图像生成

Aesthetics as Structural Harm: Algorithmic Lookism Across Text-to-Image Generation and Classification

审美作为结构性伤害：跨文本到图像生成和分类的算法审美主义

Miriam Doh, Aditya Gulati, Corinna Canali, Nuria Oliver

机构 * Université Libre de Bruxelles（布鲁塞尔自由大学） ； Weizenbaum Institute（魏泽曼研究所） ； ELLIS Alicante（阿利坎特ELLIS） 纠错

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

AI总结 本文揭示了生成式AI在文本到图像生成和性别分类中系统性地将面部吸引力与积极属性关联，导致性别偏见和审美歧视。

Comments 22 pages, 15 figures; v2 - fix typo

Reinforcement Learning Meets Masked Generative Models: Mask-GRPO for Text-to-Image Generation

强化学习遇见掩码生成模型：Mask-GRPO用于文本到图像生成

Yifu Luo, Xinhao Hu, Keyu Fan, Haoyuan Sun, Zeyu Chen, Bo Xia, Tiantian Zhang, Yongzhe Chang, Xueqian Wang

机构 * Tsinghua University（清华大学） 纠错

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

AI总结 本文提出Mask-GRPO，通过重新定义转移概率和多步骤决策问题，改进文本到图像生成模型，实现优于现有方法的性能。

CoDi: Subject-Consistent and Pose-Diverse Text-to-Image Generation

CoDi: 一致主体和多姿态文本到图像生成

Zhanxin Gao, Beier Zhu, Liang Yao, Jian Yang, Ying Tai

机构 * Nanjing University（南京大学） ； Nanyang Technological University（南洋理工大学） ； Vipshop 纠错

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

AI总结 CoDi通过两阶段策略实现文本到图像生成中主体一致性和姿态多样性的平衡，提升视觉表现和性能。

Comments Accepted by ICLR2026

PointT2I: LLM-based text-to-image generation via keypoints

PointT2I: 通过关键点生成基于大语言模型的文本到图像生成

Taekyung Lee, Donggyu Lee, Myungjoo Kang

机构 * Interdisciplinary Program in Artificial Intelligence, Seoul National University（人工智能跨学科项目，首尔国立大学） ； Department of Mathematical Sciences, Seoul National University（数学科学系，首尔国立大学） 纠错

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

AI总结 PointT2I通过大语言模型生成关键点并指导图像生成，无需微调即可实现基于文本提示的准确姿态对齐图像生成。

PromptRL: Prompt Matters in RL for Flow-Based Image Generation

PromptRL: 流基于图像生成中强化学习中提示的重要性

Fu-Yun Wang, Han Zhang, Michael Gharbi, Hongsheng Li, Taesung Park

机构 * The Chinese University of Hong Kong, Hong Kong（香港中文大学） ； Meta Superintelligence Labs, USA（Meta超智能实验室） 纠错

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

AI总结 PromptRL通过整合语言模型作为可训练的提示精修代理，提升流基于图像生成中强化学习的性能和效率。

Mind-Brush: Integrating Agentic Cognitive Search and Reasoning into Image Generation

Mind-Brush: 将代理认知搜索与推理整合到图像生成中

Jun He, Junyan Ye, Zilong Huang, Dongzhi Jiang, Chenjue Zhang, Leqi Zhu, Renrui Zhang, Xiang Zhang, Weijia Li

机构 * Sun Yat-sen University（中山大学） ； Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； MMLab, The Chinese University of Hong Kong（香港中文大学MMLab） 纠错

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

AI总结 Mind-Brush通过整合代理认知搜索与推理，提升图像生成模型对复杂知识推理和动态适应能力，实现性能显著跃升。

Comments 36 pages, 24 figures

Data-Driven Loss Functions for Inference-Time Optimization in Text-to-Image

面向文本到图像推理时间优化的数据驱动损失函数

Sapir Esther Yiflach, Yuval Atzmon, Gal Chechik

机构 * Bar-Ilan University（巴伊兰大学） ； NVIDIA（英伟达） 纠错

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

AI总结 本文提出 Learn-to-Steer 框架，通过学习数据驱动的损失函数提升文本到图像模型的空间推理能力，显著提高多个基准测试的准确性。

Comments Project page is at https://learn-to-steer-paper.github.io/

Beyond Content: How Grammatical Gender Shapes Visual Representation in Text-to-Image Models

超越内容：语法性别如何塑造文本到图像模型中的视觉表示

Muhammed Saeed, Shaina Raza, Ashmal Vayani, Muhammad Abdul-Mageed, Ali Emami, Shady Shehata

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

AI总结 研究揭示语法性别对文本到图像模型中视觉表示的显著影响，通过跨语言实验展示不同语法性别对性别表示的系统性影响。

Show, Don't Tell: Morphing Latent Reasoning into Image Generation

展示，而非告知：将潜在推理转化为图像生成

Harold Haodong Chen, Xinxiang Yin, Wen-Jie Shu, Hongfei Zhang, Zixin Zhang, Chenfei Liao, Litao Guo, Qifeng Chen, Ying-Cong Chen

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

AI总结 LatentMorph通过隐式潜在推理提升文本到图像生成的效率和效果，减少推理时间与标记消耗，同时提高与人类直觉的一致性。

Comments Code: https://github.com/EnVision-Research/LatentMorph

Bridging Lexical Ambiguity and Vision: A Mini Review on Visual Word Sense Disambiguation

弥合词汇歧义与视觉：关于视觉词义消歧的简要综述

Shashini Nilukshi, Deshan Sumanathilaka

机构 * School of Computing Informatics（计算与信息学学院） ； Institute of Technology（技术研究所） 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 本文综述了视觉词义消歧的发展，探讨了对比模型和LLM在解决词汇歧义中的作用，并指出未来发展方向。

Comments 2 figures, 2 Tables, Accepted at IEEE TIC 2026

Closing the Safety Gap: Surgical Concept Erasure in Visual Autoregressive Models

弥合安全鸿沟：视觉自回归模型中的手术概念擦除

Xinhao Zhong, Yimin Zhou, Zhiqi Zhang, Junhao Li, Yi Sun, Bin Chen, Shu-Tao Xia, Xuan Wang, Ke Xu

机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Jilin University（吉林大学） ； Peng Cheng Laboratory（鹏城实验室） ； Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系） 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 本文提出S-VARE方法，通过过滤交叉熵损失和保留损失实现VAR模型中的精确概念擦除，有效解决安全性和生成质量之间的平衡问题。

Comments Accepted toICLR 2026

Lung Nodule Image Synthesis Driven by Two-Stage Generative Adversarial Networks

由双阶段生成对抗网络驱动的肺结节图像合成

Lu Cao, Xiquan He, Junying Zeng, Chaoyun Mai, Min Luo

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

AI总结 本文提出双阶段生成对抗网络TSGAN，通过解耦肺结节形态结构与纹理特征，提升合成数据多样性及检测模型性能。

Interpreting and Controlling Model Behavior via Constitutions for Atomic Concept Edits

通过宪法进行原子概念编辑来解释和控制模型行为

Neha Kalibhat, Zi Wang, Prasoon Bajpai, Drew Proud, Wenjun Zeng, Been Kim, Mani Malek

机构 * Google DeepMind（谷歌DeepMind） 纠错

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

AI总结 该研究提出通过原子概念编辑学习模型宪法，以解释和控制模型行为，实验证明其在提升模型成功率方面效果显著。

Journal ref Twenty-Ninth Annual Conference on Artificial Intelligence and Statistics (AISTATS 2026)

RMFlow: Refined Mean Flow by a Noise-Injection Step for Multimodal Generation

RMFlow：通过噪声注入步骤细化均流以实现多模态生成

Yuhao Huang, Shih-Hsin Wang, Andrea L. Bertozzi, Bao Wang

机构 * Department of Mathematics and Scientific Computing and Imaging (SCI) Institute University of Utah（数学与科学计算及成像学院（SCI）院，犹他大学） ； Department of Mathematics, UCLA（数学系，加州大学洛杉矶分校） 纠错

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

AI总结 RMFlow通过引入噪声注入步骤，改进均流模型，实现高效多模态生成，仅需单次功能评估即可达到接近最先进的性能。

Comments Accepted to ICLR 2026

AI-generated data contamination erodes pathological variability and diagnostic reliability

AI生成的数据污染侵蚀病理变异性与诊断可靠性

Hongyu He, Shaowen Xiang, Ye Zhang, Yingtao Zhu, Jin Zhang, Hao Deng, Emily Alsentzer, Yun Liu, Qingyu Chen, Kun-Hsing Yu, Andrew Marshall, Tingting Chen, Srinivas Anumasa, Daniel Ebner, Dean Ho, Kee Yuan Ngiam, Ching-Yu Cheng, Dianbo Liu

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

AI总结 AI生成的数据污染导致病理变异性下降和诊断可靠性降低，需政策强制的人类监督以防止医疗数据生态系统的退化。

Comments *Corresponding author: Dianbo Liu (dianbo@nus.edu.sg)

Scaling Sequence-to-Sequence Generative Neural Rendering

序列到序列生成神经渲染的扩展

Shikun Liu, Kam Woh Ng, Wonbong Jang, Jiadong Guo, Junlin Han, Haozhe Liu, Yiannis Douratsos, Juan C. Pérez, Zijian Zhou, Chi Phung, Tao Xiang, Juan-Manuel Pérez-Rúa

机构 * Meta AI 纠错

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

AI总结 Kaleido通过统一的解码器-only rectified flow transformer实现了序列到序列生成神经渲染的扩展，能够在无显式3D表示的情况下生成多视角视图，并在多个视图设置中达到与场景优化方法相当的性能。

Comments Published at ICLR 2026. Project Page: https://shikun.io/projects/kaleido

Benchmarking Vanilla GAN, DCGAN, and WGAN Architectures for MRI Reconstruction: A Quantitative Analysis

对MRI重建中Vanilla GAN、DCGAN和WGAN架构进行基准测试：一项定量分析

Humaira Mehwish, Hina Shakir, Muneeba Rashid, Asarim Aamir, Reema Qaiser Khan

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

AI总结 本研究通过定量分析比较了Vanilla GAN、DCGAN和WGAN在MRI重建中的性能，发现DCGAN和WGAN在图像质量和准确性方面表现更优。

Comments 20 pages

Journal ref Edelweiss Applied Science and Technology January 2026

FlowBypass: Rectified Flow Trajectory Bypass for Training-Free Image Editing

FlowBypass: 基于修正流的无训练图像编辑轨迹绕过

Menglin Han, Zhangkai Ni

机构 * School of Computer Science and Technology, Tongji University, Shanghai, China（计算机科学与技术学院，同济大学，上海，中国） 纠错

专题命中 图像编辑 ：image editing(title,abstract)；分类 cs.CV

AI总结 FlowBypass通过基于修正流的轨迹绕过方法，在无需特征操作的情况下提升无训练图像编辑的保真度与提示对齐能力。

EditScore: Unlocking Online RL for Image Editing via High-Fidelity Reward Modeling

EditScore: 通过高保真奖励建模解锁图像编辑的在线强化学习

Xin Luo, Jiahao Wang, Chenyuan Wu, Shitao Xiao, Xiyan Jiang, Defu Lian, Jiajun Zhang, Dong Liu, Zheng liu

机构 * University of Science and Technology of China（中国科学技术大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院） ； Zhejiang University（浙江大学） 纠错

专题命中 图像编辑 ：image editing(title,abstract)；分类 cs.CV

AI总结 EditScore通过高保真奖励建模解锁图像编辑的在线强化学习，提供从基准到奖励建模到RL训练的系统路径。

Comments Accepted to ICLR 2026. Code, models, and benchmark: https://github.com/VectorSpaceLab/EditScore

HYPE-EDIT-1: Benchmark for Measuring Reliability in Frontier Image Editing Models

HYPE-EDIT-1：衡量前沿图像编辑模型可靠性的基准

Wing Chan, Richard Allen

机构 * Sourceful Ltd（源丰有限公司） 纠错

专题命中 图像编辑 ：image editing(title,abstract)；分类 cs.CV

AI总结 HYPE-EDIT-1是一个评估前沿图像编辑模型可靠性的基准，通过100个任务测试模型通过率和有效成本，揭示了低单价模型在考虑重试和人工审查后的高总成本。

Comments 14 pages, 5 figures, for code and data, see https://github.com/sourceful-official/hype-edit-1-benchmark

Tune-Your-Style: Intensity-tunable 3D Style Transfer with Gaussian Splatting

Tune-Your-Style: 可调强度的3D风格迁移与高斯点散布

Yian Zhao, Rushi Ye, Ruochong Zheng, Zesen Cheng, Chaoran Feng, Jiashu Yang, Pengchong Qiao, Chang Liu, Jie Chen

机构 * School of Electronic and Computer Engineering, Peking University, Shenzhen, China（电子与计算机工程学院，北京大学深圳校区） ； Pengcheng Laboratory, Shenzhen, China（鹏城实验室） ； AI for Science (AI4S)-Preferred Program, Peking University Shenzhen Graduate School, China（人工智能科学（AI4S）优选计划，北京大学深圳研究生院） ； Department of Automation and BNRist, Tsinghua University, Beijing, China（自动化系和BNRist，清华大学，北京，中国） ； Dalian University of Technology, China（大连理工大学） 纠错

专题命中 图像编辑 ：diffusion(abstract)；分类 cs.CV

AI总结 Tune-Your-Style通过可调强度的3D风格迁移方法，实现灵活的内容-风格平衡，提升3D风格迁移的定制性。

Comments ICCV 2025

World-Shaper: A Unified Framework for 360° Panoramic Editing

World-Shaper：360°全景编辑的统一框架

Dong Liang, Yuhao Liu, Jinyuan Jia, Youjun Zhao, Rynson W. H. Lau

机构 * Tongji University（同济大学） 纠错

专题命中 图像编辑 ：image editing(abstract)；分类 cs.CV

AI总结 World-Shaper通过统一的几何感知框架，实现360°全景生成与编辑的统一控制，提升编辑一致性与可控性。

Addressing Explainability of Generative AI using SMILE (Statistical Model-agnostic Interpretability with Local Explanations)

通过SMILE（统计模型无关可解释性与局部解释）解决生成AI的可解释性问题

Zeinab Dehghani

机构 * School of Computer Science（计算机科学学院） ； University of Hull（赫尔大学） 纠错

专题命中 图像编辑 ：image editing(abstract)

AI总结 gSMILE通过受控扰动、Wasserstein距离和加权替代模型，提升生成AI的可解释性，实现细粒度归因和直观热图生成。

Alignment of Diffusion Model and Flow Matching for Text-to-Image Generation

扩散模型与流匹配的对齐方法用于文本到图像生成

Yidong Ouyang, Liyan Xie, Hongyuan Zha, Guang Cheng

机构 * Department of Statistics, University of California, Los Angeles（加州大学洛杉矶分校统计学系） ； Department of Industrial and Systems Engineering, University of Minneasota（明尼苏达大学工业与系统工程系） ； School of Data Science, The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）数据科学学院） 纠错

专题命中 扩散模型 ：image generation(title,abstract)；text-to-image(title,abstract)；diffusion(title,abstract)

AI总结 本文提出了一种无需微调的对齐框架，通过分数指导和速度指导分别优化扩散模型和流匹配模型，显著降低计算成本并提升生成质量。

Enhancing Diffusion-Based Quantitatively Controllable Image Generation via Matrix-Form EDM and Adaptive Vicinal Training

通过矩阵形式EDM和自适应邻近训练增强基于扩散的可量化控制图像生成

Xin Ding, Yun Chen, Sen Zhang, Kao Zhang, Nenglun Chen, Peibei Cao, Yongwei Wang, Fei Wu

专题命中 扩散模型 ：diffusion(title,abstract)；image generation(title)；text-to-image(abstract)；分类 cs.CV

AI总结 本文提出改进的CCDM框架iCCDM，结合矩阵形式EDM和自适应邻近训练，提升图像生成质量和采样效率。

Token Pruning for In-Context Generation in Diffusion Transformers

令牌剪枝用于扩散变换器中的上下文生成

Junqing Lin, Xingyu Zheng, Pei Cheng, Bin Fu, Jingwei Sun, Guangzhong Sun

机构 * University of Science and Technology of China, Anhui, China（中国科学技术大学） ； Beihang University, Beijing, China（北京航空航天大学） ； Tencent PCG, China（腾讯PCG） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)；image generation(abstract)；text-to-image(abstract)；image synthesis(abstract)

AI总结 ToPi通过无训练的令牌剪枝框架提升扩散变换器的上下文生成效率，实现30%以上的推理加速同时保持生成质量。

Comments 20 pages

SIDiffAgent: Self-Improving Diffusion Agent

SIDiffAgent：自改进扩散代理

Shivank Garg, Ayush Singh, Gaurav Kumar Nayak

机构 * Indian Institute of Technology, Roorkee（印度理工学院罗尔基分校） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)；text-to-image(abstract)；image synthesis(abstract)

AI总结 SIDiffAgent通过自改进的扩散代理框架，利用Qwen系列模型提升文本到图像生成的可靠性与可控性，实现更高质量的图像输出。

RDDM: Practicing RAW Domain Diffusion Model for Real-world Image Restoration

RDDM: 在真实世界图像恢复中实践RAW域扩散模型

Yan Chen, Yi Wen, Wei Li, Junchao Liu, Yong Guo, Jie Hu, Xinghao Chen

机构 * Huawei Noah’s Ark Lab（华为诺亚实验室） ； Max Planck Institute for Informatics（马克斯·普朗克信息研究所） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)；image generation(abstract)；分类 cs.CV

AI总结 RDDM通过在RAW域直接恢复图像，克服了传统sRGB域扩散模型在高保真度与图像生成间的矛盾，提升了真实世界图像恢复的性能。

ReLAPSe: Reinforcement-Learning-trained Adversarial Prompt Search for Erased concepts in unlearned diffusion models

ReLAPSe: 通过强化学习训练的对抗性提示搜索消除未学习扩散模型中的擦除概念

Ignacy Kolton, Kacper Marzol, Paweł Batorski, Marcin Mazur, Paul Swoboda, Przemysław Spurek

机构 * Jagiellonian University（雅盖隆大学） ； IDEAS Research Institute（IDEAS研究机构） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)；text-to-image(abstract)；分类 cs.CV

AI总结 ReLAPSe通过强化学习训练对抗性提示搜索，有效恢复扩散模型中被移除的概念，提供高效的去学习测试工具。

Balancing Understanding and Generation in Discrete Diffusion Models

在离散扩散模型中实现理解和生成的平衡

Yue Liu, Yuzhong Zhao, Zheyong Xie, Qixiang Ye, Jianbin Jiao, Yao Hu, Shaosheng Cao, Yunfan Liu

机构 * Xiaohongshu Inc.（小红书公司） 纠错

专题命中 扩散模型 ：diffusion(title,abstract)；image generation(abstract)

AI总结 XDLM通过平稳噪声核平衡理解和生成能力，实现MDLM和UDLM的理论统一并提升生成质量与理解能力。

Comments 32 pages, Code is available at https://github.com/MzeroMiko/XDLM