图像生成

Reward-Agnostic Prompt Optimization for Text-to-Image Diffusion Models

Semin Kim, Yeonwoo Cha, Jaehoon Yoo, Seunghoon Hong

机构 * KAIST（韩国科学技术院） 纠错

专题命中 文生图 ：text-to-image(title,abstract)；diffusion(title,abstract)；image generation(abstract)

Comments 29 pages, Under review

No Concept Left Behind: Test-Time Optimization for Compositional Text-to-Image Generation

Mohammad Hossein Sameti, Amir M. Mansourian, Arash Marioriyad, Soheil Fadaee Oshyani, Mohammad Hossein Rohban, Mahdieh Soleymani Baghshah

机构 * Sharif University of Technology（沙里夫技术大学） 纠错

专题命中 文生图 ：text-to-image(title,abstract)；image generation(title)；分类 cs.CV

Comments 8 pages, 8 figures, 1 table

DEFT: Decompositional Efficient Fine-Tuning for Text-to-Image Models

Komal Kumar, Rao Muhammad Anwer, Fahad Shahbaz Khan, Salman Khan, Ivan Laptev, Hisham Cholakkal

机构 * Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） 纠错

专题命中 文生图 ：text-to-image(title,abstract)；image generation(abstract)；diffusion(abstract)；分类 cs.CV

Comments 13 Figures, 21 pages, accepted in NeurIPS 2025

Cross-modal RAG: Sub-dimensional Text-to-Image Retrieval-Augmented Generation

Mengdan Zhu, Senhao Cheng, Guangji Bai, Yifei Zhang, Liang Zhao

机构 * Emory University（埃默里大学） ； University of Michigan, Ann Arbor（密歇根大学安娜堡分校） 纠错

专题命中 文生图 ：text-to-image(title,abstract)；image generation(abstract)；image synthesis(abstract)；分类 cs.CV

Leveraging BEV Paradigm for Ground-to-Aerial Image Synthesis

Junyan Ye, Jun He, Weijia Li, Zhutao Lv, Yi Lin, Jinhua Yu, Haote Yang, Conghui He

机构 * Sun Yat-Sen University（中山大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Sensetime Research（商汤科技研究院） 纠错

专题命中 文生图 ：image synthesis(title,abstract)；image generation(abstract)；diffusion(abstract)；分类 cs.CV

Comments Accepted to ICCV 2025, 10 pages, 7 figures

STAGE: Stable and Generalizable GRPO for Autoregressive Image Generation

Xiaoxiao Ma, Haibo Qiu, Guohui Zhang, Zhixiong Zeng, Siqi Yang, Lin Ma, Feng Zhao

机构 * University of Science and Technology of China（中国科学技术大学） ； Meituan（美团） 纠错

专题命中 文生图 ：image generation(title,abstract)；text-to-image(abstract)；分类 cs.CV

Comments Code available at https://github.com/krennic999/STAGE

LightFair: Towards an Efficient Alternative for Fair T2I Diffusion via Debiasing Pre-trained Text Encoders

Boyu Han, Qianqian Xu, Shilong Bao, Zhiyong Yang, Kangli Zi, Qingming Huang

机构 * State Key Laboratory of AI Safety, Institute of Computing Technology, CAS（人工智能安全国家重点实验室，计算技术研究所，中国科学院） ； School of Computer Science and Tech., University of Chinese Academy of Sciences（中国科学院大学计算机科学与技术学院） ； Peng Cheng Laboratory（鹏城实验室） 纠错

专题命中 文生图 ：diffusion(title,abstract)；text-to-image(abstract)；分类 cs.CV

Triangle Splatting+: Differentiable Rendering with Opaque Triangles

Jan Held, Renaud Vandeghen, Sanghyun Son, Daniel Rebain, Matheus Gadelha, Yi Zhou, Ming C. Lin, Marc Van Droogenbroeck, Andrea Tagliasacchi

机构 * University of Liège（利根大学） ； Simon Fraser University（西蒙弗雷泽大学） ； University of Maryland（马里兰大学） ； University of British Columbia（不列颠哥伦比亚大学） ； University of Toronto（多伦多大学） ； Adobe Research（Adobe研究） 纠错

专题命中 文生图 ：image synthesis(abstract)；分类 cs.CV

Comments 9 pages, 6 figures, 2 tables

From Fields to Splats: A Cross-Domain Survey of Real-Time Neural Scene Representations

Javed Ahmad, Penggang Gao, Donatien Delehelle, Mennuti Canio, Nikhil Deshpande, Jesús Ortiz, Darwin G. Caldwell, Yonas Teodros Tefera

机构 * Advanced Robotics, Istituto Italiano di Tecnologia (IIT)（先进机器人技术，意大利技术研究院） ； Istituto Nazionale per l’Assicurazione contro gli Infortuni sul Lavoro (INAIL)（国家职业伤害保险研究所） ； School of Computer Science, University of Nottingham（计算机科学学院，诺丁汉大学） 纠错

专题命中 文生图 ：image synthesis(abstract)；分类 cs.CV

Comments 18 pages

LLMs Behind the Scenes: Enabling Narrative Scene Illustration

Melissa Roemmele, John Joon Young Chung, Taewook Kim, Yuqian Sun, Alex Calderwood, Max Kreminski

机构 * Midjourney ； Northwestern University（西北大学） ； University of California, Santa Cruz（加州大学圣克鲁兹分校） 纠错

专题命中 文生图 ：text-to-image(abstract)；分类 cs.CV

Comments Accepted at EMNLP 2025

AGSwap: Overcoming Category Boundaries in Object Fusion via Adaptive Group Swapping

Zedong Zhang, Ying Tai, Jianjun Qian, Jian Yang, Jun Li

机构 * Nanjing University of Science and Technology（南京理工大学） ； Nanjing University（南京大学） 纠错

专题命中 文生图 ：text-to-image(abstract)；分类 cs.CV

Comments Accepted to SIGGRAPH Asia 2025

BRIT: Bidirectional Retrieval over Unified Image-Text Graph

Ainulla Khan, Yamada Moyuru, Srinidhi Akella

机构 * Fujitsu Research India（富士通印度研究） 纠错

专题命中 文生图 ：text-to-image(abstract)

Comments Accepted in EMNLP-2025 Findings

DiffusionGuard: A Robust Defense Against Malicious Diffusion-based Image Editing

June Suk Choi, Kyungmin Lee, Jongheon Jeong, Saining Xie, Jinwoo Shin, Kimin Lee

机构 * KAIST（韩国国立科学技术院） ； Korea University（韩国大学） ； NYU（纽约大学） 纠错

专题命中 图像编辑 ：diffusion(title,abstract)；image editing(title,abstract)；分类 cs.CV

Comments Preprint. Under review

GenMix: Effective Data Augmentation with Generative Diffusion Model Image Editing

Khawar Islam, Muhammad Zaigham Zaheer, Arif Mahmood, Karthik Nandakumar, Naveed Akhtar

机构 * School of Computing and Information Systems, The University of Melbourne, Australia（墨尔本大学计算与信息系统学院） ； Mohamed bin Zayed University of Artificial Intelligence, UAE（人工智能 Mohamed bin Zayed 大学） ； Information Technology University, Punjab, Pakistan（巴基斯坦旁遮普信息科技大学） 纠错

专题命中 图像编辑 ：image editing(title,abstract)；diffusion(title)；分类 cs.CV

Comments https://diffusemix.github.io/

SpotEdit: Evaluating Visually-Guided Image Editing Methods

Sara Ghazanfari, Wei-An Lin, Haitong Tian, Ersin Yumer

机构 * New York University, US（纽约大学） ； Adobe Inc（Adobe公司） 纠错

专题命中 图像编辑 ：image editing(title,abstract)；diffusion(abstract)；分类 cs.CV

Instruction Guided Multi Object Image Editing with Quantity and Layout Consistency

Jiaqi Tan, Fangyu Li, Yang Liu

机构 * Beijing University of Posts（北京邮电大学） ； Telecommunications School of Digital Media（电信数字媒体学院） 纠错

专题命中 图像编辑 ：image editing(title,abstract)；分类 cs.CV

Differentiable Expectation-Maximisation and Applications to Gaussian Mixture Model Optimal Transport

Samuel Boïté, Eloi Tanguy, Julie Delon, Agnès Desolneux, Rémi Flamary

机构 * Université Paris Cité, CNRS, MAP5（巴黎大学、国家科学研究中心、MAP5） ； CNRS（国家科学研究中心） ； ENS Paris-Saclay（巴黎-萨克雷大学） ； ECOLE POLYTECHNIQUE（巴黎高等理工学院） ； Institut Polytechnique de Paris（巴黎理工学院） 纠错

专题命中 图像编辑 ：image generation(abstract)

Environment-Aware Satellite Image Generation with Diffusion Models

Nikos Kostagiolas, Pantelis Georgiades, Yannis Panagakis, Mihalis A. Nicolaou

专题命中 扩散模型 ：image generation(title,abstract)；diffusion(title,abstract)；分类 cs.CV

LoRACLR: Contrastive Adaptation for Customization of Diffusion Models

Enis Simsar, Thomas Hofmann, Federico Tombari, Pinar Yanardag

机构 * ETH Zürich（苏黎世联邦理工学院） ； TU Munich（慕尼黑技术大学） ； Google（谷歌） ； Virginia Tech（弗吉尼亚理工大学） 纠错

专题命中 扩散模型 ：diffusion(title)；image generation(abstract)；text-to-image(abstract)；image synthesis(abstract)

Comments Accepted to CVPR'25. Project page: https://loraclr.github.io/

From Satellite to Street: A Hybrid Framework Integrating Stable Diffusion and PanoGAN for Consistent Cross-View Synthesis

Khawlah Bajbaa, Abbas Anwar, Muhammad Saqib, Hafeez Anwar, Nabin Sharma, Muhammad Usman

机构 * Department of Information and Computer Science, King Fahd University of Petroleum and Minerals（信息与计算机科学系，国王法赫德石油与矿物大学） ； NCMI, CSIRO（CSIRO国家科学机构） ； Department of Computer Science, National University of Computer and Emerging Sciences (FAST-NUCES)（计算机科学系，国家计算机与新兴科学大学（FAST-NUCES）） ； Faculty of Engineering and IT, University of Technology Sydney（工程与信息技术学院，技术大学悉尼） ； Faculty of Science, University of Ontario Institute of Technology（科学学院， Ontario Institute of Technology大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)；image synthesis(abstract)；分类 cs.CV、cs.MM

Diffusion Models: A Comprehensive Survey of Methods and Applications

Ling Yang, Zhilong Zhang, Yang Song, Shenda Hong, Runsheng Xu, Yue Zhao, Wentao Zhang, Bin Cui, Ming-Hsuan Yang

机构 * Peking University（北京大学） ； OpenAI ； University of California, Los Angeles（加州大学洛杉矶分校） ； Carnegie Mellon University（卡内基梅隆大学） ； University of California at Merced（加州大学默塞德分校） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)；image synthesis(abstract)；分类 cs.CV

Comments 59 pages, 19 figures, citing 396 (up-to-date) papers, project: https://github.com/YangLing0818/Diffusion-Models-Papers-Survey-Taxonomy, accepted by ACM Computing Surveys

GANji: A Framework for Introductory AI Image Generation

Chandon Hamel, Mike Busch

机构 * Anderson College of Business and Computing（安德森商学院与计算学院） ； Regis University（雷吉大学） 纠错

专题命中 扩散模型 ：image generation(title,abstract)；diffusion(abstract)；分类 cs.CV

Feature Space Analysis by Guided Diffusion Model

Kimiaki Shirahama, Miki Yanobu, Kaduki Yamashita, Miho Ohsaki

机构 * Department of Information Systems Design, Doshisha University（信息系统设计系，多智大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)；image generation(abstract)；分类 cs.CV

Comments 37 pages, 13 figures, codes: https://github.com/KimiakiShirahama/FeatureSpaceAnalysisByGuidedDiffusionModel

Origins of Creativity in Attention-Based Diffusion Models

Emma Finn, T. Anderson Keller, Manos Theodosis, Demba E. Ba

专题命中 扩散模型 ：diffusion(title,abstract)；image generation(abstract)；分类 cs.CV

Rare-to-Frequent: Unlocking Compositional Generation Power of Diffusion Models on Rare Concepts with LLM Guidance

Dongmin Park, Sebin Kim, Taehong Moon, Minkyu Kim, Kangwook Lee, Jaewoong Cho

机构 * KRAFTON ； Seoul National University（首尔国立大学） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)；text-to-image(abstract)；分类 cs.CV

Comments ICLR 2025 (spotlight)

VMDiff: Visual Mixing Diffusion for Limitless Cross-Object Synthesis

Zeren Xiong, Yue Yu, Zedong Zhang, Shuo Chen, Jian Yang, Jun Li

机构 * Nanjing University of Science and Technology（南京理工大学） ； Nanjing University（南京大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)；image generation(abstract)；分类 cs.CV

Representation Entanglement for Generation: Training Diffusion Transformers Is Much Easier Than You Think

Ge Wu, Shen Zhang, Ruijing Shi, Shanghua Gao, Zhenyuan Chen, Lei Wang, Zhaowei Chen, Hongcheng Gao, Yao Tang, Jian Yang, Ming-Ming Cheng, Xiang Li

机构 * NKIARI, Shenzhen Futian（NKIARI，深圳福田） ； VCIP, CS, Nankai University（VCIP，计算机科学，南开大学） ； JIIOV Technology（JIIOV技术） ； Harvard University（哈佛大学） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)；image generation(abstract)；分类 cs.CV

Un-Doubling Diffusion: LLM-guided Disambiguation of Homonym Duplication

Evgeny Kaskov, Elizaveta Petrova, Petr Surovtsev, Anna Kostikova, Ilya Mistiurin, Alexander Kapitanov, Alexander Nagaev

专题命中 扩散模型 ：diffusion(title,abstract)；text-to-image(abstract)

Diff-3DCap: Shape Captioning with Diffusion Models

Zhenyu Shu, Jiawei Wen, Shiyang Li, Shiqing Xin, Ligang Liu

机构 * School of Computer and Data Engineering, NingboTech University（宁波科技学院计算机与数据工程学院） ； Ningbo Institute, Zhejiang University（浙江大学宁波院） ； College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； School of Computer Science and Technology, ShanDong University（山东大学计算机科学与技术学院） ； Graphics & Geometric Computing Laboratory, School of Mathematical Sciences, University of Science and Technology of China（中国科学技术大学数学科学学院图形与几何计算实验室） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV、cs.GR

Journal ref IEEE Transactions on Visualization and Computer Graphics. 2025

StrucADT: Generating Structure-controlled 3D Point Clouds with Adjacency Diffusion Transformer

Zhenyu Shu, Jiajun Shen, Zhongui Chen, Xiaoguang Han, Shiqing Xin

机构 * School of Computer and Data Engineering, NingboTech University（计算机与数据工程学院，宁波科技学院） ； Ningbo Institute, Zhejiang University（浙江大学宁波院） ； School of Software Technology, Zhejiang University（浙江大学软件技术学院） ； School of Informatics, Xiamen University（厦门大学信息学院） ； Shenzhen Research Institute of Big Data, Chinese University of Hong Kong（香港中文大学深圳大数据研究院） ； School of Computer Science and Technology, ShanDong University（山东大学计算机科学与技术学院） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)；分类 cs.CV、cs.GR

Journal ref IEEE Transactions on Visualization and Computer Graphics. 2025