图像生成

IGAN: A New Inception-based Model for Stable and High-Fidelity Image Synthesis Using Generative Adversarial Networks

IGAN：一种基于 inception 的新模型，用于使用生成对抗网络进行稳定且高保真的图像合成

Ahmed A. Hashim, Ali Al-Shuwaili, Asraa Saeed, Ali Al-Bayaty

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

AI总结 IGAN通过引入更深的inception启发式卷积和扩张卷积，提升图像生成质量与训练稳定性，实现更优的FID和IS指标。

Comments 11 pages, 6 figures

FastFLUX: Pruning FLUX with Block-wise Replacement and Sandwich Training

FastFLUX: 通过块级替换和 sandwich 训练进行 FLUX 剪枝

Fuhan Cai, Yong Guo, Jie Li, Wenbo Li, Jian Chen, Xiangzhong Fang

机构 * Shanghai Jiao Tong University（上海交通大学） ； Max Planck Institute for Informatics（马克斯·普朗克研究所（信息学）） ； South China University of Technology（华南理工大学） ； Chinese University of Hong Kong（香港中文大学） 纠错

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

AI总结 FastFLUX 通过块级替换和 sandwich 训练方法，提高 FLUX 模型的推理效率和图像质量。

Comments 14 pages

Aggregating Diverse Cue Experts for AI-Generated Image Detection

聚合多样化线索专家用于AI生成图像检测

Lei Tan, Shuwei Li, Mohan Kankanhalli, Robby T. Tan

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

AI总结 本文提出MCAN框架，通过整合多种互补线索提升AI生成图像检测的泛化能力，实验显示在GenImage数据集上性能优于现有方法。

Comments Accepted by AAAI 2026