图像生成

3DIS: Depth-Driven Decoupled Instance Synthesis for Text-to-Image Generation

3DIS: 基于深度的解耦实例合成用于文本到图像生成

Dewei Zhou, Ji Xie, Zongxin Yang, Yi Yang

机构 * CCAI, Zhejiang University（中国浙江大学计算机辅助智能学院） 纠错

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

AI总结 3DIS提出了一种基于深度的解耦实例合成方法，通过分阶段生成场景深度图和渲染细粒度属性，提升文本到图像生成中多实例的布局精度和属性渲染效果。

Comments 10 pages

CoatFusion: Controllable Material Coating in Images

CoatFusion：图像中的可控材料涂层

Sagie Levy, Elad Aharoni, Matan Levy, Ariel Shamir, Dani Lischinski

机构 * The Hebrew University of Jerusalem（耶路撒冷希伯来大学） ； Reichman University（雷赫曼大学） 纠错

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

AI总结 CoatFusion通过结合2D纹理和PBR参数控制，实现图像中可控的材料涂层生成，优于现有方法。

Walk Before You Dance: High-fidelity and Editable Dance Synthesis via Generative Masked Motion Prior

先走再跳舞：通过生成性遮蔽动作先验实现高保真可编辑舞蹈合成

Foram N Shah, Parshwa Shah, Muhammad Usama Saleem, Ekkasit Pinyoanuntapong, Pu Wang, Hongfei Xue, Ahmed Helmy

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

AI总结 本研究提出一种生成性遮蔽动作先验模型，实现高保真且可编辑的舞蹈合成，通过多塔结构提升动作生成质量与编辑能力。

BEVDilation: LiDAR-Centric Multi-Modal Fusion for 3D Object Detection

BEVDilation：以LiDAR为中心的多模态融合用于3D目标检测

Guowen Zhang, Chenhang He, Liyi Chen, Lei Zhang

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

AI总结 BEVDilation提出以LiDAR为中心的多模态融合方法，通过稀疏体素扩张和语义引导BEV扩张模块提升3D目标检测性能，有效缓解深度误差带来的空间错位问题。

Comments Accept by AAAI26

Size control guidelines for chemically active droplets

化学活性液滴的尺寸控制指南

Guido Kusters, David Zwicker

专题命中 可控生成 ：diffusion(abstract)

AI总结 本文提出了一种通过化学反应控制液滴尺寸的理论框架，揭示了两种不同类别的尺寸控制机制，并确定了液滴变小的参数范围。

Theory and Design of Extended PID Control for Stochastic Systems with Structural Uncertainties

随机系统中具有结构不确定性的扩展PID控制的理论与设计

Baoyou Qu, Cheng Zhao

专题命中 可控生成 ：diffusion(abstract)

AI总结 本文提出了一种针对具有结构不确定性的非线性随机系统的扩展PID控制器设计方法，证明其在均方意义下的全局稳定性及跟踪误差可控性。