图像生成

Both Semantics and Reconstruction Matter: Making Representation Encoders Ready for Text-to-Image Generation and Editing

语义与重建同样重要：使表示编码器为文本到图像生成和编辑做好准备

Shilong Zhang, He Zhang, Zhifei Zhang, Chongjian Ge, Shuchen Xue, Shaoteng Liu, Mengwei Ren, Soo Ye Kim, Yuqian Zhou, Qing Liu, Daniil Pakhomov, Kai Zhang, Zhe Lin, Ping Luo

机构 * The University of Hong Kong（香港大学） ； Adobe Research（Adobe研究） 纠错

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

AI总结 本文提出一种框架，通过语义-像素重建目标正则化潜在空间，使编码器特征更适用于生成任务，实现高质量图像生成和编辑。

Comments Project Page: https://jshilong.github.io/PS-VAE-PAGE/

Discovering Latent Graphs with GFlowNets for Diverse Conditional Image Generation

利用GFlowNets发现潜在图以实现多样化的条件图像生成

Bailey Trang, Parham Saremi, Alan Q. Wang, Fangrui Huang, Zahra TehraniNasab, Amar Kumar, Tal Arbel, Li Fei-Fei, Ehsan Adeli

机构 * Dept. of Computer Science, Stanford University（计算机科学系，斯坦福大学） ； Dept. of Psychiatry and Behavioral Sciences, Stanford University（精神病学与行为科学系，斯坦福大学） ； Dept. of Biomedical Data Science, Stanford University（生物医学数据科学系，斯坦福大学） ； Center for Intelligent Machines, McGill University（智能机器中心，麦吉尔大学） ； MILA - Quebec AI institute（魁北克人工智能研究所） 纠错

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

AI总结 Rainbow通过分解输入条件为多样化的潜在表示，利用GFlowNets生成多样化图像，提升条件图像生成的多样性和保真度。

Journal ref The 39th Annual Conference on Neural Information Processing Systems 2025

Zero-shot Hierarchical Plant Segmentation via Foundation Segmentation Models and Text-to-image Attention

零shot分层植物分割：通过基础分割模型和文本到图像注意力

Junhao Xing, Ryohei Miyakawa, Yang Yang, Xinpeng Liu, Risa Shinoda, Hiroaki Santo, Yosuke Toda, Fumio Okura

机构 * The University of Osaka（大阪大学） ； Phytometrics ； Nagoya University（名古屋大学） 纠错

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

AI总结 ZeroPlantSeg通过基础分割模型和文本到图像注意力实现零shot分层植物分割，有效提取植物个体，优于现有方法。

Comments WACV 2026 Accepted