图像生成

CityLoc: 6DoF Pose Distributional Localization for Text Descriptions in Large-Scale Scenes with Gaussian Representation

CityLoc：基于高斯表示的大规模场景文本描述的6自由度姿态分布定位

Qi Ma, Runyi Yang, Bin Ren, Nicu Sebe, Ender Konukoglu, Luc Van Gool, Danda Pani Paudel

机构 * Computer Vision Lab, ETH Zurich（苏黎世联邦理工学院计算机视觉实验室） ； University of Pisa（比萨大学） ； University of Trento（特伦托大学） 纠错

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

AI总结 研究大规模场景文本描述的6自由度姿态分布定位问题，核心方法是用基于扩散架构结合预训练文本编码器细化姿态，经3D高斯渲染提高精度，通过与标准方法对比验证其在多数据集上的优越性。

Elastic3D: Controllable Stereo Video Conversion with Guided Latent Decoding

Elastic3D：基于引导潜解码的可控立体视频转换

Nando Metzger, Prune Truong, Goutam Bhat, Konrad Schindler, Federico Tombari

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

AI总结 针对沉浸式3D内容需求，提出Elastic3D方法，基于（条件）潜扩散，用引导VAE解码器确保高质量立体视频输出，能让用户在推理时控制立体效果强度，实验表明其优于传统及现有基线。

Comments Project page: elastic3d.github.io

PASDiff: Physics-Aware Semantic Guidance for Joint Real-World Low-Light Face Enhancement and Restoration

PASDiff: 面向真实世界低光人脸增强与恢复的物理感知语义引导

Yilin Ni, Wenjie Li, Zhengxue Wang, Juncheng Li, Guangwei Gao, Jian Yang

机构 * Nanjing University of Posts and Telecommunications（南京邮电大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； PCA Lab, Nanjing University of Science and Technology（南京理工大学PCA实验室） ； East China Normal University（华东师范大学） 纠错

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

AI总结 提出PASDiff，一种无需训练的物理感知语义扩散模型，通过逆强度加权和Retinex理论引入光度约束，并利用风格无关结构注入从现成人脸先验中提取结构，在真实低光人脸增强上实现自然光照、色彩恢复和身份一致性的优越平衡。

Comments Accepted by ECCV 2026

One-Shot Feed-Forward 360$^{\circ}$ Animatable Avatar via Inpainted UV-Space Gaussian Modeling

通过修补UV空间高斯建模的一次前馈360度可动画化头像

Shuling Zhao, Dan Xu

机构 * The Hong Kong University of Science and Technology（香港科技大学） ； Zeekr Automobile R&D Co., Ltd（Zeekr汽车研发有限公司） 纠错

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

AI总结 提出一种基于UV空间高斯建模的一次前馈框架，利用预训练3D GAN的先验知识修补缺失区域，实现360度全头可动画化头像的高质量重建与实时动画。

Comments Accepted by ECCV 2026. Project page: https://shaelynz.github.io/fhavatar/

TabletopGen: Tabletop Scene Generation and Interactive Simulation for Robotic Manipulation

TabletopGen: 桌面场景生成与机器人操作的交互式仿真

Ziqian Wang, Yonghao He, Licheng Yang, Wei Zou, Hongxuan Ma, Liu Liu, Wei Sui, Yuxin Guo, Hu Su

机构 * School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； State Key Laboratory of Multimodal Artificial Intelligence Systems (MAIS), Institute of Automation, Chinese Academy of Sciences（中国科学院多模态人工智能系统国家重点实验室） ； D-Robotics ； Horizon Robotics 纠错

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

AI总结 提出TabletopGen，一种无需训练的全自动桌面场景生成与交互仿真引擎，通过实例提取、位姿对齐和物理仿真生成可交互场景，用于机器人操作数据合成。

Comments Project page: https://d-robotics-ai-lab.github.io/TabletopGen.project/

ForAug: Mitigating Biases in Image Classification via Controlled Image Compositions

ForAug: 通过受控图像组合缓解图像分类中的偏差

Tobias Christian Nauen, Brian Moser, Federico Raue, Stanislav Frolov, Andreas Dengel

机构 * RPTU University Kaiserslautern-Landau（凯泽斯劳滕-兰道大学） ； German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心） 纠错

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

AI总结 提出ForAug方法，通过将训练图像分解为前景和背景并重新组合，显式控制物体位置、尺度和背景，打破前景-背景相关性，在ImageNet上提升最高6%准确率，并减少捷径学习行为。

Comments v2: DeiT, ablation vs simple copy-paste, v4: more augmentation pipelines, robustness benchmarks, mask quality analysis

Scene Generation at Absolute Scale: Utilizing Semantic and Geometric Guidance From Text for Accurate and Interpretable 3D Indoor Scene Generation

绝对尺度下的场景生成：利用文本的语义和几何引导实现精确且可解释的3D室内场景生成

Stefan Ainetter, Thomas Deixelberger, Edoardo A. Dominici, Philipp Drescher, Konstantinos Vardis, Markus Steinberger

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

AI总结 提出GuidedSceneGen框架，通过文本预测全局3D布局并利用全景扩散模型和视频扩散模型生成绝对尺度的室内场景，实现高一致性、可导航的3D重建。

Taming Text-to-Sounding Video Generation via Advanced Modality Condition and Interaction

通过高级模态条件与交互驯服文本到发声视频生成

Kaisi Guan, Xihua Wang, Zhengfeng Lai, Xin Cheng, Peng Zhang, XiaoJiang Liu, Ruihua Song, Meng Cao

机构 * Renmin University of China（中国人民大学） ； Apple（苹果公司） 纠错

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

AI总结 提出分层视觉基础字幕框架（HVGC）生成解耦的视频和音频字幕，并基于此引入双塔扩散变换器BridgeDiT，通过双交叉注意力机制实现对称双向信息交互，在三个基准数据集上达到最先进结果。

Comments The 19th European Conference on Computer Vision -- ECCV 2026

VideoSketcher: Sequential Sketch Generation Using Video Model Priors

VideoSketcher：利用视频模型先验的序列草图生成

Hui Ren, Yuval Alaluf, Omer Bar Tal, Alexander Schwing, Antonio Torralba, Yael Vinker

机构 * MIT（麻省理工学院） 纠错

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

AI总结 提出VideoSketcher方法，结合LLM的语义规划与视频扩散模型的时序渲染，通过两阶段微调从少量样本学习笔画顺序与风格，生成高质量序列草图。

iTryOn: Mastering Interactive Video Virtual Try-On with Spatial-Semantic Guidance

iTryOn: 通过空间-语义引导掌握交互式视频虚拟试穿

Jun Zheng, Zhengze Xu, Mengting Chen, Jing Wang, Jinsong Lan, Xiaoyong Zhu, Kaifu Zhang, Bo Zheng, Xiaodan Liang

机构 * Shenzhen Campus of Sun Yat-sen University ； Taobao \& Tmall Group of Alibaba 纠错

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

AI总结 本文提出iTryOn框架，通过空间-语义引导解决交互式视频虚拟试穿中的语义模糊和复杂服装变形问题，实现了更动态可控的虚拟试穿体验。

Comments Project Page: https://zhengjun-ai.github.io/itryon-page. Accepted by ICML 2026

TextMesh4D: Zero-shot Text-to-4D Mesh Generation

TextMesh4D: 零样本文本到4D网格生成

Sisi Dai, Xinxin Su, Kai Xu

机构 * National University of Defense Technology（国防科技大学） ； Institute of AI for Industries, Chinese Academy of Sciences, Nanjing, 211135, China（中国科学院工业人工智能研究所，南京，211135，中国） ； Jiangsu Key Laboratory of AI for Industries Institute of AI for Industries, Chinese Academy of Sciences（江苏省人工智能工业关键实验室 中国科学院工业人工智能研究所） 纠错

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

AI总结 提出TextMesh4D框架，通过雅可比变形场和局部-全局语义正则化，实现零样本文本到动态网格生成，解决扩散引导与网格拓扑约束的冲突，达到高时间一致性和几何保真度。

Self-Supervised Learning with a Multi-Task Latent Space Objective

基于多任务潜在空间目标的自监督学习

Pierre-François De Plaen, Abhishek Jha, Luc Van Gool, Tinne Tuytelaars, Marc Proesmans

机构 * ESAT-PSI, KU Leuven, Belgium（KU莱顿大学ESAT-PSI实验室） ； VIB.AI, KU Leuven, Belgium（KU莱顿大学VIB.AI实验室） ； CVL, ETH Zürich, Switzerland（苏黎世联邦理工学院CVL实验室） ； INSAIT, Sofia University, Bulgaria（保加利亚索菲亚大学INSAIT研究所） ； TRACE vzw（TRACE非营利组织） 纠错

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

AI总结 提出自预测孪生SSL的多任务公式，通过为每种空间变换分配专用预测器解决多裁剪训练失败问题，提升线性评估3.8-4%，并引入非对称裁剪视图实现语义修复预训练。

UniADC: A Unified Framework for Anomaly Detection and Classification

UniADC：统一异常检测与分类框架

Ximiao Zhang, Min Xu, Zheng Zhang, Yap-Peng Tan, Xiuzhuang Zhou

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； China University of Mining（中国矿业大学） ； VinUniversity（文理大学） 纠错

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

AI总结 提出UniADC模型，通过无训练可控修复网络和隐式正态判别器，同时实现异常区域检测与类别识别，在少样本甚至零样本下超越现有方法。

Muses: Designing, Composing, Generating Nonexistent Fantasy 3D Creatures without Training

Muses: 无需训练的设计、组合与生成不存在的幻想3D生物

Hexiao Lu, Xiaokun Sun, Zeyu Cai, Hao Guo, Ying Tai, Jian Yang, Zhenyu Zhang

机构 * Nanjing University（南京大学） ； China Agricultural University（中国农业大学） 纠错

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

AI总结 提出Muses，首个无需训练的馈送式幻想3D生物生成方法，利用3D骨架实现结构感知的设计、组合与生成，在视觉保真度和文本对齐方面达到最优。

Comments Project page: https://luhexiao.github.io/Muses.github.io/

Exact analytical solutions for the piston effect in supercritical fluids under post-acoustic approximation -- Short-time asymptotics, thermal penetration depth and comparison with the Spacelab D-2 experiments

超临界流体中活塞效应的精确解析解：声学近似后的短时渐近、热穿透深度及与Spacelab D-2实验的比较

Mátyás Szücs

专题命中 可控生成 ：diffusion(abstract)

AI总结 针对超临界流体中的活塞效应，在线性后声学近似下推导了直角和球坐标中一维问题的精确解析解，分析了短时渐近和热穿透深度，并通过考虑容器热容与Spacelab D-2实验数据良好吻合。

Comments 33 pages, 12 figure

Equilibrium stochastic control with implicitly defined objective functions

具有隐式定义目标函数的均衡随机控制问题

Zongxia Liang, Jianming Xia, Keyu Zhang

专题命中 可控生成 ：diffusion(abstract)

AI总结 本文针对含隐式目标函数的时间不一致随机控制问题，在受控扩散框架中推导均衡策略的充要条件，并将其应用于两类带约束的动态投资组合选择问题，明确了确定市场系数下的均衡策略形式。

Comments To appear in SCIENTIA SINICA Mathematica

Optimal control formulation of transition path problems for Markov Jump Processes

马尔可夫跳跃过程的过渡路径问题的最优控制公式

Yuan Gao, Jian-Guo Liu, Oliver Tse

专题命中 可控生成 ：diffusion(abstract)

AI总结 该研究将马尔可夫跳跃过程的过渡路径问题转化为路径空间随机最优控制问题，通过committor函数、Γ-收敛等方法得到最优路径测度与受控过程，为过渡路径问题提供了严格的最优控制框架。

Comments 30 pages

APEX: Learning Adaptive High-Platform Traversal for Humanoid Robots

APEX: 为双足机器人学习适应性高平台穿越

Yikai Wang, Tingxuan Leng, Changyi Lin, Shiqi Liu, Shir Simon, Bingqing Chen, Jonathan Francis, Ding Zhao

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Bosch Center for Artificial Intelligence（博世人工智能中心） 纠错

专题命中 可控生成 ：inpainting(abstract)

AI总结 APEX通过感知和攀爬行为实现双足机器人高平台穿越，结合地形适应和安全正则化，实现高效探索与稳健适应。

Comments Project Website: https://apex-humanoid.github.io/

A noncommunicative Kalman condition for null controllability of backward stochastic parabolic systems

后向随机抛物系统零能控性的非交换卡尔曼条件

Mohamed Fadili

专题命中 可控生成 ：diffusion(abstract)

AI总结 该研究针对一类带耦合的后向随机热方程系统，建立了其零能控性的充要非交换卡尔曼条件，通过分离随机动力学与热半群等方法完成证明并验证条件的必要性。

Entropy Production from Spin--Vibrational Coupling in Endohedral-Fullerene Qubits Encapsulated in Suspended Carbon Nanotubes

端帽 fullerene 量子比特封装在悬空碳纳米管中的自旋-振动耦合熵产

Cristian Staii

专题命中 可控生成 ：diffusion(abstract)

AI总结 研究端帽 fullerene 量子比特与悬空碳纳米管振动模式的耦合，分析熵生成机制及非平衡量子热力学中的不可逆性分布。

Comments 21 pages, 7 figures

Journal ref Entropy (Basel). 2026 Jun 8;28(6):646

A Semantic Geometry for Uncovering Paradigm Dynamics via Scientific Publications

一种通过科学出版物揭示范式动态的语义几何

Jinchang Liu, Qingshan Zhou, Hongkan Chen, Yi Bu

专题命中 可控生成 ：diffusion(abstract)

AI总结 提出基于R-P-C（参考文献、焦点出版物、引文）框架的语义几何，通过量化出版物的知识基础与扩散的语义相似性和距离，识别巩固型、探索型和平衡型三类出版物，揭示范式动态。

Comments 40 pages, 17 figures. Published in the Journal of the Association for Information Science and Technology

Journal ref Liu, J., Zhou, Q., Chen, H., & Bu, Y. (2026). A Semantic Geometry for Uncovering Paradigm Dynamics via Scientific Publications. Journal of the Association for Information Science and Technology

Null controllability of degenerate parabolic equations with a time-varying delay

带时变延迟的退化抛物型方程的零能控性

E. L. Mustapha Ait Benhassi, Mohamed Fadili, Lahcen Maniar

专题命中 可控生成 ：diffusion(abstract)

AI总结 本文研究带时变状态延迟且在单端点退化的一维线性抛物型方程的零能控性，结合退化Carleman估计与单调性泛函得到可观性不等式，还通过空间延拓获得非退化端点的Dirichlet边界能控性，常延迟方程为特例。

Comments Substantially revised and extended version. The constant-delay framework has been generalized to a time-varying delay. The adjoint formulation, observability argument, and boundary controllability result have been revised accordingly. Title changed to reflect the broader scope. 14 pages

Continuous-Time Information-Mechanism Control

多区域电力系统协调的分布鲁棒联合信息与机制设计

Furkan Sezer

专题命中 可控生成 ：diffusion(abstract)

AI总结 针对多区域电力系统协调问题，提出分布鲁棒的联合信息与机制设计框架，通过高斯公共信号和Groves转移机制实现激励对齐，并利用Isaacs方程求解，在2021年Uri暴风雪案例中验证了信息设计和市场耦合的互补性。

Comments 41 pages, 6 figures

E4GEN: Event-level Explainable Extreme-Enhanced Time-series Generation

E4GEN：事件级可解释的极端增强时间序列生成

Lin Jiang, Dahai Yu, Ximiao Li, Guang Wang

机构 * Florida State University（佛罗里达州立大学） 纠错

专题命中 可控生成 ：diffusion(abstract)

AI总结 提出E4GEN可解释扩散框架，通过E-Activator、E-Predictor和E-Control三个组件实现事件级极端事件可控生成，在整体保真度、极端事件保真度和下游效用上优于现有方法。

Comments 48 pages,26 figures

Complex Wavelet-Based Sinogram Segmentation for Metal Artifact Reduction in Cone-Beam CT

基于复波let的sinogram分割用于锥束CT中金属伪影的减少

Siiri Rautio, Alexander Meaney, Salla-Maaria Latva-Äijö, Harshit Agrawal, Mikael Brix, Dinidu Jayakody, Samuli Siltanen

专题命中 可控生成 ：inpainting(abstract)

AI总结 本文提出基于复波let的投影域金属伪影减少方法，通过分析性金属分割提升锥束CT图像质量。

Choose What to Manipulate: Revealing Data Scaling Laws in Bounding-Box Guided Policies for Semantic Manipulation

学习操控一切：揭示在边界框引导策略中的数据扩展定律

Yihao Wu, Jinming Ma, Junbo Tan, Yanzhao Yu, Shoujie Li, Mingliang Zhou, Diyun Xiang, Xueqian Wang

机构 * Center for Intelligent Control and Telescience, Tsinghua Shenzhen International Graduate School（智能控制与遥科学中心，清华大学深圳国际研究生院） ； Beijing Xiaomi Robot Technology Co., Ltd（北京小米机器人科技有限公司） 纠错

专题命中 可控生成 ：diffusion(abstract)

AI总结 本文提出利用边界框指令提升语义操控的泛化能力，并揭示数据扩展定律，通过高效数据收集和解耦框架实现85%的成功率。

Unified continuous-time q-learning for mean-field game and mean-field control problems

面向平均场博弈与平均场控制问题的统一连续时间Q学习方法

Xiaoli Wei, Xiang Yu, Fengyi Yuan

专题命中 可控生成 ：diffusion(abstract)

AI总结 本文针对环境模拟器无法直接获取群体分布的场景，提出解耦Iq函数，设计统一参数化Q学习算法，验证其在MFG与MFC学习任务中的有效性。

LeapBot-WA: World-Anchor Action Models via Predictive Latent Alignments

LeapBot-WA：通过预测性潜在对齐实现的世界锚定动作模型

Pei Liu, Nan Zheng, Lang Zhang, Daojie Peng, Yanan Zhang, Feilong Kong, Mingyue Feng, Jiachao Liu, Yaonong Wang, Qifeng Chen, Jun Ma

专题命中 可控生成 ：diffusion(abstract)

AI总结 研究针对世界动作模型依赖像素级视频生成的瓶颈，提出LeapBot-WA，通过预测性潜在对齐建立新范式，引入ISAE弥合模态差距，设计MoT架构，在多数据集上表现出色，实现高效强大的潜在中心范式及零样本鲁棒性和现实世界迁移。

Boundary condition for phonon distribution functions at a smooth crystal interface and interfacial angular momentum transfer

声子分布函数在光滑晶体界面处的边界条件及界面角动量转移

Yuta Suzuki, Shuntaro Sumita, Yusuke Kato

专题命中 可控生成 ：diffusion(abstract)

AI总结 本文提出声子在光滑晶体界面处的边界条件，揭示了界面角动量转移机制，阐明了自旋角动量与轨道角动量在声子传输中的作用。

Comments Revised version. Main text (35 pages, 9 figures, 1 table) + supplementary material (4 pages, 2 figures, no tables). This manuscript provides a detailed analysis of an accompanying Letter (latest version of arXiv:2409.08874)

InDex: Empowering VLA Models with Intent-Conditioned Arm-Hand Coordination for Dexterous Manipulation

弥合形态差距：通过意图条件微调使VLA模型适应灵巧操作

Chuanke Pang, Junyi Huang, Zhijun Zhao, Yaobing Wang, Kun Xu, Xilun Ding

机构 * Beihang University（北京航空航天大学） ； China Academy of Space Technology（中国空间技术研究院） 纠错

专题命中 可控生成 ：diffusion(abstract)

AI总结 提出InDex框架，通过将预训练的1-DoF平行抓取输出重用作宏观虚拟抓取意图代理，结合两阶段解耦学习架构，实现VLA模型从低自由度夹爪到高自由度灵巧手的适应，有效缓解灾难性遗忘和动作流形坍缩。