图像生成

EX-4D: EXtreme Viewpoint 4D Video Synthesis via Depth Watertight Mesh

Tao Hu, Haoyang Peng, Xiao Liu, Yuewen Ma

机构 * Pico, Bytedance（字节跳动） 纠错

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

DSG-World: Learning a 3D Gaussian World Model from Dual State Videos

Wenhao Hu, Xuexiang Wen, Xi Li, Gaoang Wang

机构 * College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； ZJU-UIUC Institute, Zhejiang University（浙江大学-伊利诺伊大学联合研究所） 纠错

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

Perfecting Depth: Uncertainty-Aware Enhancement of Metric Depth

Jinyoung Jun, Lei Chu, Jiahao Li, Yan Lu, Chang-Su Kim

机构 * Korea University（韩国大学） ； Microsoft Research Asia（微软亚洲研究院） 纠错

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

SmartAvatar: Text- and Image-Guided Human Avatar Generation with VLM AI Agents

Alexander Huang-Menders, Xinhang Liu, Andy Xu, Yuyao Zhang, Chi-Keung Tang, Yu-Wing Tai

机构 * The Hong Kong University of Science and Technology（香港科技大学） ； Dartmouth College（达特茅斯学院） 纠错

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

Comments 16 pages

Bayesian SegNet for Semantic Segmentation with Improved Interpretation of Microstructural Evolution During Irradiation of Materials

Marjolein Oostrom, Alex Hagen, Nicole LaHaye, Karl Pazdernik

机构 * Pacific Northwest National Laboratory（太平洋西北国家实验室） ； North Carolina State University（北卡罗来纳州立大学） 纠错

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

Multimodal Generative AI with Autoregressive LLMs for Human Motion Understanding and Generation: A Way Forward

Muhammad Islam, Tao Huang, Euijoon Ahn, Usman Naseem

机构 * College of Science and Engineering（科学与工程学院） ； James Cook University（詹姆斯库克大学） ； School of Computing（计算学院） 纠错

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

LayoutRAG: Retrieval-Augmented Model for Content-agnostic Conditional Layout Generation

Yuxuan Wu, Le Wang, Sanping Zhou, Mengnan Liu, Gang Hua, Haoxiang Li

机构 * Xi’an Jiaotong University（西安交通大学） ； Amazon.com, Inc.（亚马逊公司） ； Pixocial Technology（Pixocial技术） 纠错

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

Comments 12 pages, 5 figures

HunyuanVideo-Avatar: High-Fidelity Audio-Driven Human Animation for Multiple Characters

Yi Chen, Sen Liang, Zixiang Zhou, Ziyao Huang, Yifeng Ma, Junshu Tang, Qin Lin, Yuan Zhou, Qinglin Lu

机构 * Tencent（腾讯） 纠错

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

Video Motion Graphs

Haiyang Liu, Zhan Xu, Fa-Ting Hong, Hsin-Ping Huang, Yi Zhou, Yang Zhou

机构 * The University of Tokyo（东京大学） ； Adobe Research（Adobe研究） 纠错

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

Comments 14 pages,10 figures

Controllable Satellite-to-Street-View Synthesis with Precise Pose Alignment and Zero-Shot Environmental Control

Xianghui Ze, Zhenbo Song, Qiwei Wang, Jianfeng Lu, Yujiao Shi

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

Self-supervised ControlNet with Spatio-Temporal Mamba for Real-world Video Super-resolution

Shijun Shi, Jing Xu, Lijing Lu, Zhihang Li, Kai Hu

机构 * Jiangnan University（江南大学） ； University of Science and Technology of China（中国科学技术大学） ； Peking University（北京大学） ； Chinese Academy of Sciences（中国科学院） 纠错

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

Comments 11 pages, 10 figures, accepted by CVPR 2025

MotionPersona: Characteristics-aware Locomotion Control

Mingyi Shi, Wei Liu, Jidong Mei, Wangpok Tse, Rui Chen, Xuelin Chen, Taku Komura

机构 * The University of Hong Kong（香港大学） ； Shandong University（山东大学） ； Hong Kong University of Science and Technology（香港科技大学） ； Adobe Research 纠错

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

Comments 15 pages, 13 figures, webpage: https://motionpersona25.github.io/

GPT4Point: A Unified Framework for Point-Language Understanding and Generation

Zhangyang Qi, Ye Fang, Zeyi Sun, Xiaoyang Wu, Tong Wu, Jiaqi Wang, Dahua Lin, Hengshuang Zhao

机构 * The University of Hong Kong（香港大学） ； Fudan University（复旦大学） ； Shanghai Jiao Tong University（上海交通大学） ； The Chinese University of Hong Kong（香港中文大学） ； Shanghai AI Laboratory（上海人工智能实验室） 纠错

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

VITON-DRR: Details Retention Virtual Try-on via Non-rigid Registration

Ben Li, Minqi Li, Jie Ren, Kaibing Zhang

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

Comments 31 pages, 12 figures, Accepted by Computers & Graphics

Fooling the Watchers: Breaking AIGC Detectors via Semantic Prompt Attacks

Run Hao, Peng Ying

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

Comments 9 pages

VideoAnydoor: High-fidelity Video Object Insertion with Precise Motion Control

Yuanpeng Tu, Hao Luo, Xi Chen, Sihui Ji, Xiang Bai, Hengshuang Zhao

机构 * The University of Hong Kong（香港大学） ； DAMO Academy, Alibaba Group（阿里云达摩院） ； Hupan Lab（虎斑实验室） ； HUST（华中科技大学） 纠错

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

Comments Accepted by SIGGRAPH2025 Project page: https://videoanydoor.github.io/

Exploring Timeline Control for Facial Motion Generation

Yifeng Ma, Jinwei Qi, Chaonan Ji, Peng Zhang, Bang Zhang, Zhidong Deng, Liefeng Bo

机构 * Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系） ； Tongyi Lab, Alibaba Group（阿里云实验室） 纠错

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

Comments Accepted by CVPR 2025, Project Page: https://humanaigc.github.io/facial-motion-timeline-control/

Spatial RoboGrasp: Generalized Robotic Grasping Control Policy

Yiqi Huang, Travis Davies, Jiahuan Yan, Jiankai Sun, Xiang Chen, Luhui Hu

机构 * Stanford University（斯坦福大学） ； Peking University（北京大学） ； ZhiCheng AI（智城AI） 纠错

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

SPF-Portrait: Towards Pure Text-to-Portrait Customization with Semantic Pollution-Free Fine-Tuning

Xiaole Xian, Zhichao Liao, Qingyu Li, Wenyu Qin, Pengfei Wan, Weicheng Xie, Long Zeng, Linlin Shen, Pingfa Feng

机构 * Shenzhen University（深圳大学） ； Tsinghua University（清华大学） ； Kuaishou Technology（快手科技） 纠错

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

What You Perceive Is What You Conceive: A Cognition-Inspired Framework for Open Vocabulary Image Segmentation

Jianghang Lin, Yue Hu, Jiangtao Shen, Yunhang Shen, Liujuan Cao, Shengchuan Zhang, Rongrong Ji

机构 * Key Laboratory of Multimedia Trusted Perception and Efficient Computing, Ministry of Education of China, Xiamen University, China（中国教育部多媒体可信感知与高效计算重点实验室，厦门大学） ； Tencent Youtu Lab（腾讯优图实验室） 纠错

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

DriveX: Omni Scene Modeling for Learning Generalizable World Knowledge in Autonomous Driving

Chen Shi, Shaoshuai Shi, Kehua Sheng, Bo Zhang, Li Jiang

机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Voyager Research, Didi Chuxing（Voyager Research，滴滴出行） 纠错

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

ProphetDWM: A Driving World Model for Rolling Out Future Actions and Videos

Xiaodong Wang, Peixi Peng

机构 * Peking University（北京大学） ； Peng Cheng Laboratory（鹏城实验室） 纠错

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

Comments 9 pages, 7 figures

Semantic-Space-Intervened Diffusive Alignment for Visual Classification

Zixuan Li, Lei Meng, Guoqing Chao, Wei Wu, Xiaoshuo Yan, Yimeng Yang, Zhuang Qi, Xiangxu Meng

机构 * School of Software, Shandong University（软件学院，山东大学） ； School of Computer Science and Technology, Harbin Institute of Technology（计算机科学与技术学院，哈尔滨工业大学） 纠错

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

Beyond One-Hot Labels: Semantic Mixing for Model Calibration

Haoyang Luo, Linwei Tao, Minjing Dong, Chang Xu

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

Comments Accepted by ICML 2025

Repurposing Marigold for Zero-Shot Metric Depth Estimation via Defocus Blur Cues

Chinmay Talegaonkar, Nikhil Gandudi Suresh, Zachary Novack, Yash Belhe, Priyanka Nagasamudra, Nicholas Antipa

机构 * University of California San Diego（加州大学圣地亚哥分校） 纠错

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

ExpertGen: Training-Free Expert Guidance for Controllable Text-to-Face Generation

Liang Shi, Yun Fu

机构 * Northeastern University（东北大学） 纠错

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

Always Clear Depth: Robust Monocular Depth Estimation under Adverse Weather

Kui Jiang, Jing Cao, Zhaocheng Yu, Junjun Jiang, Jingchun Zhou

机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Dalian Maritime University（大连海事大学） 纠错

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

This&That: Language-Gesture Controlled Video Generation for Robot Planning

Boyang Wang, Nikhil Sridhar, Chao Feng, Mark Van der Merwe, Adam Fishman, Nima Fazeli, Jeong Joon Park

机构 * University of Michigan（密歇根大学） ； University of Washington（华盛顿大学） 纠错

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

Depth Anything with Any Prior

Zehan Wang, Siyu Chen, Lihe Yang, Jialei Wang, Ziang Zhang, Hengshuang Zhao, Zhou Zhao

机构 * Zhejiang University（浙江大学） ； The University of Hong Kong（香港大学） 纠错

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

Comments Home page: https://prior-depth-anything.github.io/

Visual Fidelity Index for Generative Semantic Communications with Critical Information Embedding

Jianhao Huang, Qunsong Zeng, Kaibin Huang

机构 * Department of Electrical and Electronic Engineering, The University of Hong Kong（电子与电气工程系，香港大学） 纠错

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