视觉与机器人

图像生成

图像生成、文生图、图像编辑、扩散模型和可控生成。

2026-01-23 至 2026-01-23 共收录 4 篇信号源：cs.CV, cs.GR, cs.MM

1. 文生图 4 篇

2601.16208 2026-01-23 cs.CV 88%

Scaling Text-to-Image Diffusion Transformers with Representation Autoencoders

通过表征自编码器扩展文本到图像扩散变换器

Shengbang Tong, Boyang Zheng, Ziteng Wang, Bingda Tang, Nanye Ma, Ellis Brown, Jihan Yang, Rob Fergus, Yann LeCun, Saining Xie

机构 * New York University（纽约大学）

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

AI总结通过扩展表征自编码器实现更高效的大规模文本到图像生成，RAE在预训练和微调中均优于VAE，且具有更快的收敛速度和更好的生成质量。

Comments website: https://rae-dit.github.io/scale-rae/

2509.04548 2026-01-23 cs.CV 70%

Skywork UniPic 2.0: Building Kontext Model with Online RL for Unified Multimodal Model

Skywork UniPic 2.0: 通过在线强化学习构建 Kontext 模型以实现统一多模态模型

Hongyang Wei, Baixin Xu, Hongbo Liu, Size Wu, Jie Liu, Yi Peng, Peiyu Wang, Zexiang Liu, Jingwen He, Yidan Xietian, Chuanxin Tang, Zidong Wang, Yichen Wei, Liang Hu, Boyi Jiang, Wei Li, Ying He, Yang Liu, Xuchen Song, Yangguang Li, Yahui Zhou

机构 * Skywork Multimodality Team（Skywork多模态团队）

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

AI总结 Skywork UniPic 2.0 通过在线强化学习构建 Kontext 模型，实现统一多模态模型，提升图像生成与编辑能力。

2601.15888 2026-01-23 cs.CV cs.AI 57%

Understanding the Transfer Limits of Vision Foundation Models

理解视觉基础模型的迁移限制

Shiqi Huang, Yipei Wang, Natasha Thorley, Alexander Ng, Shaheer Saeed, Mark Emberton, Shonit Punwani, Veeru Kasivisvanathan, Dean Barratt, Daniel Alexander, Yipeng Hu

机构 * University College London（伦敦大学学院）

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

AI总结本文研究了视觉基础模型在迁移时的限制，发现预训练目标与下游任务需求的匹配程度影响迁移性能，提出通过改进预训练目标以提升模型效果。

Comments accepted in ISBI 2026

2601.15859 2026-01-23 cs.LG cs.CV 57%

Uncertainty-guided Generation of Dark-field Radiographs

不确定性引导的暗场放射图像生成

Lina Felsner, Henriette Bast, Tina Dorosti, Florian Schaff, Franz Pfeiffer, Daniela Pfeiffer, Julia Schnabel

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

AI总结本文提出基于不确定性引导的生成对抗网络，从标准衰减X光片生成暗场图像，提升图像生成的可解释性和可靠性。