图像生成

Speak the Art: A Direct Speech to Image Generation Framework

Speak the Art: 一种直接语音到图像生成框架

Mariam Saeed, Manar Amr, Farida Adel, Nada Hassan, Nour Walid, Eman Mohamed, Mohamed Hussein, Marwan Torki

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

AI总结 本文提出Speak the Art框架，通过改进语音嵌入和使用扩散模型，实现更稳定和多样化的语音到图像生成，并验证了多语言扩展的可行性。

MacPrompt: Maraconic-guided Jailbreak against Text-to-Image Models

MacPrompt：基于马卡罗尼的文本到图像模型对抗攻击

Xi Ye, Yiwen Liu, Lina Wang, Run Wang, Geying Yang, Yufei Hou, Jiayi Yu

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

AI总结 MacPrompt通过跨语言字符级重组有害术语，实现对文本到图像模型的安全机制的高效对抗，突破现有防御体系。

Comments Accepted by AAAI 2026

APEX: Learning Adaptive Priorities for Multi-Objective Alignment in Vision-Language Generation

APEX: 为视觉-语言生成中的多目标对齐学习自适应优先级

Dongliang Chen, Xinlin Zhuang, Junjie Xu, Luojian Xie, Zehui Wang, Jiaxi Zhuang, Haolin Yang, Liang Dou, Xiao He, Xingjiao Wu, Ying Qian

机构 * East China Normal University（东华师范大学） 纠错

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

AI总结 APEX通过双阶段自适应归一化和P^3自适应优先级，提升视觉-语言生成中多目标对齐的稳定性与性能平衡。

RPO: Fine-Tuning Visual Generative Models via Rich Vision-Language Preferences

RPO：通过丰富的视觉-语言偏好进行视觉生成模型微调

Hanyang Zhao, Haoxian Chen, Yucheng Guo, Genta Indra Winata, Tingting Ou, Ziyu Huang, David D. Yao, Wenpin Tang

机构 * Columbia University（哥伦比亚大学） ； Amazon（亚马逊） ； Princeton University（普林斯顿大学） ； Capital One 纠错

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

AI总结 RPO通过利用视觉语言模型的丰富反馈信号，改进偏好对的编纂，从而提升视觉生成模型的微调效果。

From Easy to Hard++: Promoting Differentially Private Image Synthesis Through Spatial-Frequency Curriculum

从易到难++：通过空间-频率课程促进差分隐私图像合成

Chen Gong, Kecen Li, Zinan Lin, Tianhao Wang

机构 * University of Virginia（弗吉尼亚大学） ； Microsoft Research（微软研究院） 纠错

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

AI总结 FETA-Pro通过引入频率特征作为训练捷径，提升差分隐私图像合成的保真度和实用性。

Comments Accepted at Usenix Security 2026; code available at https://github.com/2019ChenGong/Feta-Pro

Inference-Time Scaling for Visual AutoRegressive modeling by Searching Representative Samples

推理时的缩放用于视觉自回归建模通过搜索代表性样本

Weidong Tang, Xinyan Wan, Siyu Li, Xiumei Wang

机构 * School of Electronic Engineering, Xidian University, Xi'an, China（西安电子科技大学电子工程学院） 纠错

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

AI总结 本文提出VAR-Scaling框架，通过搜索代表性样本解决VQ视觉自回归建模中的离散潜在空间问题，提升推理过程的生成质量。

Comments Accepted to PRCV 2025

Think Bright, Diffuse Nice: Enhancing T2I-ICL via Inductive-Bias Hint Instruction and Query Contrastive Decoding

Think Bright, Diffuse Nice: 通过归纳偏置提示指令和查询对比解码增强T2I-ICL

Zhiyong Ma, Zhenpeng Li, Yuanjie Shi, Zhengping Li, Jiahao Chen, Qingyuan Chuai

机构 * Cao Tu Li (Guangzhou) Technology Co., Ltd（曹图利（广州）科技有限公司） ； South China University of Technology（华南理工大学） ； Washington State University（华盛顿州立大学） ； Hong Kong Baptist University（香港 Baptist 大学） 纠错

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

AI总结 TBDN通过引入归纳偏置提示指令和查询对比解码，有效解决T2I-ICL中的合规性失败和先验主导幻觉问题，实现高效可靠的图像生成。

Comments Submitted to ACL 2026

Boosting Overlapping Organoid Instance Segmentation Using Pseudo-Label Unmixing and Synthesis-Assisted Learning

通过伪标签解混和合成辅助学习提升重叠类器官实例分割

Gui Huang, Kangyuan Zheng, Xuan Cai, Jiaqi Wang, Jianjia Zhang, Kaida Ning, Wenbo Wei, Yujuan Zhu, Jiong Zhang, Mengting Liu

机构 * School of Biomedical Engineering, Sun Yat-sen University（中山大学生物医学工程学院） ； Peng Cheng Laboratory（鹏城实验室） ； The First Affiliated Hospital of Shenzhen University, Shenzhen Second People's Hospital（深圳大学第一附属医院、深圳第二人民医院） ； The Research Center of Clinical Medicine, Affiliated Hospital of Nantong University, Medical School of Nantong University（临床医学研究中心、南通大学附属医院、南通大学医学院） ； Cixi Institute of Biomedical Engineering, Ningbo Institute of Materials Technology and Engineering, Chinese Academy of Sciences（慈溪生物医学工程研究所、宁波材料技术与工程研究所、中国科学院） 纠错

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

AI总结 本文提出通过伪标签解混和合成辅助学习提升类器官实例分割，解决重叠问题，实现高效率的标注数据利用。