Discriminative Region Proposal Adversarial Networks for High-Quality Image-to-Image Translation
Ocean University of China(中国海洋大学)
随着生成对抗网络(GANs)的引入,图像到图像的翻译已经取得了很大的进展。然而,对于要求高质量的翻译任务,特别是在高分辨率和照片写实主义下,它仍然非常具有挑战性。在本文中,我们提出了区分区域建议对抗网络(DRPAN),用于高质量的图像到图像的翻译。我们将图像到图像的翻译任务分解为三个迭代步骤,第一步是生成具有全局结构但有一些局部伪影的图像(通过GAN),第二步是使用我们的DRPnet从生成的图像中提出最虚假的区域,第三步是通过修订器在最虚假的区域上实现“图像修补“以获得更真实的结果,使得系统(DRPAN)可以被逐渐优化以合成图像,其中更多地关注最伪影局部部分。在各种图像到图像翻译任务和数据集上的实验验证了我们的方法在人类感知研究和自动定量测量方面都优于最先进的方法,可以产生高质量的翻译结果。
2018-08-06 cs.CV
AC3S: Adaptive Conditioning for 3D-Aware Synthetic Data Generation
University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);Johns Hopkins University(约翰霍普金斯大学);College of Engineering and Computer Science, VinUniversity(VinUniversity工程与计算机科学学院)
提出AC3S框架,通过自适应条件控制模块调节ControlNet强度,结合多智能体视觉语言模型生成3D感知提示,实现高质量、结构对齐的合成图像生成。
2026-07-01 cs.CV
RealGen: Photorealistic Text-to-Image Generation via Detector-Guided Rewards
Shanghai AI Lab(上海人工智能实验室);Sun Yat-Sen University(中山大学);Nanjing University(南京大学);CUHK MMLab(香港中文大学多模态实验室);Tsinghua University(清华大学);Peking University(北京大学)
RealGen通过检测器引导的奖励机制提升文本到图像生成的真实感和细节,优于现有模型。
2025-11-29 cs.AI cs.CV
GenLCA: 3D Diffusion for Full-Body Avatars from In-the-Wild Videos
Codec Avatars Lab, Meta(Meta Codec Avatars实验室)
本文提出GenLCA,一种基于扩散的生成模型,能从文本和图像输入生成逼真全身体素并进行编辑。通过利用预训练的avatar重建模型作为可动画的3D分词器,解决视频中部分观测导致的模糊或透明问题,提升生成质量与泛化能力。
2026-04-09 cs.CV
Generating Synthetic Data via Augmentations for Improved Facial Resemblance in DreamBooth and InstantID
University of Tuebingen(图宾根大学);LOOKOUT University of Tuebingen(LOOKOUT 图宾根大学)
本文比较经典增强与 InstantID 生成式增强对 DreamBooth 和 InstantID 人脸个性化效果的影响,提出 FaceDistance 度量,并通过实验和用户研究证明生成式增强在平衡真实图像时能更好保持人脸相似度。
2025-07-17 cs.AI cs.CV
Real-time Localized Photorealistic Video Style Transfer
Boston University(波士顿大学);Google Research(谷歌研究院);Google(谷歌)
我们提出了一种新的算法,用于将图像的语义上有意义的局部区域的艺术风格转移到目标视频的局部区域,同时保持其照片真实感。局部区域可以通过使用视频分割算法完全自动地从图像中选择,或者从随意的用户指导(例如涂鸦)中选择。我们的方法基于深度神经网络架构,灵感来自于最近在真实感风格转换方面的工作,是实时的【形】,并且可以在任意输入上工作,而无需在不同艺术风格数据集上进行运行时优化。通过使用嘈杂的语义标签增强我们的视频数据集,并联合优化风格,内容,掩码和时间损失,我们的方法可以处理输入中的各种缺陷,并生成时间上连贯的视频,而不会产生视觉伪影。我们在各种风格的图像和目标视频上演示了我们的方法,包括同时将不同风格转移到多个对象上的能力,以及及时在风格之间平滑过渡的能力。
2020-10-20 cs.CV
Joint Bilateral Learning for Real-time Universal Photorealistic Style Transfer
Google Research(谷歌研究院);Boston University(波士顿大学)
真实感风格转移是将图像的艺术风格转移到内容目标上的任务,产生可以用相机拍摄的结果。最近的方法,基于深度神经网络,产生了令人印象深刻的结果,但要么太慢,运行在实际的分辨率,或仍然包含令人反感的文物。我们提出了一个新的端到端模型,用于逼真的风格传输,它既快速又固有地生成逼真的结果。我们的方法的核心是一个前馈神经网络,学习局部边缘感知仿射变换,自动遵守的摄影现实主义的约束。当在一组不同的图像和各种风格上训练时,我们的模型可以将风格转移鲁棒地应用于任意一对输入图像。与现有技术相比,我们的方法产生了视觉上更好的结果,并且速度快了三个数量级,从而在手机上实现了4K的实时的【形】性能。我们通过消融和用户研究验证了我们的方法。
2020-04-27 cs.CV
Photorealistic Style Transfer via Wavelet Transforms
Clova AI Research(克洛娃人工智能研究院);NAVER Corp(NAVER公司)
最近的风格转移模型提供了有前途的艺术成果。然而,给定照片作为参考样式,现有方法受到空间失真或不切实际的伪影的限制,这在真实照片中不应该发生。我们引入了一个理论上健全的网络架构,显着提高照片写实主义和忠实地转移的风格校正。我们方法的关键成分是小波变换,它自然适合深度网络。我们提出了一种基于白化和着色变换(WCT $^2$)的小波校正转移,允许特征在风格化过程中保留其结构信息和VGG特征空间的统计特性。这是第一款也是唯一一款可以在4.7秒内生成$1024\times1024$分辨率图像的端到端型号,无需任何后期处理即可提供令人愉悦的逼真质量。最后但并非最不重要的是,我们的模型提供了一个稳定的视频风格化没有时间限制。我们的代码、生成的图像和预训练的模型都可以在https://github.com/ClovaAI/WCT2上找到。
2019-09-29 cs.CV
GIST: Towards Photorealistic Style Transfer via Multiscale Geometric Representations
University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
本文提出 GIST,利用多尺度几何表示与最优传输匹配内容和风格图像的 Wavelets、Contourlets 特征,在无需训练或后处理的情况下实现照片级风格迁移并显著减少处理时间。
2024-12-03 cs.CV eess.IV
HiWave: Training-Free High-Resolution Image Generation via Wavelet-Based Diffusion Sampling
ETH Zurich(苏黎世联邦理工学院);Disney Research|Studios(迪士尼研究与工作室)
本文提出HiWave,一种基于小波的免训练零样本超高分辨率图像生成方法,通过DDIM反转和保留低频、增强高频的细节增强器,有效消除伪影并显著提升视觉保真度。
2025-06-25 cs.CV cs.LG
Preserve Anything: Controllable Image Synthesis with Object Preservation
本文提出 Preserve Anything,利用 N 通道 ControlNet 与对象、背景及高频引导模块实现多对象保留、语义一致和可控构图,并构建 258K 图像基准验证其 SOTA 表现。
2025-07-25 cs.CV
Agentic Retoucher for Text-To-Image Generation
本文提出Agentic Retoucher框架,通过感知-推理-行动循环改进文本到图像生成的质量,引入GenBlemish-27K数据集进行评估,提升图像真实感与局部修正可靠性。
2026-03-16 cs.AI cs.CV
InverFill: One-Step Inversion for Enhanced Few-Step Diffusion Inpainting
Qualcomm AI Research(.qualcomm 高级研究院);Posts & Telecommunications Inst. of Tech., Vietnam(越南邮电技术研究所)
本文提出InverFill,通过注入输入遮挡图像的语义信息到初始噪声中,实现高质量少步修复。该方法无需训练修复模型,利用文本到图像模型进行混合采样,提升图像质量和文本一致性。
2026-10-16 cs.AI cs.CV
3DPhysVideo: Consistency-Guided Flow SDE for Video Generation via 3D Scene Reconstruction and Physical Simulation
KAIST(韩国科学技术院)
本文提出了一种无需训练的管道,通过3D场景重建和物理模拟生成逼真视频,利用一致性引导流SDE分解预测速度以确保条件输入的一致性,从而在多物体和流体交互场景中实现从单张图像到物理合理视频的过渡。
2026-05-16 cs.AI cs.CV cs.GR
IEA: Amateur-Friendly Conversational Image Editing Agent via Three Stages of Multitask Alignment
Shanghai Jiao Tong University(上海交通大学);Shanghai Innovation Institution(上海创新研究院);Huawei Technologies Ltd.(华为技术有限公司);Nanyang Technological University(南洋理工大学);Jiangsu Key Lab of Language Computing(江苏省语言计算重点实验室)
提出IEA对话式图像编辑代理,通过三阶段多任务训练学习操作参数化工具,实现可解释编辑轨迹,在像素距离和ROUGE-L指标上优于基线,用户研究中指令跟随和感知质量表现最佳。
2026-06-06 cs.AI cs.CL cs.CV
Ani3DHuman: Photorealistic 3D Human Animation with Self-guided Stochastic Sampling
City University of Hong Kong(香港城市大学)
Ani3DHuman通过结合运动学动画与视频扩散先验,利用自引导随机采样实现逼真3D人体动画生成。
2026-02-22 cs.CV cs.GR cs.LG
$μ$Flow: Leveraging Average Images for Improving Generalisation of Deepfake Faces Detectors
University of Catania(卡塔尼亚大学);University of Nottingham(诺丁汉大学)
提出仅用真实图像训练的单类深度伪造检测器$μ$Flow,通过平均图像放大生成痕迹并利用归一化流对齐特征分布,实现跨生成器类别的高泛化性能。
2026-08-17 cs.CV cs.LG
ATSS: Detecting AI-Generated Videos via Anomalous Temporal Self-Similarity
Xi’an Jiaotong University(西安交通大学);The Hong Kong Polytechnic University(香港理工大学);University of Washington(华盛顿大学)
本文提出ATSS方法,通过三重相似性表示和跨注意融合机制,检测AI生成视频的异常时间自相似性,优于现有方法,在多个基准上表现更优。
2026-04-05 cs.CV
Benchmarking Spatial Relationships in Text-to-Image Generation
University of Maryland, Baltimore County(马里兰大学巴尔的摩县分校);Microsoft Research(微软研究院);Arizona State University(亚利桑那州立大学)
本文提出VISOR指标和SR2D数据集,系统评测文本到图像模型的空间关系生成能力,发现现有模型虽图像质量高但空间推理严重受限,并揭示多种偏差与伪影。
2023-10-27 cs.AI cs.CL cs.CV
Visible but Not Yet Curatable: Characterizing the Curatability of Compact and Derived Open LLM Artifacts
Duke Kunshan University(杜克昆山大学)
该研究提出框架表征开源LLM紧凑型与衍生型制品的可整理性,发现仅6.1%的相关记录具备高可整理性,并为模型中心等机构提出改进建议。
2026-09-01 cs.DL cs.HC
Generative-based Airway and Vessel Morphology Quantification on Chest CT Images
Brigham and Women’s Hospital(布莱根妇女医院);Harvard Medical School(哈佛医学院)
从计算机断层扫描(CT)图像中准确和精确地表征诸如气道和血管的肺部小结构的形态对于肺部疾病的诊断变得非常重要。较小的传导气道是慢性阻塞性肺疾病(COPD)气流阻力增加的主要部位,而准确测量血管大小可以帮助识别肺部区域的动脉和静脉变化,这些变化可能决定未来的疾病。然而,传统的方法往往受到限制,由于图像分辨率和伪影。我们提出了一种卷积神经回归(CNR),提供气道腔,气道壁厚度和血管半径的横截面测量。CNR使用由合成结构的生成模型创建的数据进行训练,该模型与模拟和无监督生成对抗网络(SimGAN)结合使用,以创建具有已知地面真实情况的模拟和改进的气道和血管。为了验证,我们首先使用由所提出的生成模型生成的合成生成的气道和血管来计算相对误差,并与传统方法相比直接评估CNR的准确性。然后,通过分析预测的一秒用力呼气量(FEV1\%)的百分比与气道的Pi10参数(肺功能和气道疾病的两个公知测量)的值之间的关联来进行体内验证。对于血管,我们评估了我们对小血管血容量的估计与肺一氧化碳弥散量(DLCO)之间的相关性。结果表明,卷积神经网络(CNN)为准确测量具有生理相关性的胸部CT图像上的血管和气道提供了一个有前途的方向。
2020-03-13 cs.CV cs.LG eess.IV
Evaluating the Evaluators: Diagnosing Large Multimodal Models for AI-Generated Image Assessment
Shanghai Jiao Tong University(上海交通大学);Dalian University of Technology(大连理工大学)
针对AI生成图像评估缺乏统一基准的问题,提出SQUARE-Bench,从语义、质量、真实性、责任四方面系统评估23个大型多模态模型,并验证其可用于引导迭代编辑。
2026-09-30 cs.CV
Sycamore: Grounded Synthetic Evaluation for Visualization Systems
Harvard Medical School(哈佛医学院)
Sycamore通过三种条件探针设计评估基因组可视化检索系统,探讨合成身份在真实用户反馈中的表现及影响。
2026-11-20 cs.HC