图像生成

Training-Free Generation of Diverse and High-Fidelity Images via Prompt Semantic Space Optimization

无需训练生成多样化且高保真的图像 via 提示语义空间优化

Debin Meng, Chen Jin, Zheng Gao, Yanran Li, Ioannis Patras, Georgios Tzimiropoulos

机构 * Queen Mary University of London（伦敦女王学院） ； Centre for AI, AstraZeneca（AstraZeneca人工智能中心） ； University of Bedfordshire（贝德福德大学） ； Samsung AI Center（三星人工智能中心） 纠错

专题命中 可控生成 ：text-to-image(abstract)；diffusion(abstract)；分类 cs.CV

AI总结 本文提出TPSO方法，通过优化提示语义空间提升图像生成的多样性和保真度，无需训练且适用于多种模型。

Comments under review

A Reason-then-Describe Instruction Interpreter for Controllable Video Generation

用于可控视频生成的指令解释器

Shengqiong Wu, Weicai Ye, Yuanxing Zhang, Jiahao Wang, Quande Liu, Xintao Wang, Pengfei Wan, Kun Gai, Hao Fei, Tat-Seng Chua

机构 * Kling Team, Kuaishou Technology（快手科技 Kling 团队） ； National University of Singapore（新加坡国立大学） 纠错

专题命中 可控生成 ：diffusion(abstract)；分类 cs.CV

AI总结 ReaDe通过推理后再描述的方法，将模糊用户指令转化为精确规范，提升可控视频生成的准确性和质量。

Comments 27 pages, 13 figures, 13 tables, Project Page: https://sqwu.top/ReaDe/

HybriDLA: Hybrid Generation for Document Layout Analysis

HybriDLA：文档布局分析的混合生成

Yufan Chen, Omar Moured, Ruiping Liu, Junwei Zheng, Kunyu Peng, Jiaming Zhang, Rainer Stiefelhagen

专题命中 可控生成 ：diffusion(abstract)；分类 cs.CV

AI总结 HybriDLA通过结合扩散和自回归解码，实现文档布局分析的高精度区域预测，达到83.5%的mAP性能。

Comments Accepted by AAAI 2026 (Oral). Project page at https://yufanchen96.github.io/projects/HybriDLA

Temporal-Visual Semantic Alignment: A Unified Architecture for Transferring Spatial Priors from Vision Models to Zero-Shot Temporal Tasks

时间-视觉语义对齐：一种统一架构，用于从视觉模型中转移空间先验到零样本时间任务

Xiangkai Ma, Han Zhang, Wenzhong Li, Sanglu Lu

专题命中 可控生成 ：image generation(abstract)；分类 cs.CV

AI总结 TimeArtist通过时间-视觉语义对齐框架，实现从时间序列到高质量图像生成的跨模态转换，并在零样本时间任务中取得优异表现。

Spatial-SSRL: Enhancing Spatial Understanding via Self-Supervised Reinforcement Learning

Spatial-SSRL: 通过自监督强化学习增强空间理解

Yuhong Liu, Beichen Zhang, Yuhang Zang, Yuhang Cao, Long Xing, Xiaoyi Dong, Haodong Duan, Dahua Lin, Jiaqi Wang

机构 * Shanghai AI Laboratory（上海人工智能实验室） ； Shanghai Jiao Tong University（上海交通大学） ； The Chinese University of Hong Kong（香港中文大学） ； Shanghai Innovation Institute（上海创新研究院） 纠错

专题命中 可控生成 ：inpainting(abstract)；分类 cs.CV

AI总结 Spatial-SSRL通过自监督强化学习提升大视觉-语言模型的空间理解能力，无需人工标注，在多个基准测试中取得显著准确率提升。

Comments preprint

Bipotentiostatic Control Unlocks Flashing Ratchet Features in Ion Pumps

双电位控制解锁离子泵的闪烁马达特性

Eden Grossman, Alon Herman, Keren Shushan Alshochat, Dafna Amichay, Ilan Bijaoui, Gideon Segev

专题命中 可控生成 ：diffusion(abstract)

AI总结 双电位控制解锁离子泵的闪烁马达特性，实现频率依赖的电流反转和设备不对称性调节，提升离子分离性能。

Adjoint Schrödinger Bridge Sampler

伴随施罗德inger桥采样器

Guan-Horng Liu, Jaemoo Choi, Yongxin Chen, Benjamin Kurt Miller, Ricky T. Q. Chen

机构 * FAIR at Meta（Meta 的 FAIR） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

专题命中 可控生成 ：diffusion(abstract)

AI总结 ASBS是一种基于施罗德inger桥的新型扩散采样器，通过伴随匹配方法实现高效采样，无需估计目标样本，适用于多种能量函数和分子分布。

Comments NeurIPS 2025 (Oral presentation)

Domain Fusion Controllable Generalization for Cross-Domain Time Series Forecasting from Multi-Domain Integrated Distribution

多域集成分布下的领域融合可控泛化用于跨领域时间序列预测

Xiangkai Ma, Xiaobin Hong, Mingkai Lin, Han Zhang, Wenzhong Li, Sanglu Lu

机构 * State Key Laboratory for Novel Software Technology, Nanjing University（新型软件技术国家重点实验室，南京大学） 纠错

专题命中 可控生成 ：diffusion(abstract)

AI总结 本文提出TimeControl模型，通过领域融合范式整合多领域时间序列信息，利用扩散模型实现跨领域时间序列预测的可控泛化。

Comments We have updated the abstract, introduction and related work. Additionally, we have incorporated the latest competitive baseline models

M2SVid: End-to-End Inpainting and Refinement for Monocular-to-Stereo Video Conversion

M2SVid：单目到立体视频转换的端到端修复与细化

Nina Shvetsova, Goutam Bhat, Prune Truong, Hilde Kuehne, Federico Tombari

机构 * Google（谷歌） ； Tuebingen AI Center/University of Tuebingen（图宾根人工智能中心/图宾根大学） ； Goethe University Frankfurt（法兰克福歌德大学） ； MPI for Informatics, Saarland Informatics Campus（信息研究所，萨尔兰信息校区） ； Technical University of Munich（慕尼黑技术大学） 纠错

专题命中 图像修复 ：inpainting(title,abstract)；diffusion(abstract)；分类 cs.CV

AI总结 M2SVid通过端到端修复和细化技术，实现单目到立体视频转换，生成高质量右视图并提升效率。

Comments To be published at 3DV 2026, project webpage https://m2svid.github.io/

Robust 3D Brain MRI Inpainting with Random Masking Augmentation

鲁棒的3D脑部MRI修补与随机掩码增强

Juexin Zhang, Ying Weng, Ke Chen

机构 * University of Nottingham Ningbo（诺丁汉大学宁波分校） 纠错

专题命中 图像修复 ：inpainting(title,abstract)；分类 cs.CV

AI总结 本文提出了一种基于U-Net和随机掩码增强的3D脑部MRI修补方法，在BraTS-Inpainting 2025挑战赛中取得第一名。

Comments Accepted by the International Brain Tumor Segmentation (BraTS) challenge organized at MICCAI 2025 conference

LayerComposer: Multi-Human Personalized Generation via Layered Canvas

LayerComposer: 通过分层画布实现多人类个性化生成

Guocheng Gordon Qian, Ruihang Zhang, Tsai-Shien Chen, Yusuf Dalva, Anujraaj Argo Goyal, Willi Menapace, Ivan Skorokhodov, Meng Dong, Arpit Sahni, Daniil Ostashev, Ju Hu, Sergey Tulyakov, Kuan-Chieh Jackson Wang

机构 * Snap Inc. ； University of Toronto（多伦多大学） ； UC Merced（加州大学默塞德分校） ； Virginia Tech（弗吉尼亚理工大学） 纠错

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

AI总结 LayerComposer通过分层画布实现多人类个性化生成，提供直观的人类注入和高效 scalable 的生成框架。

Comments 17 pages including appendix, preprint. Project page: https://snap-research.github.io/layercomposer/

MovieDreamer: Hierarchical Generation for Coherent Long Visual Sequence

MovieDreamer：用于生成连贯长视觉序列的分层生成

Canyu Zhao, Mingyu Liu, Wen Wang, Weihua Chen, Fan Wang, Hao Chen, Bo Zhang, Chunhua Shen

机构 * Zhejiang University（浙江大学） ； Alibaba Group（阿里巴巴集团） 纠错

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

AI总结 MovieDreamer通过结合自回归模型与扩散渲染，实现长时长视频生成，提升叙事连贯性和视觉质量。

Comments 30 pages, 22 figures

The Image as Its Own Reward: Reinforcement Learning with Adversarial Reward for Image Generation

图像作为自身奖励：基于对抗性奖励的图像生成强化学习

Weijia Mao, Hao Chen, Zhenheng Yang, Mike Zheng Shou

机构 * Show Lab, National University of Singapore（新加坡国立大学Show实验室） 纠错

专题命中 图像生成评测 ：image generation(title,abstract)；分类 cs.CV

AI总结 本文提出Adv-GRPO框架，通过对抗性奖励提升图像生成质量，利用图像自身作为奖励，结合参考图像和基础模型，实现更高质量和审美效果。

DesignPref: Capturing Personal Preferences in Visual Design Generation

DesignPref: 在视觉设计生成中捕捉个人偏好

Yi-Hao Peng, Jeffrey P. Bigham, Jason Wu

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Apple（苹果公司） 纠错

专题命中 图像生成评测 ：text-to-image(abstract)；diffusion(abstract)；分类 cs.CV

AI总结 DesignPref通过引入包含20名专业设计师多级评分的12,000对UI设计比较数据集，研究个性化视觉设计评估，展示个性化模型在预测个体偏好上的优越性。

Diverse Video Generation with Determinantal Point Process-Guided Policy Optimization

多样视频生成与确定性点过程引导的策略优化

Tahira Kazimi, Connor Dunlop, Pinar Yanardag

机构 * Virginia Tech（弗吉尼亚理工大学） 纠错

专题命中 图像生成评测 ：diffusion(abstract)；分类 cs.CV

AI总结 本文提出DPP-GRPO框架，结合DPP和GRPO理论，通过显式奖励提升视频生成的多样性，同时保持高质量和提示一致性。

Comments Project webpage: https://diverse-video.github.io/

Flash-DMD: Towards High-Fidelity Few-Step Image Generation with Efficient Distillation and Joint Reinforcement Learning

Flash-DMD: 向高保真少步图像生成迈进：高效蒸馏与联合强化学习

Guanjie Chen, Shirui Huang, Kai Liu, Jianchen Zhu, Xiaoye Qu, Peng Chen, Yu Cheng, Yifu Sun

机构 * Shanghai Jiao Tong University（上海交通大学） ； Tencent（腾讯） ； Huazhong University of Science and Technology（华中科技大学） ； The Chinese University of Hong Kong（香港中文大学） 纠错

专题命中 效率与蒸馏 ：image generation(title)；diffusion(abstract)；分类 cs.CV

AI总结 Flash-DMD通过高效蒸馏和联合强化学习实现快速收敛，提升少步图像生成的保真度和稳定性。

PromptMoG: Enhancing Diversity in Long-Prompt Image Generation via Prompt Embedding Mixture-of-Gaussian Sampling

PromptMoG: 通过提示嵌入混合高斯采样增强长提示图像生成的多样性

Bo-Kai Ruan, Teng-Fang Hsiao, Ling Lo, Yi-Lun Wu, Hong-Han Shuai

机构 * National Yang Ming Chiao Tung University（国立阳明交通大学） 纠错

专题命中 效率与蒸馏 ：image generation(title)；text-to-image(abstract)；分类 cs.CV

AI总结 PromptMoG通过混合高斯采样提升长提示图像生成的多样性，保持语义一致性。

Comments Technical Report

Image-Free Timestep Distillation via Continuous-Time Consistency with Trajectory-Sampled Pairs

无图像时间步蒸馏：通过连续时间一致性与轨迹采样对偶

Bao Tang, Shuai Zhang, Yueting Zhu, Jijun Xiang, Xin Yang, Li Yu, Wenyu Liu, Xinggang Wang

机构 * Huazhong University of Science and Technology（华中科技大学） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)；分类 cs.CV

AI总结 TBCM通过直接提取教师模型生成轨迹的潜在表示，实现无训练数据依赖的时间步蒸馏，提升效率和简洁性，同时在生成质量与资源消耗上表现优异。

Rectified SpaAttn: Revisiting Attention Sparsity for Efficient Video Generation

校正SpaAttn：重新审视注意力稀疏性以实现高效的视频生成

Xuewen Liu, Zhikai Li, Jing Zhang, Mengjuan Chen, Qingyi Gu

机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)；分类 cs.CV

AI总结 本文提出Rectified SpaAttn，通过校正注意力分配提升视频生成效率，实现显著速度提升且保持生成质量。

Comments Code at https://github.com/BienLuky/Rectified-SpaAttn

Segmentation-Aware Generative Reinforcement Network (GRN) for Tissue Layer Segmentation in 3-D Ultrasound Images for Chronic Low-back Pain (cLBP) Assessment

面向慢性低背痛（cLBP）评估的3D超声图像组织层分割的分割感知生成强化网络（GRN）

Zixue Zeng, Xiaoyan Zhao, Matthew Cartier, Tong Yu, Jing Wang, Xin Meng, Zhiyu Sheng, Maryam Satarpour, John M Cormack, Allison Bean, Ryan Nussbaum, Maya Maurer, Emily Landis-Walkenhorst, Dinesh Kumbhare, Kang Kim, Ajay Wasan, Jiantao Pu

专题命中 效率与蒸馏 ：image generation(abstract)；分类 cs.CV

AI总结 GRN通过整合分割损失反馈，实现图像生成与分割的联合训练，显著减少标注数据需求，提升3D超声图像中组织层分割的性能。

Non-equilibrium Annealed Adjoint Sampler

非平衡退火共轭采样器

Jaemoo Choi, Yongxin Chen, Molei Tao, Guan-Horng Liu

机构 * Georgia Institute of Technology（佐治亚理工学院） ； FAIR at Meta（Meta的FAIR） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 非平衡退火共轭采样器通过引入退火参考动力学，提升扩散模型在学习控制的稳定性和效率，适用于多种采样任务。

Comments 26 pages, 8 figures

Pixellated Posterior Sampling of Point Spread Functions in Astronomical Images

像素化的点扩散函数后验采样在天文学图像中

Connor Stone, Ronan Legin, Alexandre Adam, Nikolay Malkin, Gabriel Missael Barco, Laurence Perreaul-Levasseur, Yashar Hezaveh

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出了一种基于生成扩散模型的像素级PSF后验采样方法，通过结合高斯似然与生成模型先验，实现对天文学图像中点扩散函数的高精度建模，提升后续分析的不确定性传播能力。

Comments 17 pages, 10 figures