图像生成

Towards Consistent and Controllable Image Synthesis for Face Editing

面向面部编辑的图像合成一致性与可控性研究

Mengting Wei, Tuomas Varanka, Yante Li, Xingxun Jiang, Huai-Qian Khor, Guoying Zhao

机构 * Center for Machine Vision and Signal Analysis, Faculty of Information Technology and Electrical Engineering, University of Oulu（机器视觉与信号分析中心，信息科技与电气工程学院，奥卢大学） ； Key Laboratory of Child Development and Learning Science of Ministry of Education, School of Biological Sciences and Medical Engineering, Southeast University（教育部儿童发展与学习科学重点实验室，生物科学与医学工程学院，东南大学） 纠错

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

AI总结 RigFace通过结合SD模型和3D面部模型，实现面部图像的光照、表情和姿态可控，提升身份保持和图像真实度。

CameraMaster: Unified Camera Semantic-Parameter Control for Photography Retouching

CameraMaster: 用于摄影修饰的统一相机语义-参数控制

Qirui Yang, Yang Yang, Ying Zeng, Xiaobin Hu, Bo Li, Huanjing Yue, Jingyu Yang, Peng-Tao Jiang

机构 * Tianjin University（天津大学） ； vivo Mobile Communication Co., Ltd（vivo移动通信有限公司） ； NUS（国立大学） 纠错

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

AI总结 CameraMaster通过统一相机感知框架实现精确摄影修饰，通过解耦相机指令和参数嵌入，提升多参数控制与语义-参数对齐能力。

AV-Edit: Multimodal Generative Sound Effect Editing via Audio-Visual Semantic Joint Control

AV-Edit: 通过音频-视觉语义联合控制实现多模态生成式声音效果编辑

Xinyue Guo, Xiaoran Yang, Lipan Zhang, Jianxuan Yang, Zhao Wang, Jian Luan

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

AI总结 AV-Edit通过联合利用视觉、音频和文本语义，实现多模态生成式声音效果编辑，提升音频编辑的精度和质量。

PG-ControlNet: A Physics-Guided ControlNet for Generative Spatially Varying Image Deblurring

PG-ControlNet：一种用于生成空间变化图像去模糊的物理引导ControlNet

Hakki Motorcu, Mujdat Cetin

机构 * 1 Computer Science Department, University of Rochester ； 2 Goergen Institute for Data Science \& AIS, University of Rochester ； Computer Engineering Department, University of Rochester 纠错

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

AI总结 PG-ControlNet通过结合物理约束与生成模型，提升空间变化图像去模糊的物理准确性和感知真实感。

Comments 9 pages, 4 figures

One Patch is All You Need: Joint Surface Material Reconstruction and Classification from Minimal Visual Cues

一个补丁就够了：从最小的视觉线索联合表面材料重建与分类

Sindhuja Penchala, Gavin Money, Gabriel Marques, Samuel Wood, Jessica Kirschman, Travis Atkison, Shahram Rahimi, Noorbakhsh Amiri Golilarz

机构 * Department of Computer Science, The University of Alabama（计算机科学系，阿拉巴马大学） 纠错

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

AI总结 SMARC通过单个补丁实现表面材料重建与分类，以应对稀疏视觉输入下的挑战，取得最佳性能。

Comments 9 pages,3 figures, 5 tables

A Hamilton-Jacobi Framework in a Field-Road System with Unidirectional Advection under Wentzell-Type Boundary Condition

一个带有单向输运和Wentzell型边界条件的场-路系统中的Hamilton-Jacobi框架

Xinye Xiao, Haomin Huang

专题命中 可控生成 ：diffusion(abstract)

AI总结 本文提出了一种用于分析场-路系统中单向输运和Wentzell型边界条件的Hamilton-Jacobi框架，通过变分方法和数值模拟揭示了传播行为的临界转变。

Restora-Flow: Mask-Guided Image Restoration with Flow Matching

Restora-Flow：基于掩码的图像恢复与流匹配

Arnela Hadzic, Franz Thaler, Lea Bogensperger, Simon Johannes Joham, Martin Urschler

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

AI总结 Restora-Flow通过降质掩码引导流匹配采样并结合轨迹校正机制，实现高效且高质量的图像恢复。

Comments Accepted for WACV 2026

Personalized Image Generation for Recommendations Beyond Catalogs

推荐超越目录的个性化图像生成

Gabriel Patron, Zhiwei Xu, Ishan Kapnadak, Felipe Maia Polo

机构 * University of Michigan（密歇根大学） 纠错

专题命中 个性化与一致性 ：image generation(title,abstract)；diffusion(abstract)

AI总结 REBECA通过直接学习隐含反馈信号实现高效个性化图像生成，无需微调扩散模型，提升大规模用户群体的个性化效果。

Semi-supervised Multimodal Representation Learning through a Global Workspace

通过全局工作空间实现半监督多模态表示学习

Benjamin Devillers, Léopold Maytié, Rufin VanRullen

机构 * CerCo, CNRS UMR 5549, Université de Toulouse and ANITI, Artificial and Natural Intelligence Toulouse Institute（CerCo、CNRS UMR 5549、图卢兹大学和ANITI人工智能与自然智能图卢兹研究所） 纠错

专题命中 个性化与一致性 ：image generation(abstract)；text-to-image(abstract)

AI总结 本文提出了一种受全局工作空间概念启发的神经网络架构，通过自监督学习实现多模态表示对齐与转换，显著减少对匹配数据的需求。

Comments Under review

Journal ref IEEE Transactions on Neural Networks and Learning Systems 36 (5), 7843-7857 (2024)

AuthenLoRA: Entangling Stylization with Imperceptible Watermarks for Copyright-Secure LoRA Adapters

AuthenLoRA: 将隐秘水印与风格化结合以实现版权安全的LoRA适配器

Fangming Shi, Li Li, Kejiang Chen, Guorui Feng, Xinpeng Zhang

专题命中 个性化与一致性 ：diffusion(abstract)

AI总结 AuthenLoRA通过在LoRA训练过程中嵌入隐秘水印，实现版权安全的风格化生成，提升水印传播的鲁棒性和降低假阳性率。

Comments 16 pages, 7 figures, 12 tables

ENACT: Evaluating Embodied Cognition with World Modeling of Egocentric Interaction

ENACT：通过视角交互的世界建模评估具身认知

Qineng Wang, Wenlong Huang, Yu Zhou, Hang Yin, Tianwei Bao, Jianwen Lyu, Weiyu Liu, Ruohan Zhang, Jiajun Wu, Li Fei-Fei, Manling Li

机构 * Northwestern University（西北大学） ； Stanford University（斯坦福大学） ； UCLA（加州大学洛杉矶分校） 纠错

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

AI总结 ENACT通过视角交互的世界建模评估具身认知，揭示VLMs在长周期交互中与人类表现差距扩大，且模型在逆向任务中表现更优。

Comments Preprint version

One-Step Diffusion-Based Image Compression with Semantic Distillation

一步扩散式图像压缩与语义蒸馏

Naifu Xue, Zhaoyang Jia, Jiahao Li, Bin Li, Yuan Zhang, Yan Lu

机构 * Communication University of China（中国通信大学） ； University of Science and Technology of China（中国科学技术大学） ； Microsoft Research Asia（微软亚洲研究院） 纠错

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

AI总结 OneDC通过一步扩散生成和语义蒸馏机制实现高效图像压缩，达到SOTA感知质量，比特率降低39%且解码速度提升20倍。

Comments Accepted by NeurIPS 2025

Solving Diffusion Inverse Problems with Restart Posterior Sampling

利用重启后验抽样解决扩散逆问题

Bilal Ahmed, Joseph G. Makin

专题命中 效率与蒸馏 ：diffusion(title,abstract)

AI总结 RePS通过重启后验抽样高效解决线性和非线性逆问题，避免反向传播，提升收敛速度和重建质量。

MobileI2V: Fast and High-Resolution Image-to-Video on Mobile Devices

MobileI2V: 一种适用于移动设备的快速高分辨率图像到视频生成方法

Shuai Zhang, Bao Tang, Siyuan Yu, Yueting Zhu, Jingfeng Yao, Ya Zou, Shanglin Yuan, 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 MobileI2V通过轻量级扩散模型和优化策略，在移动设备上实现快速高分辨率图像到视频生成，生成速度提升10倍，质量与现有模型相当。

Comments Our Demo and code:https://github.com/hustvl/MobileI2V

Efficient Training for Human Video Generation with Entropy-Guided Prioritized Progressive Learning

高效训练人类视频生成的熵引导优先级渐进学习

Changlin Li, Jiawei Zhang, Shuhao Liu, Sihao Lin, Zeyi Shi, Zhihui Li, Xiaojun Chang

机构 * Stanford University（斯坦福大学） ； North China Electric Power University（华北电力大学） ； University of Adelaide（阿德莱德大学） ； University of Technology Sydney（悉尼技术大学） ； University of Science and Technology of China（中国科学技术大学） 纠错

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

AI总结 本文提出熵引导优先级渐进学习方法，通过条件熵膨胀和自适应渐进计划，高效训练扩散模型生成人类视频，实现训练速度提升和内存消耗降低。

Comments Project page: https://github.com/changlin31/Ent-Prog

Long-Term Alzheimers Disease Prediction: A Novel Image Generation Method Using Temporal Parameter Estimation with Normal Inverse Gamma Distribution on Uneven Time Series

长期阿尔茨海默病预测：一种利用正常逆伽玛分布进行时间参数估计的新型图像生成方法

Xin Hong, Xinze Sun, Yinhao Li, Yen-Wei Chen

机构 * College of Computer Science and Technology, Huaqiao University（华侨大学计算机科学与技术学院） ； Key Laboratory of Computer Vision and Machine Learning in Fujian Province（福建省计算机视觉与机器学习重点实验室） ； College of Information Science and Engineering,Ritsumeikan University（立命馆大学信息科学与工程学院） 纠错

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

AI总结 本文提出了一种基于正常逆伽玛分布的时间参数估计方法，用于长期阿尔茨海默病预测，通过生成中间图像和预测未来图像，保持疾病特征。

Comments 13pages, 6 figures