Adobe

Tri-Prompting: Video Diffusion with Unified Control over Scene, Subject, and Motion

Tri-Prompting：具有统一场景、主体和运动控制的视频扩散

Zhenghong Zhou, Xiaohang Zhan, Zhiqin Chen, Soo Ye Kim, Nanxuan Zhao, Haitian Zheng, Qing Liu, He Zhang, Zhe Lin, Yuqian Zhou, Jiebo Luo

机构 * Adobe Research（Adobe研究院） ； University of Rochester（罗切斯特大学） 纠错

AI总结 Tri-Prompting提出统一框架，整合场景、多视角主体一致性和运动控制，提升视频生成的可控性和真实感。

Comments Project page: https://zhouzhenghong-gt.github.io/Tri-Prompting-Page/

SNCE: Geometry-Aware Supervision for Scalable Discrete Image Generation

SNCE：面向可扩展离散图像生成的几何感知监督

Shufan Li, Jiuxiang Gu, Kangning Liu, Zhe Lin, Aditya Grover, Jason Kuen

机构 * Adobe ； UCLA 纠错

AI总结 本文提出SNCE，一种新的训练目标，通过构建软类别分布解决大代码书离散图像生成的优化问题，提升收敛速度和生成质量。

Comments 21 pages, 4 figures

Not All Queries Need Rewriting: When Prompt-Only LLM Refinement Helps and Hurts Dense Retrieval

并非所有查询都需要重写：当仅提示的LLM细化在密集检索中帮助和损害时

Varun Kotte

机构 * Adobe（Adobe公司） 纠错

AI总结 本文研究了仅提示的LLM查询重写对密集检索的影响，发现其效果高度依赖领域，通过实验发现重写在不同数据集上产生不同效果，并指出领域适应性后训练比单纯重写更安全。

IDALC: A Semi-Supervised Framework for Intent Detection and Active Learning based Correction

IDALC：一种基于意图检测和主动学习的半监督框架

Ankan Mullick, Sukannya Purkayastha, Saransh Sharma, Pawan Goyal, Niloy Ganguly

机构 * Department of Computer Science and Engineering, IIT Kharagpur（计算机科学与工程系，印度IIT Kharagpur） ； Department of Computer Science, Technische Universität Darmstadt（计算机科学系，德国Technische Universität Darmstadt） ； Adobe Research, Bangalore（Adobe Research，印度班加罗尔） 纠错

AI总结 本文提出IDALC框架，通过半监督方法检测用户意图并修正系统拒绝的语句，降低标注成本，实现在多个基准数据集上比基线方法准确率提升5-10%，宏F1提升4-8%。

Comments Paper accepted in IEEE Transactions on Artificial Intelligence (October 2025)

Journal ref IEEE Transactions on Artificial Intelligence, October 2025