图像生成

Tokenizer Generator Coupling in Medical Image Generation

医疗图像生成中的分词器-生成器耦合

Liam Chalcroft

机构 * University College London（伦敦大学学院） 纠错

专题命中 个性化与一致性 ：image generation(title)；分类 cs.CV

AI总结 该研究针对64×64低分辨率医疗图像，发现分词器与生成器的分离不合理，提出邻域条件预测增益指标，调优D3PM和SE-D3PM后FID-192大幅下降，验证了分词器-生成器耦合的重要性。

When does training on downscaled images yield the same gradients?

在降采样图像上进行训练何时能产生相同的梯度？

Seunghyun Ji

专题命中 个性化与一致性 ：image generation(abstract)；diffusion(abstract)；分类 cs.CV

AI总结 该研究探究降采样图像训练的梯度一致性，推导梯度变化的两个项，发现特定噪声窗口内降采样梯度与原生梯度接近，据此训练LoRA适配器可减少14.6%训练时间且性能接近原生。

FlowForm: Synergizing Fluid Physics with Topological Consistency for Satellite Flood Synthesis

FlowForm：融合流体物理与拓扑一致性的卫星洪水合成方法

Zhang Weihui, Wang Ruizhi, Xu Hongye, Wang Huiqiong, Sun Li, Song Mingli

专题命中 个性化与一致性 ：image generation(abstract)；diffusion(abstract)；分类 cs.CV

AI总结 FlowForm是融合流体物理与拓扑一致性的卫星洪水合成框架，通过FDM、TAA及FloodScape数据集，在洪水图像生成的视觉保真度、配对图像相似性等指标上优于现有方法。

MultiCompose: Multi-Concept Personalized Composition with Per-Subject Attribute Binding

MultiCompose：基于每个主体属性绑定的多概念个性化生成

Ruirui Zhang, Zhengkai Zhao, Pan Gao

专题命中 个性化与一致性 ：text-to-image(abstract)；diffusion(abstract)；分类 cs.CV

AI总结 MultiCompose是解耦多概念个性化与多主体推理的图像生成框架，通过语义保留正则化和两阶段推理解决主体身份退化与属性错位问题，引入的MSP-Bench可联合评估相关指标，性能优于现有方法。

CopyCat: Improving Fine-Grained Subject Consistency in Subject-to-Image Models within Seconds

CopyCat：在数秒内提升主体到图像模型中的细粒度主体一致性

Peng Zheng, Ruiqi Liu, Rui Ma, Zuxuan Wu

专题命中 个性化与一致性 ：image generation(abstract)；diffusion(abstract)；分类 cs.CV

AI总结 本研究提出轻量级模型精调框架CopyCat，通过附加FCLoRA在数秒内提升主体到图像模型的细粒度主体一致性，经DreamBench等实验验证，可适配多样未见过的主体与提示并取得持续效果。

LaP-Forensics: Latent-Pixel Consistency Guided Multimodal Reasoning for Deepfake Detection

LaP-Forensics：用于深度伪造检测的潜在像素一致性引导的多模态推理

Can Wang, Yuhao Wang, Yushe Cao, Canran Xiao, Fei Shen

机构 * The Hong Kong Polytechnic University（香港理工大学） ； University College London（伦敦大学学院） ； Tsinghua University（清华大学） ； Sun Yat-sen University（中山大学） ； National University of Singapore（新加坡国立大学） 纠错

专题命中 个性化与一致性 ：diffusion(abstract,abstract_cn)；分类 cs.CV

AI总结 研究针对深度伪造检测问题，提出LaP-Forensics多模态框架，利用基于重建的取证证据及结构化模型预测，经组相对策略优化，实现跨生成器检测和伪影定位，实验验证了残差流效用，但后处理下文本忠实性和可靠性有局限。

Comments Accepted at ACM Multimedia 2026 (ACM MM 2026)

Compressing Image Style Training into a Single Model Forward

将图像风格训练压缩为单次模型前向传播

Zhongjie Duan, Yingda Chen

机构 * ModelScope Team, Alibaba Group（阿里巴巴集团 ModelScope 团队） 纠错

专题命中 个性化与一致性 ：text-to-image(abstract)；diffusion(abstract)；分类 cs.CV

AI总结 提出i2L框架，通过单次前向传播预测LoRA权重，实现高效风格迁移，避免逐风格优化，在风格保真度、提示对齐和感知质量上超越现有基线。

Comments 11 pages, 9 figures

Neural Motion Blending Across Arbitrary Character Topologies

跨任意角色拓扑的神经运动混合

Luca Cazzola, Giulia Martinelli, Nicola Conci

机构 * University of Trento（特伦托大学） ； CNIT（意大利国家信息与电信研究所） 纠错

专题命中 个性化与一致性 ：diffusion(abstract)；分类 cs.CV、cs.GR

AI总结 研究针对角色动画运动混合，提出跨异构骨架的新框架，结合语义编码器与基于扩散的解码器，通过插值潜在表示实现混合运动，在Truebones Zoo数据集上训练评估，能在多样场景中实现平滑合理的运动混合。

Comments To appear in the proceedings of Computer Graphics International (CGI 2026). For references, please cite the official proceedings version. Paper website: https://mmlab-cv.github.io/neural_motion_blending/

Personalized Digital Semantic Communication for Image Transmission with Vision-Language Models

基于视觉语言模型的图像传输个性化数字语义通信

Nan Li, Li Zhou, Haijun Wang, Jun Xiong, Haitao Zhao, Jibo Wei

专题命中 个性化与一致性 ：diffusion(abstract)；分类 cs.MM

AI总结 针对现有语义通信方案忽略接收端依赖语义的问题，提出整合VLM与LDM的PDSC框架，构建容量受限的个性化语义率失真问题，实验证实其在带宽受限场景下的源语义一致性与个性化表现优于CDDM、MoS等基线。

Comments Accepted by IEEE GLOBECOM 2026

CRAFT: Constrained Reward via Attention Fine-Tuning for Subject Personalization without Composed Targets

CRAFT：无需组合目标的主题个性化的注意力微调约束奖励

Jihun Park, Kyoungmin Lee, Jongmin Gim, Hyeonseo Jo, Jaeyeul Kim, Han Zou, Zhenpeng Zhan, Yan Zhang, Sunghoon Im

机构 * DGIST（大邱科技研究院） ； Baidu, Inc.（百度公司） ； KAIST（韩国科学技术院） 纠错

专题命中 个性化与一致性 ：diffusion(abstract)；分类 cs.CV

AI总结 本文提出无需组合目标监督的CRAFT框架，通过LoRA适配器微调参考感知MMDiT，仅用1万张参考样本，在XVerseBench上实现图像主题个性化的最先进性能，且可迁移至其他骨干网络。

Comments 20 pages, 8 figures, ACM SIGGRAPH Asia 2026

StyleComposer: Training-Free Multi-Reference Style Composition

StyleComposer：无需训练的多参考风格合成

Sanghyeok Lee, Jihye Kang, Namhyuk Ahn

专题命中 个性化与一致性 ：diffusion(abstract)；分类 cs.CV

AI总结 针对现有参考引导风格方法无法控制各属性来源与强度的问题，提出无需训练的StyleComposer，通过将各风格属性路由至最佳表示并协调去噪时间，实现更贴合多参考与提示的风格合成，且支持各属性强度调节。

Grounding and Explaining Visual Evidence for AI-Generated Image Detection in Human-Centric Scenes

面向以人为中心场景中AI生成图像检测的视觉证据定位与解释

Kun Guo, Yuzhou Yang, Haoyue Wang, Qichao Ying, Sheng Li, Zhenxing Qian

专题命中 个性化与一致性 ：image generation(abstract)；分类 cs.CV

AI总结 针对以人为中心场景AI生成图像检测的证据定位与解释局限，提出HAVE数据集及PAVE框架，实现真伪预测、证据定位与解释生成，实验表现优异。

Bunraku: Turning a Single Illustration into an Editable Live2D Character

Bunraku：将单张插图转换为可编辑的Live2D角色

Junhao Chen, Jingjia Mao, Dayong Li, Chenghai Li, Saining Zhang, Zhihao Li, Hao Zhao, Yufei Wang, Ruqi Huang

机构 * Tsinghua University（清华大学） ； Nanyang Technological University（南洋理工大学） ； SparcAI Inc.（SparcAI公司） 纠错

专题命中 个性化与一致性 ：diffusion(abstract)；分类 cs.CV

AI总结 本文提出Bunraku系统，可从单张插图端到端生成可编辑Live2D角色，构建分层扩散与联合位移预测方法，发布首个相关基准Live2D-Bench及8884模型语料库，解决了Live2D模型手动构建效率低的问题。

Comments Project page: https://bunraku-live2d.github.io/

MoSAIC: Aligned Intervention Supervision for Part-Local Motion Style Transfer

MoSAIC：用于局部部位动作迁移的对齐干预监督

Nazanin Amini, Kevin Desai

机构 * The University of Texas at San Antonio（德克萨斯大学圣安东尼奥分校） 纠错

专题命中 个性化与一致性 ：diffusion(abstract)；分类 cs.CV

AI总结 MoSAIC是一种局部部位参考条件动作风格迁移的潜在扩散框架，通过对齐干预监督优化响应与保留的权衡，在评估中降低了误差并提升了选中区域响应与路由影响浓度。

Comments 23 pages, 6 figures, 11 tables. Project page: https://utsa-virlab.github.io/MoSAIC/

Adversarial Deepfake Generation and an Investigation of Purification-Based Adversarial Detection

对抗性深度伪造生成与基于净化的对抗性检测研究

Junghyun Kim, Seunghyun Kim, Jiyoung Woo

机构 * Soonchunhyang University（顺天乡大学） 纠错

专题命中 个性化与一致性 ：image generation(abstract)；分类 cs.CV

AI总结 该研究参与ImageCLEF 2026深度伪造检测与生成任务，图像生成采用FLUX.1-dev等方法，检测用SigLIP+DINOv2等组合。还自主研究基于净化的对抗性检测，发现特定信号可有效区分对抗与干净输入，反驳相关假设并揭示质量悬崖。

Comments Accepted at CLEF 2026, ImageCLEF-Deepfake task. Published in CEUR-WS CLEF 2026 Working Notes

Oxygen-TryOn: Fashion-Native Foundation Model for Any-item Virtual Try-On

Oxygen-TryOn：用于任意物品虚拟试穿的时尚原生基础模型

Yong Liu, Xiaolong Fu, Zihang Xu, Wen Xue, Xueheng Li, Lin Song, Yuan Zhang, Chuyang Zhao, Haoyang Huang, Nan Duan, Yipeng Sun, Yan Li, Simiu Gu

机构 * Oxygen AIGC Group（氧气AIGC集团） ； Joy Future Academy（京东探索研究院） 纠错

专题命中 个性化与一致性 ：inpainting(abstract)；分类 cs.CV

AI总结 研究提出时尚原生的Oxygen-TryOn基础模型，用于任意物品虚拟试穿。通过专用数据引擎和特定训练构建，重新定义试穿任务，设计三阶段训练方法，在单物品和多物品试穿中取得先进成果，超越多个系统。

Adaptive Identity Anchoring: Closed-Loop Keyframe Placement for Synthetic Paired Supervision in Video Face Swapping

自适应身份锚定：用于视频人脸交换中合成配对监督的闭环关键帧放置

Logan Robbins

专题命中 个性化与一致性 ：diffusion(abstract)；分类 cs.CV

AI总结 研究视频人脸交换缺乏自然配对监督问题，提出自适应身份锚定（AIA）方法，通过闭环反馈放置锚定并结合现实参考纹理恢复，还给出可证伪实验，有望解决合成身份漂移及过度平滑皮肤问题。

GroupVideo: Multi-Identity Customized Text-to-Video Generation

GroupVideo：多身份定制文本到视频生成

Xinyang Song, Libin Wang, Jianxin Sun, Qi Li, Dandan Zheng, JingDong Chen, Zhenan Sun

机构 * University of Chinese Academy of Sciences（中国科学院大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Ant Group（蚂蚁集团） 纠错

专题命中 个性化与一致性 ：diffusion(abstract)；分类 cs.CV

AI总结 研究多身份定制文本到视频生成问题，提出GroupVideo框架，融合多模态身份对齐及相关模块，构建高质量数据集，在生成多角色视频时能保持身份一致且动作自然，优于现有方法。

ETPDesigner: Multi-Agent Orchestration for Interactive Multimodal Electronic Theater Program

ETPDesigner：用于交互式多模态电子剧院节目的多智能体编排

Mengtian Li, Xinru Guo, Xiaoru Lin, Xiao Rong, Zhifeng Xie, Chaofeng Chen

机构 * Shanghai University（上海大学） ； Shanghai Engineering Research Center of Motion Picture Special Effects（上海电影特效工程技术研究中心） ； Institute for Math and AI, Wuhan School of Artificial Intelligence, Wuhan University（武汉大学数学与人工智能研究院武汉人工智能学院） 纠错

专题命中 个性化与一致性 ：text-to-image(abstract)；分类 cs.CV

AI总结 研究针对电子剧院节目设计难题，提出ETPDesigner多智能体框架，能从戏剧脚本合成高质量ETP，通过全局风格锚定机制保证一致性，还实现交互功能，经ETP-Pro基准测试验证了方法在多方面的优越性。

Between Safe Boundaries: Exploiting Temporal Consistency for Jailbreaking Text-To-Video Generation Models

在安全边界之间：利用时间一致性破解文本到视频生成模型

Xingkai Peng, Jun Jiang, Jiayang Liu, Kejiang Chen, Weiming Zhang

机构 * University of Science and Technology of China（科学技术大学） 纠错

专题命中 个性化与一致性 ：text-to-image(abstract)；分类 cs.MM

AI总结 研究针对文本到视频模型的越狱攻击，提出结构化查询高效的BSB框架，利用时间一致性，通过在文本代理空间进行蒙特卡洛树搜索并结合视频级评估来校准结果，实验表明该方法超越现有基线，有效发现模型漏洞。

The generator is the tracker: Multi-object tracking by painting persistent identity colours

生成器即跟踪器：通过绘制持久身份颜色进行多目标跟踪

Haiyu Yang, Miel Hostens

机构 * Cornell University（康奈尔大学） 纠错

专题命中 个性化与一致性 ：diffusion(abstract)；分类 cs.CV

AI总结 研究多目标跟踪问题，核心方法是用轻量级LoRA微调文本到视频扩散模型生成带持久身份颜色的视频，无需传统跟踪组件。主要贡献是在DanceTrack测试服务器上达到40.3 HOTA，有独特错误分布，颜色分配可在遮挡后重新识别身份。

What Would You Click? Personalized Video Thumbnail Generation with Preference-aware Highlight Retrieval

你会点击什么？基于偏好感知高光检索的个性化视频缩略图生成

Zhiyu He, Zecheng Zhao, Tong Chen, Zi Huang, Yiqun Liu, Min Zhang

专题命中 个性化与一致性 ：diffusion(abstract)；分类 cs.MM

AI总结 研究针对视频平台个性化视频缩略图生成问题，提出两阶段框架，先通过偏好感知检索选取视觉锚点，再经VLM引导的扩散管道生成缩略图，实验和用户研究证明该方法性能优且能提升用户参与度。

WanToFight: Real-Time Generative Game Engine for Multi-Player Combat Interaction

WanToFight：用于多人战斗交互的实时生成游戏引擎

Li Hu, Guangyuan Wang, Peng Zhang, Bang Zhang

机构 * Alibaba Tongyi Lab（阿里巴巴通义实验室） 纠错

专题命中 个性化与一致性 ：diffusion(abstract)；分类 cs.CV

AI总结 WanToFight是用于多人战斗交互的实时生成游戏引擎，基于Wan-1.3B视频扩散变换器构建三个组件，解决了先前引擎未共同处理的问题，能结合多种玩法，在特定配置下维持30FPS，是首个此类集成系统。

Comments Project Page: https://humanaigc.github.io/wantofight/

Do You Remember? Toward Memory-Centric Multimodal AI

你还记得吗？迈向以记忆为中心的多模态人工智能

Xuguang Yu, Weigang Zheng, Minyue Yu

专题命中 个性化与一致性 ：diffusion(abstract)；分类 cs.CV

AI总结 研究针对当前多模态语言模型缺乏重建性记忆的问题，提出DoYouRemember三阶段架构，通过VQ-VAE、LoRA微调语言模型和扩散解码器实现，经实验发现语言模型隐藏状态视觉信息少，还解决了共享记忆矩阵训练问题，统一相关发现于信息论框架。

Comments 43 pages, 8 figures, 3 tables

AnyStyle: A Single LoRA is Sufficient for Image-Guided Style Transfer

AnyStyle：单个LoRA足以实现图像引导的风格迁移

Yongwen Lai, Chaoqun Wang

机构 * School of Artificial Intelligence, South China Normal University（华南师范大学人工智能学院） 纠错

专题命中 个性化与一致性 ：diffusion(abstract)；分类 cs.CV

AI总结 研究图像引导风格迁移，指出基于扩散方法存在内容与风格解缠难题。提出AnyStyle框架，采用统一单适配器范式，结合无训练结构引导，提升可控性与稳定性，实验显示性能优。

ReLo-IRR: Reflection-Guided LoRA Framework for Image Reflection Removal

ReLo-IRR：用于图像反射去除的反射引导LoRA框架

Chaoqun Wang, Yuehuan Wei, Haoxiang Cao, Shaobo Min

机构 * School of Artificial Intelligence, South China Normal University（南方科技大学人工智能学院） ； University of Science and Technology of China（中国科学技术大学） 纠错

专题命中 个性化与一致性 ：diffusion(abstract)；分类 cs.CV

AI总结 针对单图像反射去除问题，提出基于整流流模型的ReLo-IRR框架。设计轻量级估计器预测反射强度描述符，引入时间条件机制，联合建模反射强度和去噪动态，有效抑制不同反射条件。

From Forgeries to Foundation Models: A Systematic Survey of Identity Document Attack and Detection

从伪造到基础模型：身份证件攻击与检测的系统性综述

Gourab Das, Pavan Kumar C, Raghavendra Ramachandra

专题命中 个性化与一致性 ：inpainting(abstract)；分类 cs.CV

AI总结 本文系统综述了身份证件伪造攻击（物理呈现、数字注入、生成式合成）及检测方法，揭示了基准与现实间的差距，并发现最强模型在零样本场景下APCER超25%。

Style-CCL: Content-Preserving Style Transfer via Curriculum Continual Learning

Style-CCL：通过课程持续学习实现内容保持的风格迁移

Shiwen Zhang, Haoyuan Wang, Xianghao Zang, Haibin Huang, Chi Zhang, Xuelong Li

机构 * Institute of Artificial Intelligence (TeleAI), China Telecom（中国电信人工智能研究院） 纠错

专题命中 个性化与一致性 ：diffusion(abstract)；分类 cs.CV

AI总结 针对扩散变换器在风格迁移中内容与风格特征纠缠的问题，提出多阶段课程持续学习框架Style-CCL，通过从语义到纹理风格、从干净到合成数据的分阶段训练，并采用随机记忆排练防止灾难性遗忘，在风格相似性、内容一致性和美学质量上达到最优。

Comments code and models of QwenStyle are released at https://github.com/witcherofresearch/Qwen-Image-Style-Transfer/ and https://github.com/Tele-AI/TeleStyle/

Prompt2Effect: Training-Free Image-to-Video Model Specialization via LoRA Generation

Prompt2Effect: 通过LoRA生成实现免训练图像到视频模型特化

Xiaomeng Yang, Yanyu Li, Gordon Guocheng Qian, Ivan Skorokhodov, Viacheslav Ivanov, Avalon Vinella, Xuan Zhang, Yanzhi Wang, Sergey Tulyakov, Anil Kag

机构 * Northeastern University（东北大学） ； Snap Inc.（Snap公司） 纠错

专题命中 个性化与一致性 ：diffusion(abstract)；分类 cs.CV

AI总结 提出Prompt2Effect，一种权重驱动超网络，通过单次前向传播直接合成效果特定的LoRA权重，无需训练，在保持视频质量的同时将计算成本从56 GPU小时降至3.3秒。

Comments Accepted to ECCV 2026, project page: https://xiaomeng-yang.github.io/Prompt2Effect

OrthoTryOn: Geometric Orthogonalization for Conflict-Free Unified Fashion Generation

OrthoTryOn：面向无冲突统一时尚生成的几何正交化

Zhaotong Yang, Ying Tai, Jiahui Zhan, Yu Zheng, Jianjun Qian, Jian Yang

机构 * PCA Lab, School of Computer Science and Engineering, Nanjing University of Science and Technology（南京理工大学计算机科学与工程学院PCA实验室） ； PCA Lab, School of Intelligence Science and Technology, Nanjing University（南京大学智能科学与技术学院PCA实验室） ； Shanghai Jiao Tong University（上海交通大学） 纠错

专题命中 个性化与一致性 ：diffusion(abstract)；分类 cs.CV

AI总结 提出OrthoTryOn框架，通过正交子空间投影和Fisher引导负向引导解决统一时尚生成中任务间梯度冲突，实现多任务协同优化。

Comments Accepted by ECCV2026