图像生成

Stage-Aware Adaptation and Distribution Calibration for Subject-Driven Personalized Text-to-Image Generation

用于主题驱动的个性化文本到图像生成的阶段感知适应与分布校准

Wenyan Xu, Alizer Wong

机构 * School of Computer Science, Guangdong University of Technology（广东工业大学计算机学院） ； School of Computer Science, Peking University（北京大学计算机学院） ； ManXis（未知） 纠错

专题命中 个性化与一致性 ：image generation(title,abstract)；text-to-image(title,abstract)；diffusion(abstract)；personalized generation(abstract)

AI总结 研究主题驱动的个性化文本到图像生成问题，提出将其分解为训练端的 SPaRa 和推理端的 DCAL 两个互补组件的框架 SPaRa-DCAL，通过理论分析和实验表明该框架能提升相关指标，并指出应综合多方面评估个性化生成。

Comments 16 pages, 4 figures, 6 tables

In-Loop Model Adaptation with Coupled Latent-Noise Guidance for High-Fidelity Subject-Driven Text-to-Image Generation

用于高保真主体驱动文本到图像生成的耦合潜在噪声引导的循环内模型适配

Yushun Tang, Weiming Chen, Siyi Liu, Yi Zhang, Feng Wu, Zhihai He

机构 * Southern University of Science and Technology（南方科技大学） ； University of Science and Technology of China（中国科学技术大学） ； Pengcheng Lab（鹏城实验室） 纠错

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

AI总结 本研究针对主体驱动文本到图像生成中参考图像变化时模型难适配且难保持主体身份的问题，提出IMA方法，通过耦合潜在噪声损失引导循环内模型适配，提升了生成性能。

LCG: Long-Context Consistent Image Generation with Sparse Relational Attention

LCG: 基于稀疏关系注意力的一致长上下文图像生成

Zihao Wang, Yijia Xu, Haoze Zheng, Xuran Ma, Haokun Gui, Harry Yang

机构 * Huazhong University of Science and Technology（华中科技大学） ； Peking University（北京大学） ； Hong Kong University of Science and Technology（香港科技大学） 纠错

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

AI总结 提出LCG框架，利用稀疏关系注意力（SRA）和路由一致性约束（RCC），在长序列图像生成中保持语义和外观一致性，并构建了大规模数据集LCCD进行训练和评估。

Latent-Identity Tuning in Text-to-Image Personalization Models

文本到图像个性化模型中的潜在身份调整

Daniel Garibi, Ronen Kamenetsky, Hadar Averbuch-Elor, Daniel Cohen-Or, Or Patashnik

机构 * Tel Aviv University（特拉维夫大学） ； Cornell University（康奈尔大学） 纠错

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

AI总结 研究文本到图像个性化模型中细粒度身份调整问题，利用预训练冻结编码器潜在空间，无需额外训练，通过揭示潜在语义方向实现局部、细粒度且语义连贯的面部编辑，经实验验证有效。

Comments Project page at: https://garibida.github.io/IdentityTuning/

Zero-Shot Face-to-Speech Synthesis via Latent Space Adaptation of a Style-Diffusion TTS Model

基于Style-Diffusion TTS模型潜在空间适配的零样本人脸到语音合成

Carlos Muñoz-Romero, Jose A. Gonzalez-Lopez

专题命中 个性化与一致性 ：diffusion(title,title_cn)

AI总结 该研究提出基于StyleTTS 2的人脸到语音合成框架，通过人脸适配器实现静态人脸到语音的零样本生成，在LRS3数据集上验证了效果，且映射具有语言无关性。

Comments 5 pages, 1 figure, 5 tables, submitted to IberSPEECH 2026

Redirecting the Flow: Image Customization through Attention Distribution Shift

重定向流：通过注意力分布偏移实现图像定制

Jie Li, Suorong Yang, Jian Zhao, Furao Shen

机构 * State Key Laboratory for Novel Software Technology, Nanjing University（南京大学计算机软件新技术国家重点实验室） ； School of Artificial Intelligence, Nanjing University（南京大学人工智能学院） ； School of Computer Science, Nanjing University（南京大学计算机科学与技术学院） ； School of Electronic Science and Engineering, Nanjing University（南京大学电子科学与工程学院） 纠错

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

AI总结 提出基于最大熵理论的Conditional Attention Distribution Shift方法，通过双分支架构CustomShift实现高效主题驱动图像生成，在DreamBooth和Custom101基准上优于现有方法。

Beyond Facial Consistency: Personalized Person Image Generation with Holistic Identity Preservation

超越面部一致性：具有整体身份保留的个性化人物图像生成

Yuxuan Xiao, Shanshan Zhang, Jian Yang, Shengcai Liao

机构 * Black Forest Labs（黑森林实验室） 纠错

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

AI总结 研究个性化人物图像生成中面部保真度与外观一致性权衡问题，提出双分支基线及动态平衡缩放策略DBS，由自适应时间门控和区域感知优化组成，实验表明DBS比现有基线更好，为整体身份建模提供可控框架。

Noise-Free One-Step LoRA for Task-Driven Image Restoration with Diffusion Priors

基于扩散先验的无噪声单步LoRA用于任务驱动的图像恢复

Jaeha Kim, Kyoung Mu Lee

机构 * Seoul National University（首尔国立大学） ； IPAI, Seoul National University（首尔国立大学IPAI） 纠错

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

AI总结 研究针对退化图像影响下游任务的问题，提出基于扩散先验的无噪声单步LoRA方法用于任务驱动的图像恢复，通过特定适配模块及新训练策略，经实验验证该方法在多任务上优于先前方法且具泛化能力。

Comments Code: https://github.com/JaehaKim97/NOLA-IR

Contrastive Parameter Disentanglement for Multi-modal Remote Sensing Image Generation

用于多模态遥感图像生成的对比参数解缠

Yu Zhang, Wenda Zhao, Haojun Tang, Haipeng Wang

机构 * School of Information and Communication Engineering, Dalian University of Technology（大连理工大学信息与通信工程学院） ； Unit 92728 of PLA（中国人民解放军92728部队） 纠错

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

AI总结 针对现有遥感图像生成方法局限，提出对比参数解缠框架，通过对比参数解缠模块、解缠优化策略及查询-键结构转移机制，实现多模态遥感图像高质量生成，在相关任务中性能优越。

Navigating the Open-Source Model Ecosystem: An Empirical Study of Creator Practices in Artistic Image Generation

探索开源模型生态系统：艺术图像生成中创作者实践的实证研究

Yiluo Wei, Yupeng He, Qiming Ye, Gareth Tyson

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） 纠错

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

AI总结 本文针对开源图像生成生态系统中创作者模型使用行为展开实证研究，构建含600万张图像及生成元数据的数据集，关联基础模型与LoRA模型使用情况，揭示其优劣势，公开数据集，为创作者和研究人员提供参考。

Comments Accepted to MM'26: The 34th ACM International Conference on Multimedia

EmoStyle: Affective Conditioning of Style-Specialist Experts for Emotional Image Generation

EmoStyle：用于情感图像生成的风格专家情感调节

Dexiang Hong, Yijie Guo, Weidong Chen, Xinyan Liu, Zixuan Zou, Zhendong Mao, Yongdong Zhang

机构 * University of Science and Technology of China（中国科学技术大学） ； Harbin Institute of Technology（哈尔滨工业大学） 纠错

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

AI总结 针对情感感知艺术图像生成中训练与测试时属性不一致造成的控制差距问题，提出EmoStyle框架，利用语言模型推理器预测情感线索，编码情感字段指导生成，训练专用LoRA适配器结合风格表达情感，经视觉语言模型引导排序，在挑战赛中获佳绩。

FADRA: Frequency-Aware Diffusion with Residual Adaptation for Video Face Restoration

FADRA：用于视频人脸识别的频率感知扩散与残差自适应

Jin Jiang, Jia Wang, Panwen Hu, Weiran Zhao, Shengcai Liao

机构 * United Arab Emirates University (UAEU)（阿联酋大学） ； Ocean University of China (OUC)（中国海洋大学） ； Mohamed bin Zayed University of Artificial Intelligence (MBZUAI)（穆罕默德·本·扎耶德人工智能大学） 纠错

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

AI总结 研究针对视频人脸识别在复杂退化下难以平衡空间保真度和时间连贯性的问题，提出FADRA框架，利用预训练模型的时间一致性，通过LoRA适配器、重复残差自适应头及频率感知损失等实现，实验证明其在恢复面部结构和保持时间一致性上优于现有方法。

RAVA: Retrieval-Augmented Viewpoint Alignment for Subject-Driven Image Generation

RAVA: 检索增强的视角对齐用于主题驱动图像生成

Qiwei Yan, Zhiqiang Yuan, Chongyang Li, Jiapei Zhang, Ying Deng, Jinchao Zhang, Jie Zhou

机构 * WeChat AI, Tencent Inc.（腾讯微信人工智能实验室） 纠错

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

AI总结 提出RAVA框架，通过检索增强提供几何证据，解决跨主体视角对齐中的视角漂移和结构不匹配问题，在保持身份的同时实现可靠视角控制。

SSR-Merge: Subspace Signal Routing for Training-Free LoRA Merging in Diffusion Models

SSR-Merge: 面向扩散模型中免训练的LoRA合并的子空间信号路由

Zhengxuan Wei, Yi Dong, Zonghui Li, Xianhui Lin, Xing Liu, Hong Gu, Shaofeng Zhang, Wenbin Li, Qi Fan

机构 * Stanford University（斯坦福大学） 纠错

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

AI总结 提出子空间信号路由（SSR）方法，通过沿秩维度拼接LoRA构建统一子空间，利用逆相关矩阵去相关和方向引导矩阵分离信号，解决参数合并中的干扰问题，理论证明其等价于OLS最优解，并设计流式算法降低开销。

Comments Accepted at ICML 2026

TRACE-Memory: Public-Conditioned Retrieval and Utility-Aware Evidence Admission for Personalized Generation

TRACE-Memory：用于个性化生成的公共条件检索与效用感知证据接纳

Jing Wang, Zhu Wang, Yifan Guo, Yulong Yang, Yunji Liang

专题命中 个性化与一致性 ：personalized generation(title,abstract)

AI总结 该研究针对个性化生成系统中记忆使用的效用问题，提出TRACE-Memory两阶段框架，经多阶段训练后在三类数据集的4500个任务上表现优于多种记忆使用方法，支持选择性个性化。

Comments 9 pages, 4 figures, and 6 tables. Submitted to the 41st AAAI Conference on Artificial Intelligence (AAAI 2027)

Detecting CSAM Text-to-Image LoRAs From Weights

从权重中检测用于生成儿童性虐待材料的文本到图像的LoRA

David Demitri Africa, Cate Heine, Nadine Staes-Polet, Kimberly Mai

专题命中 个性化与一致性 ：text-to-image(title)；image generation(abstract)

AI总结 研究如何从权重中检测用于生成CSAM的文本到图像的LoRA，利用LoRA更新的左上角奇异向量形成的指纹$u_1$，以人类主体年龄为代理，发现其能识别训练内容、跨模型泛化且对良性内容不判断，可直接从权重筛选有害LoRA。

Generating Personalized Lower-Limb Kinematics Across Walking Speeds Using Subject-Conditioned Diffusion

使用受主体条件约束的扩散生成跨步行速度的个性化下肢运动学

Diya Dinesh, Adrian Krieger, Changseob Song, Dongho Park, Aaron J. Young, Inseung Kang

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

专题命中 个性化与一致性 ：diffusion(title,abstract)

AI总结 研究针对个性化外骨骼辅助需特定用户步态数据收集难的问题，提出受主体条件约束的残差扩散框架，能从单一已知速度步态序列生成未知速度下的个性化下肢运动学，减少数据收集负担，提升跨速度步态合成精度。

Comments 8 pages, 7 figures

When Top-1 Fails: Calibrating LoRA Monitors for Masked Diffusion LMs

当Top-1失败时：为掩蔽扩散LM校准LoRA监控器

Lucky Verma, Pratik Yadav

机构 * Independent Researcher（独立研究员） ； University of Maryland, Baltimore County（马里兰大学巴尔的摩县分校） 纠错

专题命中 个性化与一致性 ：diffusion(title,abstract)

AI总结 针对离散扩散语言模型微调中top-1 argmax作为崩溃预警的零精度问题，提出使用最大LoRA梯度范数作为参数侧信号，在LLaDA族上实现0.68精度和0.79 F1分数，并建议每族DLM校准阈值。

Comments 14 pages, 3 figures. Code and result artifacts: https://github.com/lucky-verma/top1-fails-dlm-lora-monitors

InstructionCrafter: Generating Consistent and High-Fidelity Visual Instructions

InstructionCrafter：生成一致且高保真的视觉指令

Shun Okamoto, Satoshi Iizuka, Kazuhiro Fukui

机构 * University of Tsukuba（筑波大学） 纠错

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

AI总结 本研究提出基于扩散的InstructionCrafter框架，通过空间冻结训练和两种适配器优化，实现了文本到分步视觉指令的生成，在多基准数据集上达成了最优性能且减少了噪声等问题，代码和模型将公开。

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/

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/