图像生成

Enhance Convolutional Neural Networks with Noise Incentive Block

Menghan Xia, Yi Wang, Chu Han, Tien-Tsin Wong

专题命中 可控生成 ：image generation(abstract)；image synthesis(abstract)；分类 cs.CV

Improving Generation and Evaluation of Visual Stories via Semantic Consistency

Adyasha Maharana, Darryl Hannan, Mohit Bansal

专题命中 可控生成 ：text-to-image(abstract)；image synthesis(abstract)；分类 cs.CV

Comments NAACL 2021 (16 pages)

Identity-Aware CycleGAN for Face Photo-Sketch Synthesis and Recognition

Yuke Fang, Jiani Hu, Weihong Deng

专题命中 可控生成 ：image generation(abstract)；image synthesis(abstract)；分类 cs.CV

Comments 36 pages, 11 figures

Journal ref Pattern Recognition, vol.102, pp.107249, 2020

HumanGAN: A Generative Model of Humans Images

Kripasindhu Sarkar, Lingjie Liu, Vladislav Golyanik, Christian Theobalt

专题命中 可控生成 ：image generation(abstract)；image synthesis(abstract)；分类 cs.CV

Comments Accepted at CVPR21

Semantic Editing On Segmentation Map Via Multi-Expansion Loss

Jianfeng He, Xuchao Zhang, Shuo Lei, Shuhui Wang, Qingming Huang, Chang-Tien Lu, Bei Xiao

专题命中 可控生成 ：image generation(abstract)；inpainting(abstract)；分类 cs.CV

Generative View Synthesis: From Single-view Semantics to Novel-view Images

Tewodros Habtegebrial, Varun Jampani, Orazio Gallo, Didier Stricker

专题命中 可控生成 ：image editing(abstract)；image synthesis(abstract)；分类 cs.CV

Comments Accepted at Neurips-2020

Interpreting the Latent Space of GANs via Correlation Analysis for Controllable Concept Manipulation

Ziqiang Li, Rentuo Tao, Hongjing Niu, Bin Li

专题命中 可控生成 ：image generation(abstract)；inpainting(abstract)；分类 cs.CV

Ranking CGANs: Subjective Control over Semantic Image Attributes

Yassir Saquil, Kwang In Kim, Peter Hall

专题命中 可控生成 ：image generation(abstract)；image editing(abstract)；分类 cs.CV

Video Generation From Text

Yitong Li, Martin Renqiang Min, Dinghan Shen, David Carlson, Lawrence Carin

专题命中 可控生成 ：image generation(abstract)；text-to-image(abstract)；分类 cs.MM

GenGA: Editable and Data-Grounded Graphical Abstract Generation for Academic Papers

GenGA：面向学术论文的可编辑且基于数据的图形摘要生成

Takuro Kawada, Shunsuke Kitada, Hitoshi Iyatomi

专题命中 可控生成 ：image generation(abstract)；分类 cs.CV、cs.GR、cs.MM

AI总结 GenGA是一种直接生成矢量格式图形摘要的框架，可实现便捷的元素级编辑，其编辑简易性优于传统方法，且在简洁性和语义对齐上超过人工生成的图形摘要，还提出了量化编辑简易性的SIC指标。

Comments 20 pages, 11 figures, 4 tables

Packet-Loss Robust 3D Gaussian Compression via Atomic Packaging and GNN-based Error Concealment

通过原子封装和基于GNN的错误隐藏实现抗丢包的3D高斯压缩

Yuxuan Tao, Xuerui Ma, Hao Zhang, Chunhua Peng

机构 * Central South University Changsha China ； Malanshan Audio \& Video Laboratory Changsha China ； Central South University ； Malanshan Audio \& Video Laboratory 纠错

专题命中 可控生成 ：inpainting(abstract)；分类 cs.CV、cs.GR、cs.MM

AI总结 研究3D高斯压缩在网络流传输中丢包问题，提出通过原子封装、分层随机分组及基于GNN的错误隐藏框架，改进丢包时的渲染效果，相比无隐藏传输有显著提升，平均PSNR退化限制在约3dB。

Comments 21 pages, 3 figures, 3 tables

SeamEdit: A Black-Box VLM-Agnostic Pipeline for Large-Image Semantic Editing

SeamEdit: 一种用于大图像语义编辑的黑盒VLM无关流水线

Xiangyu Lyu, Dan Lei

机构 * Technische Universität Darmstadt（达姆施塔特工业大学） ； Fine-Arts Educator, Yuncheng Middle School（运城中学美术教师） 纠错

专题命中 可控生成 ：inpainting(abstract)；分类 cs.CV、cs.GR、cs.MM

AI总结 提出SeamEdit，一种无需训练、模型无关的流水线，通过五阶段后处理解决大图像分块编辑中的语义变形、对齐漂移和接缝伪影问题，实现高质量语义编辑。

Comments 19 pages, 9 figures, 2 tables

Relightable Gaussian Splatting for Virtual Production Using Image-Based Illumination

可重照明高斯点散布用于虚拟制作的基于图像的照明

Adrian Azzarelli, Nantheera Anantrasirichai, James Pollock, David R. Bull

机构 * University of Bristol, UK（英国布里斯托大学） ； Lux Aeterna, Bristol, UK（卢克斯艾特纳，布里斯托，英国） 纠错

专题命中 可控生成 ：image editing(abstract)；分类 cs.CV、cs.GR、cs.MM

AI总结 本文提出一种针对虚拟制作的3D重建与重照明框架，利用高斯点散布技术，通过已知背景图像条件重照明过程，避免使用环境映射，提高3D重建质量和可控性，方法高效且支持多种输出变量。

Secure Intellicise Wireless Network: Agentic AI for Coverless Semantic Steganography Communication

安全智能无线网络：面向无载体语义隐写通信的智能体AI

Rui Meng, Song Gao, Bingxuan Xu, Xiaodong Xu, Jianqiao Chen, Nan Ma, Pei Xiao, Ping Zhang, Rahim Tafazolli

专题命中 可控生成 ：image generation(abstract)；diffusion(abstract)

AI总结 本文提出基于智能体AI的无载体语义隐写通信方案，通过消除载体图像和私有语义密钥的需求，提升隐写容量与传输安全。

Comments 16 pages, 14 figures

Beyond the Black Box: Identifiable Interpretation and Control in Generative Models via Causal Minimality

超越黑箱：通过因果最小性在生成模型中实现可识别的解释与控制

Lingjing Kong, Shaoan Xie, Guangyi Chen, Yuewen Sun, Xiangchen Song, Eric P. Xing, Kun Zhang

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） 纠错

专题命中 可控生成 ：text-to-image(abstract)；diffusion(abstract)

AI总结 本文通过因果最小性原则，在生成模型中建立可解释性基础，提出层级选择模型框架，实现对生成模型的可控性与解释性提升。

Language-Free Generative Editing from One Visual Example

无需语言的生成编辑：一个视觉示例

Omar Elezabi, Eduard Zamfir, Zongwei Wu, Radu Timofte

专题命中 可控生成 ：diffusion(abstract)；image editing(abstract)

AI总结 本文提出无需语言指导的视觉编辑方法VDC，通过直接从视觉示例学习条件信号，实现高精度图像编辑，优于现有无训练和全微调方法。

Comments Accepted at CVPR 2026

LGESynthNet: Controlled Scar Synthesis for Improved Scar Segmentation in Cardiac LGE-MRI Imaging

LGESynthNet：用于改进心脏LGE-MRI成像瘢痕分割的受控瘢痕合成

Athira J. Jacob, Puneet Sharma, Daniel Rueckert

机构 * Digital Technology and Innovation, Siemens Healthineers（西门子医疗数字化技术与创新部） ； Al in Healthcare and Medicine, Klinikum rechts der Isar, Technical University of Munich（医疗与医学AI，慕尼黑工业大学右侧医院） ； Department of Computing, Imperial College London（伦敦帝国理工学院计算机系） 纠错

专题命中 可控生成 ：diffusion(abstract)；inpainting(abstract)

AI总结 本文提出LGESynthNet，一种基于潜在扩散模型的可控合成框架，通过奖励模型、提示模块和生物医学文本编码器，利用少量标注数据生成高质量瘢痕图像，提升后续分割和检测性能。

Comments Accepted at MICCAI STACOM workshop 2025

SpA2V: Harnessing Spatial Auditory Cues for Audio-driven Spatially-aware Video Generation

SpA2V: 利用空间听觉线索进行音频驱动的空间感知视频生成

Kien T. Pham, Yingqing He, Yazhou Xing, Qifeng Chen, Long Chen

专题命中 可控生成 ：diffusion(abstract)；分类 cs.CV、cs.GR、cs.MM

AI总结 SpA2V通过利用空间听觉线索生成与输入音频在语义和空间上一致的视频，改进了现有方法对语义信息的依赖，提出两阶段框架实现视频场景布局生成与生成。

Comments The 33rd ACM Multimedia Conference (MM '25)

From Prompts to Worlds: How Users Iterate, Explore, and Make Sense of AI-Generated 3D Environments

从提示到世界：用户如何迭代、探索和理解AI生成的3D环境

Aung Pyae

专题命中 可控生成 ：image generation(abstract)；text-to-image(abstract)

AI总结 研究探讨用户如何通过迭代和探索理解AI生成的3D环境，发现语言到空间表达的不对称性、沉浸感的间歇性以及结构迭代中的障碍，强调需要混合输入方式和透明反馈。

altiro3D: Scene representation from single image and novel view synthesis

altiro3D: 从单张图像和新视角合成生成场景表示

E. Canessa, L. Tenze

机构 * The Abdus Salam International Centre for Theoretical Physics, ICTP, Trieste 34151, Italy（阿布杜斯·萨拉姆国际理论物理学中心，ICTP，特里埃斯特） 纠错

专题命中 可控生成 ：inpainting(abstract)；分类 cs.CV、cs.GR、cs.MM

AI总结 altiro3D通过单张图像生成多视角和视频，结合深度估计与快速算法实现逼真3D体验。

Comments In press (2023) Springer International Journal of Information Technology (IJIT) 10 pages, 3 figures

Journal ref International Journal of Information Technology 16 (2024) 33

DesignAsCode: Bridging Structural Editability and Visual Fidelity in Graphic Design Generation

DesignAsCode：在图形设计生成中弥合结构可编辑性与视觉保真度

Ziyuan Liu, Shizhao Sun, Danqing Huang, Yingdong Shi, Meisheng Zhang, Ji Li, Jingsong Yu, Jiang Bian

机构 * School of Software and Microelectronics, Peking University, Beijing, China（软件与微电子学院，北京大学，北京，中国） ； Microsoft（微软公司） ； ShanghaiTech University, Shanghai, China（上海交通大学，上海，中国） 纠错

专题命中 可控生成 ：image synthesis(abstract)；分类 cs.CV、cs.GR、cs.MM

AI总结 DesignAsCode 通过 HTML/CSS 程序化合成方法，实现了图形设计生成中结构可编辑性与视觉保真度的平衡，提升了设计质量和生成能力。

Sketch-Based Facade Renovation With Generative AI: A Streamlined Framework for Bypassing As-Built Modelling in Industrial Adaptive Reuse

基于草图的立面修复与生成式AI：一种简化框架，用于在工业适应性再利用中绕过实际建成建模

Warissara Booranamaitree, Xusheng Du, Yushu Cai, Zhengyang Wang, Ye Zhang, Haoran Xie

专题命中 可控生成 ：diffusion(abstract)；inpainting(abstract)

AI总结 本文提出了一种结合生成式AI和视觉-语言模型的三阶段框架，通过处理粗糙草图和文本描述，快速生成保留原结构且提高细节质量的立面修复提案，从而绕过传统详细建模流程。

Comments 10 pages, 9 figures, Proceedings of CAADRIA 2026

GenCtrl -- A Formal Controllability Toolkit for Generative Models

GenCtrl -- 生成模型的正式可控性工具包

Emily Cheng, Carmen Amo Alonso, Federico Danieli, Arno Blaas, Luca Zappella, Pau Rodriguez, Xavier Suau

机构 * Apple（苹果公司） ； Universitat Pompeu Fabra（庞培法布拉大学） ； Stanford（斯坦福大学） 纠错

专题命中 可控生成 ：image generation(abstract)；text-to-image(abstract)

AI总结 GenCtrl 提出了一种理论框架，用于评估生成模型的可控性，并通过实验展示了可控性在不同任务中的脆弱性。

Adaptive Divergence Regularized Policy Optimization for Fine-tuning Generative Models

Jiajun Fan, Tong Wei, Chaoran Cheng, Yuxin Chen, Ge Liu

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） 纠错

专题命中 可控生成 ：image generation(abstract)；text-to-image(abstract)

Comments 30 pages

Generative Models for Helmholtz Equation Solutions: A Dataset of Acoustic Materials

Riccardo Fosco Gramaccioni, Christian Marinoni, Fabrizio Frezza, Aurelio Uncini, Danilo Comminiello

机构 * 1Department of Information Engineering, Electronics ； Telecommunications (DIET),\ University of Rome, Rome. Italy, \ riccardofosco.gramaccioni 纠错

专题命中 可控生成 ：image generation(abstract)；diffusion(abstract)

Comments Accepted at EUSIPCO 2025

SAGE: Scene Graph-Aware Guidance and Execution for Long-Horizon Manipulation Tasks

Jialiang Li, Wenzheng Wu, Gaojing Zhang, Yifan Han, Wenzhao Lian

机构 * School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学人工智能学院） ； ShanghaiTech University（上海科技大学） ； University of Sussex（Sussex大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） 纠错

专题命中 可控生成 ：image editing(abstract)；inpainting(abstract)

EditGen: Harnessing Cross-Attention Control for Instruction-Based Auto-Regressive Audio Editing

Vassilis Sioros, Alexandros Potamianos, Giorgos Paraskevopoulos

机构 * Department of Informatics and Telecommunications, UoA NCSR "Demokritos"（信息与电信系，雅典国家科研中心"Demokritos"） ； School of Electrical and Computer Engineering, NTUA（电气与计算机工程学院，国家技术研究院） 纠错

专题命中 可控生成 ：diffusion(abstract)；image editing(abstract)

Multimodal LLM Integrated Semantic Communications for 6G Immersive Experiences

Yusong Zhang, Yuxuan Sun, Lei Guo, Wei Chen, Bo Ai, Deniz Gunduz

机构 * School of Electronic and Information Engineering, Beijing Jiaotong University（电子信息工程学院，北京交通大学） ； School of Electrical and Electronic Engineering, Imperial College London（电子电气工程学院，帝国理工学院伦敦分校） 纠错

专题命中 可控生成 ：image generation(abstract)；diffusion(abstract)

Comments This work has been submitted to the IEEE for possible publication

MuseControlLite: Multifunctional Music Generation with Lightweight Conditioners

Fang-Duo Tsai, Shih-Lun Wu, Weijaw Lee, Sheng-Ping Yang, Bo-Rui Chen, Hao-Chung Cheng, Yi-Hsuan Yang

机构 * National Taiwan University（国立台湾大学） ； Massachusetts Institute of Technology（麻省理工学院） 纠错

专题命中 可控生成 ：diffusion(abstract)；inpainting(abstract)

Comments Accepted by the 42nd International Conference on Machine Learning (ICML 2025)

Minimal Impact ControlNet: Advancing Multi-ControlNet Integration

Shikun Sun, Min Zhou, Zixuan Wang, Xubin Li, Tiezheng Ge, Zijie Ye, Xiaoyu Qin, Junliang Xing, Bo Zheng, Jia Jia

机构 * Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系） ； Taobao & Tmall Group of Alibaba（阿里巴巴淘宝与天猫集团） ； BNRist, Tsinghua University（清华大学BNRist） ； Key Laboratory of Pervasive Computing, Ministry of Education（教育部普适计算重点实验室） 纠错

专题命中 可控生成 ：image generation(abstract)；diffusion(abstract)

Comments ICLR 2025