图像生成

HBSplat: Robust Sparse-View Gaussian Reconstruction with Hybrid-Loss Guided Depth and Bidirectional Warping

Yu Ma, Guoliang Wei, Haihong Xiao, Yue Cheng

机构 * University of Shanghai for Science and Technology（上海理工大学） ； Hefei University of Technology（合肥工业大学） 纠错

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

Comments 14 pages, 21 figures

The Telephone Game: Evaluating Semantic Drift in Unified Models

Sabbir Mollah, Rohit Gupta, Sirnam Swetha, Qingyang Liu, Ahnaf Munir, Mubarak Shah

机构 * Center For Research in Computer Vision, University of Central Florida, USA（计算机视觉研究中心，中央佛罗里达大学） 纠错

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

Do You Know Where Your Camera Is? View-Invariant Policy Learning with Camera Conditioning

Tianchong Jiang, Jingtian Ji, Xiangshan Tan, Jiading Fang, Anand Bhattad, Vitor Guizilini, Matthew R. Walter

机构 * Toyota Technological Institute at Chicago（丰田技术研究所芝加哥分所） ； Waymo ； Johns Hopkins University（约翰霍普金斯大学） ； Toyota Research Institute（丰田研究院） 纠错

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

Comments Code and project materials are available at ripl.github.io/know_your_camera

DiffCamera: Arbitrary Refocusing on Images

Yiyang Wang, Xi Chen, Xiaogang Xu, Yu Liu, Hengshuang Zhao

机构 * The University of Hong Kong（香港大学） ； The Chinese University of Hong Kong（香港中文大学） ； Tongyi Lab（通义实验室） 纠错

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

Griffin: Generative Reference and Layout Guided Image Composition

Aryan Mikaeili, Amirhossein Alimohammadi, Negar Hassanpour, Ali Mahdavi-Amiri, Andrea Tagliasacchi

机构 * Simon Fraser University（西蒙弗雷泽大学） ； Huawei（华为） ； University of Toronto（多伦多大学） 纠错

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

Of-SemWat: High-payload text embedding for semantic watermarking of AI-generated images with arbitrary size

Benedetta Tondi, Andrea Costanzo, Mauro Barni

机构 * University of Siena（锡耶纳大学） 纠错

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

Comments 5 pages, 2 figures

MoReact: Generating Reactive Motion from Textual Descriptions

Xiyan Xu, Sirui Xu, Yu-Xiong Wang, Liang-Yan Gui

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 ：diffusion(abstract)；分类 cs.CV

Comments Published in Transactions on Machine Learning Research

HieraTok: Multi-Scale Visual Tokenizer Improves Image Reconstruction and Generation

Cong Chen, Ziyuan Huang, Cheng Zou, Muzhi Zhu, Kaixiang Ji, Jiajia Liu, Jingdong Chen, Hao Chen, Chunhua Shen

机构 * Zhejiang University（浙江大学） ； Ant Group（蚂蚁集团） ； Zhejiang University of Technology（浙江工业大学） 纠错

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

CrimEdit: Controllable Editing for Counterfactual Object Removal, Insertion, and Movement

Boseong Jeon, Junghyuk Lee, Jimin Park, Kwanyoung Kim, Jingi Jung, Sangwon Lee, Hyunbo Shim

机构 * Samsung Research（三星研究院） 纠错

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

Semantic Discrepancy-aware Detector for Image Forgery Identification

Ziye Wang, Minghang Yu, Chunyan Xu, Zhen Cui

机构 * Nanjing University of Science and Technology（南京理工大学） ； Beijing Normal University（北京师范大学） 纠错

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

Comments 10 pages, 5 figures

Generative Video Semantic Communication via Multimodal Semantic Fusion with Large Model

Hang Yin, Li Qiao, Yu Ma, Shuo Sun, Kan Li, Zhen Gao, Dusit Niyato

机构 * School of Information and Electronics, Beijing Institute of Technology（信息与电子学院，北京理工大学） ； School of Computer Science and Engineering, Nanyang Technological University（计算机科学与工程学院，南洋理工大学） 纠错

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

Comments IEEE Transactions on Vehicular Technology

DragGANSpace: Latent Space Exploration and Control for GANs

Kirsten Odendaal, Neela Kaushik, Spencer Halverson

机构 * Georgia Institute of Technology（佐治亚理工学院） 纠错

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

Comments 6 pages with 7 figures and 3 tables

Shape-for-Motion: Precise and Consistent Video Editing with 3D Proxy

Yuhao Liu, Tengfei Wang, Fang Liu, Zhenwei Wang, Rynson W. H. Lau

机构 * City University of Hong Kong（香港城市大学） ； Tencent（腾讯） 纠错

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

Comments Accepted by Siggraph Asia 2025

MotionFlow:Learning Implicit Motion Flow for Complex Camera Trajectory Control in Video Generation

Guojun Lei, Chi Wang, Yikai Wang, Hong Li, Ying Song, Weiwei Xu

机构 * Zhejiang University（浙江大学） ； Tsinghua University（清华大学） ； Beihang University（北航） ； Zhejiang Gongshang University（浙江工商大学） ； ShengShu（盛舒） 纠错

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

Comments ICME2025

Conditional Video Generation for High-Efficiency Video Compression

Fangqiu Yi, Jingyu Xu, Jiawei Shao, Chi Zhang, Xuelong Li

机构 * Institute of Artificial Intelligence (TeleAI)（人工智能研究院） 纠错

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

Instance-aware Image Colorization with Controllable Textual Descriptions and Segmentation Masks

Yanru An, Ling Gui, Chunlei Cai, Tianxiao Ye, JIangchao Yao, Guangtao Zhai, Qiang Hu, Xiaoyun Zhang

机构 * Shanghai Jiao Tong University（上海交通大学） 纠错

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

Ctrl-Room: Controllable Text-to-3D Room Meshes Generation with Layout Constraints

Chuan Fang, Yuan Dong, Kunming Luo, Xiaotao Hu, Rakesh Shrestha, Ping Tan

机构 * Hong Kong University of Science and Technology（香港理工大学） ； LightIllusion, China（中国LightIllusion公司） ； Alibaba Group（阿里巴巴集团） ； Simon Fraser University, Canada（加拿大Simon Fraser大学） 纠错

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

Stable Video-Driven Portraits

Mallikarjun B. R., Fei Yin, Vikram Voleti, Nikita Drobyshev, Maksim Lapin, Aaryaman Vasishta, Varun Jampani

机构 * Stability AI ； University of Cambridge（剑桥大学） ； Cantina 纠错

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

Comments https://stable-video-driven-portraits.github.io/

OptiScene: LLM-driven Indoor Scene Layout Generation via Scaled Human-aligned Data Synthesis and Multi-Stage Preference Optimization

Yixuan Yang, Zhen Luo, Tongsheng Ding, Junru Lu, Mingqi Gao, Jinyu Yang, Victor Sanchez, Feng Zheng

机构 * Southern University of Science and Technology（南方科技大学） ； Shanghai Innovation Institute（上海创新研究院） ； University of Warwick（沃林顿大学） 纠错

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

Probing the Representational Power of Sparse Autoencoders in Vision Models

Matthew Lyle Olson, Musashi Hinck, Neale Ratzlaff, Changbai Li, Phillip Howard, Vasudev Lal, Shao-Yen Tseng

机构 * Oracle ； Intel Labs（英特尔实验室） ； Oregon State University（俄勒冈州立大学） ； Thoughtworks 纠错

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

Comments ICCV 2025 Findings

HierRelTriple: Guiding Indoor Layout Generation with Hierarchical Relationship Triplet Losses

Kaifan Sun, Bingchen Yang, Peter Wonka, Jun Xiao, Haiyong Jiang

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

Synthetic Captions for Open-Vocabulary Zero-Shot Segmentation

Tim Lebailly, Vijay Veerabadran, Satwik Kottur, Karl Ridgeway, Michael Louis Iuzzolino

机构 * Meta ； KU Leuven（鲁汶大学） 纠错

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

Comments ICCV 2025 CDEL Workshop

An End-to-End Depth-Based Pipeline for Selfie Image Rectification

Ahmed Alhawwary, Janne Mustaniemi, Phong Nguyen-Ha, Janne Heikkilä

机构 * Center for Machine Vision and Signal Analysis (CMVS), University of Oulu（机器视觉与信号分析中心（CMVS）、奥卢大学） ； Qualcomm AI Research（高通人工智能研究） 纠错

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

Comments Accepted at IEEE TPAMI

Semantic Augmentation in Images using Language

Sahiti Yerramilli, Jayant Sravan Tamarapalli, Tanmay Girish Kulkarni, Jonathan Francis, Eric Nyberg

机构 * Carnegie Mellon University（卡内基梅隆大学） 纠错

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

A Real-Time Diminished Reality Approach to Privacy in MR Collaboration

Christian Fane

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

Comments 50 pages, 12 figures | Demo video: https://youtu.be/udBxj35GEKI?t=499 | Code: https://github.com/c1h1r1i1s1 (multiple repositories)

Dynamic Motion Blending for Versatile Motion Editing

Nan Jiang, Hongjie Li, Ziye Yuan, Zimo He, Yixin Chen, Tengyu Liu, Yixin Zhu, Siyuan Huang

机构 * Institute for AI, Peking University（人工智能研究院，北京大学） ； State Key Laboratory of General Artificial Intelligence, BIGAI（通用人工智能国家重点实验室，BIGAI） ； Yuanpei College, Peking University（元培学院，北京大学） 纠错

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

Semantic Watermarking Reinvented: Enhancing Robustness and Generation Quality with Fourier Integrity

Sung Ju Lee, Nam Ik Cho

机构 * Dept. of ECE & INMC, Seoul National University, Korea（电子工程系及智能纳米材料中心，首尔国立大学） 纠错

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

Comments Accepted to the IEEE/CVF International Conference on Computer Vision (ICCV) 2025. Project page: https://thomas11809.github.io/SFWMark/ Code: https://github.com/thomas11809/SFWMark

AURAD: Anatomy-Pathology Unified Radiology Synthesis with Progressive Representations

Shuhan Ding, Jingjing Fu, Yu Gu, Naiteek Sangani, Mu Wei, Paul Vozila, Nan Liu, Jiang Bian, Hoifung Poon

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

Disentangled Clothed Avatar Generation with Layered Representation

Weitian Zhang, Yichao Yan, Sijing Wu, Manwen Liao, Xiaokang Yang

机构 * MoE Key Lab of Artificial Intelligence, AI Institute, Shanghai Jiao Tong University（人工智能教育部重点实验室、人工智能研究院、上海交通大学） ； The University of Hong Kong（香港大学） 纠错

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

Comments ICCV 2025 highlight, project page: https://olivia23333.github.io/LayerAvatar/

Enhanced Generative Data Augmentation for Semantic Segmentation via Stronger Guidance

Quang-Huy Che, Duc-Tri Le, Bich-Nga Pham, Duc-Khai Lam, Vinh-Tiep Nguyen

机构 * University of Information Technology（信息技术大学） ； Vietnam National University（越南国家大学） 纠错

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

Comments Published in ICPRAM 2025, ISBN 978-989-758-730-6, ISSN 2184-4313

Journal ref Proceedings of the 14th International Conference on Pattern Recognition Applications and Methods - ICPRAM (2025) 251-262