on Multimedia (2025) 3330-3339
OmniText: A Training-Free Generalist for Controllable Text-Image Manipulation
机构 * KAIST（韩国科学技术院） ； Adobe Research（Adobe研究院） ； Chung-Ang University（Chung-Ang 大学）
专题命中 可控生成 ：diffusion(abstract)；inpainting(abstract)；分类 cs.CV
Comments The first two authors contributed equally to this work. The last two authors are co-corresponding authors
FlowOpt: Fast Optimization Through Whole Flow Processes for Training-Free Editing
专题命中 可控生成 ：diffusion(abstract)；image editing(abstract)；分类 cs.CV
Comments Project's webpage at https://orronai.github.io/FlowOpt/
Positional Encoding Field
机构 * University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Pixocial Technology（Pixocial技术）
专题命中 可控生成 ：diffusion(abstract)；image editing(abstract)；分类 cs.CV
Comments 8 pages, 9 figures
InfiniHuman: Infinite 3D Human Creation with Precise Control
机构 * University of Tübingen, Tübingen AI Center（图宾根大学，图宾根人工智能中心） ； University of Tübingen, Tübingen AI Center, MPI for Informatics, SIC（图宾根大学，图宾根人工智能中心，马克斯·普朗克信息研究所，SIC） ； University of Tübingen（图宾根大学）
专题命中 可控生成 ：image generation(abstract)；diffusion(abstract)；分类 cs.CV
Comments Accepted to ACM SIGGRAPH Asia 2025. Project website: https://yuxuan-xue.com/infini-human
Concept Steerers: Leveraging K-Sparse Autoencoders for Test-Time Controllable Generations
机构 * Boston University（波士顿大学） ； Runway
专题命中 可控生成 ：text-to-image(abstract)；diffusion(abstract)；分类 cs.CV
Comments 23 pages, 18 figures
Data Factory with Minimal Human Effort Using VLMs
专题命中 可控生成 ：text-to-image(abstract)；diffusion(abstract)；分类 cs.CV
Comments Tech report
Learning Object-Centric Representations Based on Slots in Real World Scenarios
机构 * Computer Science and Engineering（计算机科学与工程）
专题命中 可控生成 ：image generation(abstract)；diffusion(abstract)；分类 cs.CV
Comments PhD Thesis, overlap with arXiv:2507.20855 and arXiv:2501.15878
ASIA: Adaptive 3D Segmentation using Few Image Annotations
机构 * Simon Fraser University（西蒙弗雷泽大学）
专题命中 可控生成 ：text-to-image(abstract)；diffusion(abstract)；分类 cs.CV
Comments SIGGRAPH Asia, 2025. Project Page: https://sairajk.github.io/asia/
SemanticControl: A Training-Free Approach for Handling Loosely Aligned Visual Conditions in ControlNet
机构 * Department of Computer Science and Engineering（计算机科学与工程系） ； Korea University（韩国大学） ； Electrical and Computer Engineering（电气与计算机工程系） ； University of Michigan（密歇根大学）
专题命中 可控生成 ：text-to-image(abstract)；diffusion(abstract)；分类 cs.CV
Comments BMVC 2025
DanceText: A Training-Free Layered Framework for Controllable Multilingual Text Transformation in Images
机构 * Universiti Malaya（马来大学） ； Zhejiang University of Finance and Economics Dongfang College（浙江财经大学东阳学院） ； Kunming University of Science and Technology（昆明理工大学） ； University of Central Florida（佛罗里达中央大学） ； Toronto metropolitan university（多伦多 Metropolitan 大学） ； Amazon Web Services（亚马逊网络服务） ； Deakin University（德肯大学） ； University of Sheffield（谢菲尔德大学）
专题命中 可控生成 ：diffusion(abstract)；image synthesis(abstract)；分类 cs.CV
Vision-Language Models as Differentiable Semantic and Spatial Rewards for Text-to-3D Generation
机构 * Peking University（北京大学） ； Xiaohongshu Inc（小红书公司）
专题命中 可控生成 ：text-to-image(abstract)；diffusion(abstract)；分类 cs.CV
Improving Performance, Robustness, and Fairness of Radiographic AI Models with Finely-Controllable Synthetic Data
机构 * Center for Artificial Intelligence in Medicine and Imaging, Stanford University（斯坦福大学人工智能医学与成像中心） ； Department of Radiology, Stanford University（斯坦福大学放射科） ； Department of Applied Physics, Stanford University（斯坦福大学应用物理系） ； Department of Biomedical Data Science, Stanford University（斯坦福大学生物医学数据科学系） ； Institute for Diagnostic and Interventional Radiology, University Hospital Zurich, University of Zurich（苏黎世大学医院诊断与介入放射学研究所） ； LAION ； Juelich Supercomputing Center (JSC), Research Center Juelich (FZJ)（耶鲁超级计算中心（JSC）、耶鲁研究中心（FZJ）） ； Department of Radiology & Imaging Sciences, Emory University（埃默里大学放射科与成像科学系） ； Department of Radiology, University of Florida College of Medicine（佛罗里达大学医学院放射科）
专题命中 可控生成 ：text-to-image(abstract)；diffusion(abstract)；分类 cs.CV
Slice or the Whole Pie? Utility Control for AI Models
机构 * Ye Tao
专题命中 可控生成 ：image generation(abstract)；diffusion(abstract)；分类 cs.CV
PointRegGPT: Boosting 3D Point Cloud Registration using Generative Point-Cloud Pairs for Training
机构 * University of Electronic Science and Technology of China（电子科技大学） ； The Chinese University of Hong Kong（香港中文大学） ； Hong Kong University of Science and Technology（香港科技大学） ； Megvii Technology（商汤科技）
专题命中 可控生成 ：diffusion(abstract)；inpainting(abstract)；分类 cs.CV
Comments To appear at the European Conference on Computer Vision (ECCV) 2024
