视觉与机器人
图像生成、文生图、图像编辑、扩散模型和可控生成。
DuET: 双专家轨迹用于扩散图像编辑
机构 * HSE University（高等经济大学） ； Yandex
专题命中 图像编辑 ：diffusion(title,abstract)；image editing(title)；text-to-image(abstract)；分类 cs.CV
AI总结 提出训练自由的DuET方法，通过临时切换到文本到图像阶段再返回编辑模式，缓解源图像条件限制，提升编辑指令相关性、语义保真度和感知质量。
稳定且近可逆的图像编辑扩散ODE求解器
机构 * Department of Computing, Imperial College London, London, United Kingdom（帝国理工学院伦敦分校计算机系，伦敦，英国） ； Department of Mathematics, Imperial College London, London, United Kingdom（帝国理工学院伦敦分校数学系，伦敦，英国）
专题命中 图像编辑 ：diffusion(title,abstract)；image editing(title,abstract)；分类 cs.CV
AI总结 本文提出近可逆Runge-Kutta方法以提升图像编辑的稳定性与精度，平衡可逆性与数值稳定性，保留背景保真优势。
Comments ICML 2026 Workshop on Structured Probabilistic Inference & Generative Modeling (SPIGM)
RePlan：基于推理的复杂基于指令的图像编辑区域规划
机构 * Tencent AI Lab（腾讯人工智能实验室） ； CUHK（香港中文大学） ； HKUST（香港科技大学）
专题命中 图像编辑 ：image editing(title,abstract)；diffusion(abstract)；inpainting(abstract)；分类 cs.CV
AI总结 研究针对复杂指令图像编辑中现有模型在IV-复杂性下的不足，提出RePlan框架，结合视觉语言规划器与扩散编辑器，经强化学习提升性能，还推出IV-Edit基准，该框架在相关设置中优于强大基线，提高了区域精度和整体一致性。
Comments [ECCV2026] Precise multi-region control and planning for instruction-based image editing. Our project page: https://replan-iv-edit.github.io
用于一致多参考图像编辑的评估-验证奖励
机构 * Xi’an Jiaotong University（西安交通大学） ； Amap, Alibaba（高德，阿里巴巴） ； Shanghai Jiao Tong University（上海交通大学）
专题命中 图像编辑 ：image editing(title,abstract)；image generation(abstract)；text-to-image(abstract)；分类 cs.CV
AI总结 针对多参考图像编辑的视觉一致性与奖励模型缺失问题，提出多维度评估-验证奖励EVR，实现无需架构改动的现成编辑器RL微调，性能优于Qwen-Image-Edit并达到或超NanoBanana。
CPAM: 保持上下文的自适应操作用于零样本真实图像编辑
机构 * Faculty of Information Technology, University of Science, Ho Chi Minh City, Vietnam（越南科学大学信息科技学院） ； Vietnam National University, Ho Chi Minh City, Vietnam（越南国家大学） ； Faculty of Information Technology, Monash University, Melbourne, Victoria, Australia（莫纳什大学信息科技学院） ； Department of Computer Science, University of Dayton, Dayton, Ohio, US（Dayton 大学计算机科学系）
专题命中 图像编辑 ：image editing(title,abstract)；text-to-image(abstract)；diffusion(abstract)；分类 cs.CV
AI总结 提出CPAM零样本框架，通过保持上下文的自适应操作和掩码引导，实现复杂非刚性真实图像的编辑，保留纹理和身份，无需微调。
Comments Accepted to IEEE Transactions on Multimedia. Project page: https://vdkhoi20.github.io/CPAM
Edit-R2：面向多轮图像编辑的上下文感知强化学习
机构 * Hong Kong University of Science and Technology（香港理工大学） ； Kuaishou Technology（快手科技）
专题命中 图像编辑 ：image editing(title,abstract)；image generation(abstract)；diffusion(abstract)
AI总结 提出Edit-R2框架，通过重构会话意图和联合优化推理与生成的强化学习，解决多轮图像编辑中的长上下文稀释和状态污染问题，并在MICE-Bench基准上取得领先性能。
PosBridge：用于身份感知图像编辑的多视图位置嵌入迁移
专题命中 图像编辑 ：image editing(title,abstract)；diffusion(abstract)；分类 cs.CV
AI总结 PosBridge是一种高效灵活的图像编辑框架，通过位置嵌入迁移与角点居中布局，实现自定义对象的无缝插入，在结构一致性、保真度和效率上优于主流基线。
跨分支冲突作为一种保护手段：在统一多模态图像编辑中保护面部身份
专题命中 图像编辑 ：image editing(title,abstract)；diffusion(abstract)；分类 cs.CV
AI总结 研究统一多模态模型中个人肖像编辑的安全问题，提出CCS统一对抗保护框架，通过联合驱动ViT和VAE表示及破坏跨分支兼容性，防止模型恢复身份信息，在抑制身份保留编辑上表现优于现有方法。
Comments 14 pages, preprint
UniGeo：通过视频模型统一几何指导以实现相机可控的图像编辑
机构 * ReLER, CCAI, Zhejiang University（ReLER、CCAI、浙江大学） ； DBMI, HMS, Harvard University（DBMI、HMS、哈佛大学）
专题命中 图像编辑 ：image editing(title,abstract)；diffusion(abstract)；分类 cs.CV
AI总结 UniGeo通过统一的几何指导在三个层面提升相机可控图像编辑的几何一致性与视觉质量，克服传统方法在连续相机运动下的几何漂移和结构退化问题。
H-Adapter: 通过注意力导出的源对齐头发掩码实现姿态鲁棒的发型迁移
机构 * SNOW Corp.（SNOW公司）
专题命中 图像编辑 ：image generation(abstract)；text-to-image(abstract)；diffusion(abstract)；inpainting(abstract)
AI总结 提出H-Adapter，利用区域特定损失解耦头发与非头发目标，导出源对齐头发编辑掩码引导扩散修复，实现大姿态差异下的鲁棒发型迁移，在FID、FID_CLIP和CLIP-I指标上取得最优。
Comments Accepted at ECCV 2026. Project page: https://sanghunpark.github.io/hadapter_page/
VDE Bench: 评估图像编辑模型对视觉文档进行修改的能力
机构 * UCAS（中国科学院大学） ； CASIA（中国科学院自动化研究所） ； Tencent（腾讯） ； CMU（卡内基梅隆大学） ； WashU（华盛顿大学） ； SJTU（上海交通大学） ； XDU（北京理工大学）
专题命中 图像编辑 ：image editing(title,abstract)；分类 cs.CV、cs.MM
AI总结 本文提出VDE Bench，一个专门评估图像编辑模型在双语中文-英文和复杂视觉文档编辑任务性能的基准，通过高质量数据集和新的评估框架，系统量化了文本修改的准确性。
MaskFlow：精准、一致且无缝的区域图像编辑
机构 * SenseTime Research（商汤科技研究院） ； Beihang University（北京航空航天大学） ； Nanyang Technological University（南洋理工大学）
专题命中 图像编辑 ：image editing(title,abstract)；分类 cs.CV
AI总结 MaskFlow框架通过融合掩码的流匹配目标与Soft-Poisson去接缝模块，结合MEData数据集，实现了精准可控、无缝融合的区域图像编辑，性能优于现有方法。
Comments 18 pages, 6 figures. Project page: https://reychiaro.github.io/MaskFlow
PhyEdit: 通过物理基础图像编辑实现真实世界物体操作
机构 * ReLER, CCAI, Zhejiang University（浙江大学计算机辅助设计与图形学国家重点实验室人工智能研究所ReLER实验室）
专题命中 图像编辑 ：image editing(title,abstract)；分类 cs.CV
AI总结 PhyEdit通过结合显式几何模拟与2D-3D监督，提升图像编辑中物理准确性和操作一致性，引入RealManip-10K数据集和ManipEval基准测试，优于现有方法。
Comments Code: https://github.com/nenhang/PhyEdit
UniREditBench: 一个基于推理的图像编辑统一基准
机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； Zhejiang University（浙江大学） ； UC Berkeley（伯克利大学）
专题命中 图像编辑 ：image editing(title,abstract)；分类 cs.CV
AI总结 UniREditBench通过多模态双参考评估和大规模合成数据集，提升图像编辑模型在复杂推理场景中的评估可靠性与性能表现。
Comments Project page: https://maplebb.github.io/UniREditBench
iMontage：统一、多功能、高度动态的多对多图像生成
机构 * Nanyang Technological University（南洋理工大学） ； StepFun ； Shanghai Jiao Tong University（上海交通大学）
专题命中 图像编辑 ：image generation(title,abstract)；分类 cs.CV
AI总结 iMontage通过整合视频模型的先验知识与图像数据的多样性，实现了统一、多功能且动态的多对多图像生成。
Comments Our homepage: https://kr1sjfu.github.io/iMontage-web/
漫画图像编辑中的推理时间轨迹优化
机构 * Mantra Inc.（Mantra公司） ； The University of Tokyo（东京大学）
专题命中 图像编辑 ：image editing(title,abstract)；分类 cs.CV
AI总结 本文提出一种在推理时适应预训练图像编辑模型的方法，通过仅使用输入漫画图像来调整模型，以提高对漫画图像的编辑效果，同时减少计算开销。
连续上下文：基于指令的图像编辑的连续强度控制
机构 * Snap Research ； Tel Aviv University（特拉维夫大学） ； IISc Bangalore（班加罗尔IISc）
专题命中 图像编辑 ：image editing(title,abstract)；分类 cs.CV
AI总结 研究基于指令的图像编辑中编辑强度控制问题，提出连续上下文模型，通过扩展先进模型并引入标量编辑强度，训练轻量级投影网络，合成多样数据集，实现对多种图像编辑操作的编辑强度统一细粒度控制。
Comments Project Page: https://snap-research.github.io/kontinuouskontext/, Accepted at CVPR 2026
WeEdit：一个数据集、基准和基于字形引导的文本中心图像编辑框架
专题命中 图像编辑 ：image editing(title,abstract)；分类 cs.CV
AI总结 WeEdit通过构建大规模数据集和定制训练策略，提升文本中心图像编辑的精度与多样性，优于现有开源模型。
Comments Accepted by ECCV2026
图像编辑模型是否理解光照？
机构 * Heidelberg University（海德堡大学） ； Technical University of Munich（慕尼黑工业大学） ； Zuse School ELIZA
专题命中 图像编辑 ：image editing(title,abstract)；分类 cs.CV
AI总结 提出3D锚定光探针基准(3DLP)，通过真实世界HDR数据集评估图像编辑模型对光照变化的编辑准确性，发现模型在镜面高光区域表现较好，但整体仍有改进空间。
Comments Project page: https://tim-kuechler.github.io/3DLP/
弥合流形差距：黎曼残差线搜索用于一步图像编辑
机构 * UCAS（中国科学院大学） ； WashU（华盛顿大学） ； SHU（上海大学）
专题命中 图像编辑 ：image editing(title)；diffusion(abstract)；分类 cs.CV
AI总结 针对一步扩散编辑中固定更新强度无法兼顾目标提示和源图像保真度的问题，提出黎曼残差线搜索方法，通过局部时间曲率估计和残差路径选择，在PIE-Bench++上达到SOTA。
用于时尚姿势对齐和归一化的无训练、身份保留图像编辑
机构 * Polytechnic University of Bari（巴里理工大学）
专题命中 图像编辑 ：image editing(title)；diffusion(abstract)；分类 cs.CV
AI总结 针对时尚行业非刚性姿势调整难题，提出无训练的FashionRepose管道，结合预训练模型，通过零样本方法在保留服装身份特征的同时实现近实时编辑，已成功为OVS处理大量长袖服装。
Journal ref Expert Systems With Applications, 293, 128579 (2025)
一次学习，随处编辑：扩散模型的视觉方向迁移
机构 * Virginia Tech（弗吉尼亚理工大学）
专题命中 图像编辑 ：diffusion(title,abstract)；分类 cs.CV
AI总结 提出ViDiT框架，通过从图像编辑对中学习连续编辑方向，实现无需微调的零样本图像属性编辑，在保持输入保真度的同时实现精确、可扩展的属性控制。
Comments ECCV 2026, Project page: http://vidit-edit.github.io
通过具有代理执行的自适应任务重构使图像编辑更易于实现
机构 * Nanjing University（南京大学） ； Beijing Institute of Technology（北京理工大学） ； College of Artificial Intelligence, China University of Petroleum (Beijing)（中国石油大学（北京）人工智能学院） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； Fudan University（复旦大学）
专题命中 图像编辑 ：image editing(title,abstract)；分类 cs.CV
AI总结 本文提出通过自适应任务重构框架提升图像编辑性能，通过代理分析和反馈优化任务描述，改进编辑效果，尤其在复杂案例中表现显著。
Comments 9pages
当提示变为视觉：面向大型图像编辑模型的以视觉为中心的越狱攻击
专题命中 图像编辑 ：image editing(title,abstract)；分类 cs.CV
AI总结 提出首个视觉到视觉的越狱攻击VJA，通过纯视觉输入传递恶意指令，并构建安全基准IESBench，在商业模型上攻击成功率高达80.9%，同时提出无需训练的内省多模态推理防御方法。
Comments Accepted for spotlight and oral presentation at ICML 2026 (Project: https://csu-jpg.github.io/vja.github.io/)
CAMEO: 一种条件感知与质量驱动的多智能体图像编辑编排器
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； Harbin Institute of Technology（哈尔滨工业大学） ； Shenzhen University（深圳大学） ； Claremont McKenna College（克莱蒙特麦肯纳学院） ； Research Institute of Petroleum Exploration and Development, CNPC（石油勘探开发研究院，中石油）
专题命中 图像编辑 ：image editing(title,abstract)；分类 cs.CV
AI总结 提出CAMEO多智能体框架，将条件图像编辑重构为质量感知的反馈驱动过程，通过分解编辑阶段、嵌入评估循环，在异常插入和人体姿态切换任务中平均胜率提升20%。
FireRed-Image-Edit-1.0 技术报告
机构 * Super Intelligence Team（超级智能团队） ； Xiaohongshu Inc.（小红书公司）
专题命中 图像编辑 ：text-to-image(abstract)；diffusion(abstract)；image editing(abstract)；分类 cs.CV
AI总结 提出FireRed-Image-Edit扩散变换器，通过数据整理、多阶段训练和评估优化，在指令图像编辑上达到最先进性能，并开源代码、模型和基准。
HY-WU (第一部分): 一种可扩展的功能性神经记忆框架及其在文本引导图像编辑中的应用
机构 * Tencent HY Team（腾讯 HY 团队）
专题命中 图像编辑 ：image editing(title)；分类 cs.CV
AI总结 提出HY-WU框架，通过功能性神经记忆模块即时生成实例特定权重更新，避免共享权重覆盖导致的干扰，解决持续学习与个性化中的灾难性遗忘问题。
通过结构细化减轻生成式AI图像编辑中的内容偏移和幻觉
机构 * Department of Electrical Engineering & Computer Science（电气工程与计算机科学系）
专题命中 图像编辑 ：image editing(title)；分类 cs.CV
AI总结 提出一种后处理框架，通过建立粗空间和光度对应关系并融合输入图像与GenAI增强图像，在保留感知增强的同时抑制幻觉内容，从而解决黑盒GenAI图像编辑中的结构保持问题。
弥合微-宏观差距：面向图像操纵本地化的频率感知语义对齐
机构 * School of Computer Science ； Engineering, Sun Yat-sen University Guangzhou China ； Engineering, Sun Yat-sen University
专题命中 图像编辑 ：diffusion(abstract)；image editing(abstract)；分类 cs.CV
AI总结 本文提出FASA框架，通过自适应双频带DCT模块提取操纵敏感频率特征，结合冻结CLIP表示的补丁级对比对齐学习语义先验，实现传统和扩散生成操纵的精准本地化。
MusicWeaver: 作曲家风格的结构编辑与分钟级连贯音乐生成
机构 * The University of Sydney（悉尼大学）
专题命中 图像编辑 ：diffusion(abstract)；inpainting(abstract)；分类 cs.MM
AI总结 MusicWeaver通过结构化计划和全局-局部扩散变换器实现作曲家风格的音乐生成与编辑，具备分钟级连贯性和高保真度。
Comments 15 pages, 3 figures
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈