图像生成

Many-for-Many: Unify the Training of Multiple Video and Image Generation and Manipulation Tasks

许多对许多：统一多个视频和图像生成与操控任务的训练

Ruibin Li, Tao Yang, Yangming Shi, Weiguo Feng, Shilei Wen, Bingyue Peng, Lei Zhang

机构 * ByteDance（字节跳动） ； The Hong Kong Polytechnic University（香港理工大学） 纠错

专题命中 可控生成 ：image generation(title)；diffusion(abstract)；分类 cs.CV

AI总结 本文提出many-for-many框架，通过统一训练多个视频和图像生成与操控任务，提升视频生成性能并引入深度图条件。

Bringing Diversity from Diffusion Models to Semantic-Guided Face Asset Generation

从扩散模型中引入多样性以实现语义引导的面部资产生成

Yunxuan Cai, Sitao Xiang, Zongjian Li, Haiwei Chen, Yajie Zhao

机构 * University of Southern California, USC Institute for Creative Technologies（美国南加州大学，USC创意技术研究所） ； USC Institute for Creative Technologies（USC创意技术研究所） 纠错

专题命中 可控生成 ：diffusion(title,abstract)；分类 cs.CV

AI总结 本文提出了一种语义可控的生成网络，通过扩散模型生成高质量3D面部数据库，并开发了高效的GAN基生成器，用于创建和编辑高质量面部资产。

Comments Accepted Manuscript

Untwisting RoPE: Frequency Control for Shared Attention in DiTs

解开RoPE：多模态和共享注意力中的频率控制

Aryan Mikaeili, Or Patashnik, Andrea Tagliasacchi, Daniel Cohen-Or, Ali Mahdavi-Amiri

机构 * Simon Fraser University（西蒙弗雷泽大学） ； Tel Aviv University（特拉维夫大学） ； University of Toronto（多伦多大学） 纠错

专题命中 可控生成 ：diffusion(abstract)；分类 cs.CV、cs.GR

AI总结 本文通过分析RoPE的频率结构，提出方法调节RoPE频率带以实现更符合语义的共享注意力，从而有效控制风格迁移与内容复制的平衡。

Pseudo-Invertible Neural Networks

伪可逆神经网络

Yamit Ehrlich, Nimrod Berman, Assaf Shocher

机构 * Ben-Gurion University（本·古里安大学） 纠错

专题命中 可控生成 ：diffusion(abstract)；分类 cs.CV

AI总结 本文提出伪可逆神经网络，用于解决非线性逆问题，通过非线性反向投影实现零样本逆向生成。

LSA: Localized Semantic Alignment for Enhancing Temporal Consistency in Traffic Video Generation

LSA：局部语义对齐用于增强交通视频生成中的时间一致性

Mirlan Karimov, Teodora Spasojevic, Markus Braun, Julian Wiederer, Vasileios Belagiannis, Marc Pollefeys

机构 * Mercedes-Benz AG（梅赛德斯-奔驰集团） ； ETH Zurich（苏黎世联邦理工学院） ； Friedrich-Alexander University Erlangen-Nuremberg（埃朗根-纽伦堡弗里德里希-亚历山大大学） 纠错

专题命中 可控生成 ：diffusion(abstract)；分类 cs.CV

AI总结 LSA通过局部语义对齐提升交通视频生成的时间一致性，无需外部控制信号。

Comments Accepted to IEEE IV 2026. 8 pages, 3 figures. Code available at https://github.com/mirlanium/LSA

SSG: Scaled Spatial Guidance for Multi-Scale Visual Autoregressive Generation

SSG: 多尺度视觉自回归生成的缩放空间引导

Youngwoo Shin, Jiwan Hur, Junmo Kim

机构 * Korea Advanced Institute of Science and Technology（韩国科学技术院） 纠错

专题命中 可控生成 ：image generation(abstract)；分类 cs.CV

AI总结 SSG通过缩放空间引导方法，在无需训练的情况下提升多尺度视觉自回归生成的保真度和多样性，同时保持低延迟。

Comments Accepted to ICLR 2026

Dual-Representation Image Compression at Ultra-Low Bitrates via Explicit Semantics and Implicit Textures

通过显式语义和隐式纹理实现超低比特率的双表示图像压缩

Chuqin Zhou, Xiaoyue Ling, Yunuo Chen, Jincheng Dai, Guo Lu, Wenjun Zhang

机构 * Shanghai Jiao Tong University（上海交通大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） 纠错

专题命中 可控生成 ：diffusion(abstract)；分类 cs.CV

AI总结 本文提出了一种融合显式语义和隐式纹理的图像压缩框架，通过无训练的方式提升超低比特率下的压缩性能。

Dynamics of a nonlocal epidemic model with a new free boundary condition, part 1: Spreading-vanishing dichotomy

非局部流行病模型的动力学研究：带有新自由边界条件的扩散-反应系统，第一部分：扩散-消失二元性

Yao Chen, Yihong Du, Wan-Tong Li, Rong Wang

专题命中 可控生成 ：diffusion(abstract)

AI总结 本文提出了一种新的自由边界条件，研究非局部流行病模型的长期动力学行为，揭示了扩散与消失的二元性及其精确阈值。

Provably Reliable Classifier Guidance via Cross-Entropy Control

通过交叉熵控制实现可证明可靠的分类器引导

Sharan Sahu, Arisina Banerjee, Yuchen Wu

专题命中 可控生成 ：diffusion(abstract)

AI总结 本文通过交叉熵控制证明了分类器引导扩散模型的可靠性，建立了分类器训练与引导对齐的理论联系。

Comments 31 pages, 3 figures

An infinite horizon sufficient stochastic maximum principle for regime switching diffusions and applications

无限时间充分随机最大原理及其在 regime switching 扩散中的应用

Kai Ding, Xun Li, Siyu Lv, Xin Zhang

专题命中 可控生成 ：diffusion(abstract)

AI总结 本文提出了一种无限时间 horizon 的随机最大原理，用于 regime switching 扩散的最优控制问题，并通过线性二次生产计划问题展示了其应用。

ARCHI-TTS: A flow-matching-based Text-to-Speech Model with Self-supervised Semantic Aligner and Accelerated Inference

ARCHI-TTS: 一种基于流匹配的文本到语音模型，配备自监督语义对齐器和加速推理

Chunyat Wu, Jiajun Deng, Zhengxi Liu, Zheqi Dai, Haolin He, Qiuqiang Kong

机构 * The Chinese University of Hong Kong, Hong Kong SAR, China（香港中文大学） 纠错

专题命中 可控生成 ：diffusion(abstract)

AI总结 ARCHI-TTS通过自监督语义对齐器和高效推理策略，实现了高效率的文本到语音合成，优于现有最先进系统。

Comments Accepted by ICASSP 2026