图像生成

Aggregating Diverse Cue Experts for AI-Generated Image Detection

聚合多样化线索专家用于AI生成图像检测

Lei Tan, Shuwei Li, Mohan Kankanhalli, Robby T. Tan

专题命中 文生图 ：image synthesis(abstract)；分类 cs.CV

AI总结 本文提出MCAN框架，通过整合多种互补线索提升AI生成图像检测的泛化能力，实验显示在GenImage数据集上性能优于现有方法。

Comments Accepted by AAAI 2026

Boosting Overlapping Organoid Instance Segmentation Using Pseudo-Label Unmixing and Synthesis-Assisted Learning

通过伪标签解混和合成辅助学习提升重叠类器官实例分割

Gui Huang, Kangyuan Zheng, Xuan Cai, Jiaqi Wang, Jianjia Zhang, Kaida Ning, Wenbo Wei, Yujuan Zhu, Jiong Zhang, Mengting Liu

机构 * School of Biomedical Engineering, Sun Yat-sen University（中山大学生物医学工程学院） ； Peng Cheng Laboratory（鹏城实验室） ； The First Affiliated Hospital of Shenzhen University, Shenzhen Second People's Hospital（深圳大学第一附属医院、深圳第二人民医院） ； The Research Center of Clinical Medicine, Affiliated Hospital of Nantong University, Medical School of Nantong University（临床医学研究中心、南通大学附属医院、南通大学医学院） ； Cixi Institute of Biomedical Engineering, Ningbo Institute of Materials Technology and Engineering, Chinese Academy of Sciences（慈溪生物医学工程研究所、宁波材料技术与工程研究所、中国科学院） 纠错

专题命中 文生图 ：image synthesis(abstract)；分类 cs.CV

AI总结 本文提出通过伪标签解混和合成辅助学习提升类器官实例分割，解决重叠问题，实现高效率的标注数据利用。

Multi-task Cross-modal Learning for Chest X-ray Image Retrieval

多任务跨模态学习用于胸部X射线图像检索

Zhaohui Liang, Sivaramakrishnan Rajaraman, Niccolo Marini, Zhiyun Xue, Sameer Antani

专题命中 文生图 ：text-to-image(abstract)；分类 cs.CV

AI总结 本文提出多任务学习框架，通过改进BiomedCLIP模型，提升胸部X射线图像与文本的跨模态检索性能。

UniCorn: Towards Self-Improving Unified Multimodal Models through Self-Generated Supervision

UniCorn：通过自生成监督实现自我改进的统一多模态模型

Ruiyan Han, Zhen Fang, XinYu Sun, Yuchen Ma, Ziheng Wang, Yu Zeng, Zehui Chen, Lin Chen, Wenxuan Huang, Wei-Jie Xu, Yi Cao, Feng Zhao

机构 * MoE Key Lab of BIPC, USTC（脑智能基础与应用联合实验室，中国科学技术大学） ； FDU（复旦大学） ； ECNU（华东师范大学） ； CUHK（香港中文大学） ； NJU（南京大学） ； SUDA（上海大学） 纠错

专题命中 文生图 ：image generation(abstract)；分类 cs.CV

AI总结 UniCorn通过自生成监督实现统一多模态模型的自我改进，提升多模态生成质量与理解能力。

CoFi-Dec: Hallucination-Resistant Decoding via Coarse-to-Fine Generative Feedback in Large Vision-Language Models

CoFi-Dec：通过粗到细的生成反馈在大视觉-语言模型中实现抗幻觉解码

Zongsheng Cao, Yangfan He, Anran Liu, Jun Xie, Feng Chen, Zepeng Wang

机构 * Researcher（研究者） 纠错

专题命中 文生图 ：text-to-image(abstract)；分类 cs.CV

AI总结 CoFi-Dec通过粗到细的生成反馈机制，在大视觉-语言模型中减少幻觉，提升解码的鲁棒性和准确性。

Investigation of the Impact of Synthetic Training Data in the Industrial Application of Terminal Strip Object Detection

终端条目目标检测在工业应用中的合成训练数据影响研究

Nico Baumgart, Markus Lange-Hegermann, Mike Mücke

专题命中 文生图 ：image synthesis(abstract)；分类 cs.CV

AI总结 本文研究了终端条目目标检测中合成训练数据的影响，通过合成图像与真实数据结合，验证了DINO模型在复杂工业环境中的高效检测性能。

VA-$π$: Variational Policy Alignment for Pixel-Aware Autoregressive Generation

VA-$π$: 变分策略对齐用于像素感知自回归生成

Xinyao Liao, Qiyuan He, Kai Xu, Xiaoye Qu, Yicong Li, Wei Wei, Angela Yao

机构 * Huazhong University of Science & Technology（华中科技大学） ； National University of Singapore（新加坡国立大学） 纠错

专题命中 文生图 ：text-to-image(abstract)；分类 cs.CV

AI总结 VA-$π$通过变分优化和像素空间目标提升自回归生成的质量和多样性。

Comments 21 pages, 24 figures

RMLer: Synthesizing Novel Objects across Diverse Categories via Reinforcement Mixing Learning

RMLer: 通过强化混合学习跨多样类别合成新物体

Jun Li, Zikun Chen, Haibo Chen, Shuo Chen, Jian Yang

专题命中 文生图 ：text-to-image(abstract)；分类 cs.CV

AI总结 RMLer通过强化混合学习框架，有效解决跨类别文本到图像生成中的概念混合问题，提升合成物体的连贯性和保真度。

Comments accepted by AAAI2026

Instance-Level Composed Image Retrieval

实例级组合图像检索

Bill Psomas, George Retsinas, Nikos Efthymiadis, Panagiotis Filntisis, Yannis Avrithis, Petros Maragos, Ondrej Chum, Giorgos Tolias

专题命中 文生图 ：text-to-image(abstract)；分类 cs.CV

AI总结 BASIC通过无训练方法利用预训练视觉-语言模型，在实例级组合图像检索中实现了新的状态。

Comments NeurIPS 2025

End-to-End Fine-Tuning of 3D Texture Generation using Differentiable Rewards

使用可微奖励对3D纹理生成进行端到端微调

AmirHossein Zamani, Tianhao Xie, Amir G. Aghdam, Tiberiu Popa, Eugene Belilovsky

机构 * Mila – Quebec AI Institute（魁北克AI研究所） ； Concordia University（康科迪亚大学） 纠错

专题命中 文生图 ：text-to-image(abstract)；分类 cs.CV

AI总结 本文提出了一种端到端的可微框架，通过可微奖励函数优化3D纹理生成，提升对3D结构的理解和生成质量。

CoCoIns: Consistent Subject Generation via Contrastive Instantiated Concepts

CoCoIns: 通过对比实例概念实现一致主体生成

Lee Hsin-Ying, Kelvin C. K. Chan, Ming-Hsuan Yang

机构 * University of California, Merced（加州大学默塞德分校） ； Google DeepMind（谷歌DeepMind） 纠错

专题命中 文生图 ：text-to-image(abstract)；分类 cs.CV

AI总结 CoCoIns通过对比学习实现一致主体生成，提升多生成内容的一致性与灵活性。

Comments TMLR 2025. Project page: https://contrastive-concept-instantiation.github.io

SYNTHIA: Novel Concept Design with Affordance Composition

SYNTHIA：基于功能连贯性的新型概念设计

Hyeonjeong Ha, Xiaomeng Jin, Jeonghwan Kim, Jiateng Liu, Zhenhailong Wang, Khanh Duy Nguyen, Ansel Blume, Nanyun Peng, Kai-Wei Chang, Heng Ji

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； University of California Los Angeles（加州大学洛杉矶分校） 纠错

专题命中 文生图 ：text-to-image(abstract)；分类 cs.CV

AI总结 SYNTHIA通过分层概念本体和课程学习方案，实现基于功能连贯性的新颖设计生成。

Comments ACL 2025 Main, Code is available https://github.com/HyeonjeongHa/SYNTHIA

Rethinking Prompt Design for Inference-time Scaling in Text-to-Visual Generation

重新思考推理时的提示设计以实现文本到视觉生成的扩展

Subin Kim, Sangwoo Mo, Mamshad Nayeem Rizve, Yiran Xu, Difan Liu, Jinwoo Shin, Tobias Hinz

专题命中 文生图 ：text-to-image(abstract)；分类 cs.CV

AI总结 PRIS通过自适应修改提示以实现文本到视觉生成的推理时扩展，提高生成质量并解决提示固定导致的质量停滞问题。

Comments Visualizations are available at the website: https://subin-kim-cv.github.io/PRIS

Visual Puns from Idioms: An Iterative LLM-T2IM-MLLM Framework

基于成语的视觉双关：一个迭代的LLM-T2IM-MLLM框架

Kelaiti Xiao, Liang Yang, Dongyu Zhang, Paerhati Tulajiang, Hongfei Lin

机构 * Dalian University of Technology（大连理工大学） ； Xinjiang Normal University（新疆师范大学） 纠错

专题命中 文生图 ：text-to-image(abstract)；分类 cs.CV

AI总结 本文提出一个迭代框架，结合LLM、T2IM和MLLM，实现基于成语的视觉双关的自动生成与评估，实验表明MLLM选择对性能影响最大。

Comments Submitted to ICASSP 2026 (under review)

IntrinsiX: High-Quality PBR Generation using Image Priors

IntrinsiX: 基于图像先验的高质量PBR生成

Peter Kocsis, Lukas Höllein, Matthias Nießner

机构 * Technical University of Munich（慕尼黑技术大学） 纠错

专题命中 文生图 ：text-to-image(abstract)；分类 cs.CV

AI总结 IntrinsiX通过图像先验生成高质量PBR图像，提升内容创作中的重新照明和纹理生成能力。

Comments Project page: https://peter-kocsis.github.io/IntrinsiX/ Video: https://youtu.be/b0wVA44R93Y

Hierarchical Prompt Learning for Image- and Text-Based Person Re-Identification

Linhan Zhou, Shuang Li, Neng Dong, Yonghang Tai, Yafei Zhang, Huafeng Li

专题命中 文生图 ：text-to-image(abstract)；分类 cs.CV

Comments 9 pages, 4 figures, accepted by AAAI 2026

SpaceVLM: Sub-Space Modeling of Negation in Vision-Language Models

Sepehr Kazemi Ranjbar, Kumail Alhamoud, Marzyeh Ghassemi

机构 * MIT（麻省理工学院） 纠错

专题命中 文生图 ：text-to-image(abstract)；分类 cs.CV

What's Producible May Not Be Reachable: Measuring the Steerability of Generative Models

Keyon Vafa, Sarah Bentley, Jon Kleinberg, Sendhil Mullainathan

机构 * Harvard University（哈佛大学） ； MIT（麻省理工学院） ； Cornell University（康奈尔大学） 纠错

专题命中 文生图 ：text-to-image(abstract)；分类 cs.CV

Bridging Generative and Discriminative Noisy-Label Learning via Direction-Agnostic EM Formulation

Fengbei Liu, Chong Wang, Yuanhong Chen, Yuyuan Liu, Gustavo Carneiro

机构 * Cornell Tech（康奈尔科技） ； Cornell University（康奈尔大学） ； Department of Radiology, Stanford University（斯坦福大学放射科） ； Oxford University（牛津大学） ； Centre for Vision, Speech and Signal Processing (CVSSP), University of Surrey（视觉、语音和信号处理中心（CVSSP）、塞维利亚大学） 纠错

专题命中 文生图 ：image synthesis(abstract)；分类 cs.CV

SonarSplat: Novel View Synthesis of Imaging Sonar via Gaussian Splatting

Advaith V. Sethuraman, Max Rucker, Onur Bagoren, Pou-Chun Kung, Nibarkavi N. B. Amutha, Katherine A. Skinner

机构 * Department of Robotics, University of Michigan（机器人学系，密歇根大学） 纠错

专题命中 文生图 ：image synthesis(abstract)；分类 cs.CV

ROVER: Benchmarking Reciprocal Cross-Modal Reasoning for Omnimodal Generation

Yongyuan Liang, Wei Chow, Feng Li, Ziqiao Ma, Xiyao Wang, Jiageng Mao, Jiuhai Chen, Jiatao Gu, Yue Wang, Furong Huang

机构 * University of Maryland, College Park（马里兰大学学院公园分校） ； University of Pennsylvania（宾夕法尼亚大学） ； The Hong Kong University of Science and Technology（香港科学与技术大学） ； University of Michigan（密歇根大学） ； University of Southern California（南加州大学） 纠错

专题命中 文生图 ：image synthesis(abstract)；分类 cs.CV

Comments Project Page: https://roverbench.github.io/

Training-free Source Attribution of AI-generated Images via Resynthesis

Pietro Bongini, Valentina Molinari, Andrea Costanzo, Benedetta Tondi, Mauro Barni

机构 * University of Siena, Department of Information Engineering and Mathematics（锡耶纳大学信息工程与数学系） ； IMT School（IMT学院） 纠错

专题命中 文生图 ：text-to-image(abstract)；分类 cs.CV

Comments 14 pages, 4 figures, 1 table, accepted at "The 17th IEEE INTERNATIONAL WORKSHOP ON INFORMATION FORENSICS AND SECURITY (WIFS2025)", Perth, Australia

Synthesize Privacy-Preserving High-Resolution Images via Private Textual Intermediaries

Haoxiang Wang, Zinan Lin, Da Yu, Huishuai Zhang

机构 * Peking University（北京大学） ； Microsoft Research（微软研究院） ； Google Research（谷歌研究院） ； Wangxuan Institute of Computer Technology, Peking University（计算机技术研究院，北京大学） ； State Key Laboratory of General Artificial Intelligence（通用人工智能国家重点实验室） 纠错

专题命中 文生图 ：image synthesis(abstract)；分类 cs.CV

RealCustom++: Representing Images as Real Textual Word for Real-Time Customization

Zhendong Mao, Mengqi Huang, Fei Ding, Mingcong Liu, Qian He, Yongdong Zhang

机构 * University of Science and Technology of China（中国科学技术大学） ； ByteDance Inc（字节跳动公司） 纠错

专题命中 文生图 ：text-to-image(abstract)；分类 cs.CV

Comments 18 pages

Journal ref IEEE Transactions on Pattern Analysis and Machine Intelligence (2025)

Vision Transformers Don't Need Trained Registers

Nick Jiang, Amil Dravid, Alexei Efros, Yossi Gandelsman

机构 * UC Berkeley（伯克利大学） 纠错

专题命中 文生图 ：text-to-image(abstract)；分类 cs.CV

Comments Project page and code: https://avdravid.github.io/test-time-registers. Accepted to NeurIPS '25 (spotlight)

Better Tokens for Better 3D: Advancing Vision-Language Modeling in 3D Medical Imaging

Ibrahim Ethem Hamamci, Sezgin Er, Suprosanna Shit, Hadrien Reynaud, Dong Yang, Pengfei Guo, Marc Edgar, Daguang Xu, Bernhard Kainz, Bjoern Menze

机构 * University of Zurich（苏黎世大学） ； NVIDIA ； Imperial College London（伦敦帝国理工学院） ； FAU Erlangen-Nürnberg（埃尔朗根-纽伦堡大学） 纠错

专题命中 文生图 ：image synthesis(abstract)；分类 cs.CV

Comments NeurIPS 2025

ELIP: Enhanced Visual-Language Foundation Models for Image Retrieval

Guanqi Zhan, Yuanpei Liu, Kai Han, Weidi Xie, Andrew Zisserman

机构 * VGG, University of Oxford（牛津大学视觉几何组） ； The University of Hong Kong（香港大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

专题命中 文生图 ：text-to-image(abstract)；分类 cs.CV

Comments Accepted by CBMI 2025 (IEEE International Conference on Content-Based Multimedia Indexing)

The Face of Persuasion: Analyzing Bias and Generating Culture-Aware Ads

Aysan Aghazadeh, Adriana Kovashka

机构 * University of Pittsburgh（匹兹堡大学） 纠错

专题命中 文生图 ：text-to-image(abstract)；分类 cs.CV

KonfAI: A Modular and Fully Configurable Framework for Deep Learning in Medical Imaging

Valentin Boussot, Jean-Louis Dillenseger

机构 * INSERM, LTSI - UMR 1099 University of Rennes（法国里昂大学INSERM LTSI - UMR 1099） 纠错

专题命中 文生图 ：image synthesis(abstract)；分类 cs.CV

Comments https://github.com/vboussot/KonfAI

AngularFuse: A Closer Look at Angle-based Perception for Spatial-Sensitive Multi-Modality Image Fusion

Xiaopeng Liu, Yupei Lin, Sen Zhang, Xiao Wang, Yukai Shi, Liang Lin

机构 * School of Information Engineering, Guangdong University of Technology（广东技术大学信息工程学院） ； TikTok, ByteDance Inc（字节跳动） ； School of Computer Science, Anhui University（安徽大学计算机科学学院） ； School of Computer Science and Engineering, Sun Yat-sen University（中山大学计算机科学与工程学院） 纠错

专题命中 文生图 ：image synthesis(abstract)；分类 cs.CV

Comments For the first time, angle-based perception was introduced into the multi-modality image fusion task