图像生成

Driving with DINO: Vision Foundation Features as a Unified Bridge for Sim-to-Real Generation in Autonomous Driving

驾驶用DINO：作为自动驾驶仿真到现实生成的统一桥梁的视觉基础特征

Xuyang Chen, Conglang Zhang, Chuanheng Fu, Zihao Yang, Kaixuan Zhou, Yizhi Zhang, Jianan He, Yanfeng Zhang, Mingwei Sun, Zengmao Wang, Zhen Dong, Xiaoxiao Long, Liqiu Meng

机构 * Technical University of Munich（慕尼黑技术大学） ； Huawei Hilbert Research Center（华为希利伯特研究中心） ； Huawei Riemann Lab（华为里曼实验室） ； Wuhan University（武汉大学） ； University of Science and Technology of China（中国科学技术大学） ； Nanjing University（南京大学） 纠错

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

AI总结 DwD通过利用视觉基础模块特征作为统一桥梁，解决自动驾驶仿真到现实生成中的现实性与真实性困境，提升控制精度与时间稳定性。

Comments Project website https://albertchen98.github.io/DwD-project/

ReRoPE: Repurposing RoPE for Relative Camera Control

ReRoPE：将RoPE用于相对相机控制

Chunyang Li, Yuanbo Yang, Jiahao Shao, Hongyu Zhou, Katja Schwarz, Yiyi Liao

机构 * Zhejiang University（浙江大学） ； Independent Researcher（独立研究者） 纠错

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

AI总结 ReRoPE通过将RoPE用于相对相机控制，实现可控视频生成，提升生成质量与效率。

ANCRe: Adaptive Neural Connection Reassignment for Efficient Depth Scaling

ANCRe: 适应性神经连接重新分配用于高效的深度扩展

Yilang Zhang, Bingcong Li, Niao He, Georgios B. Giannakis

机构 * University of Minnesota（明尼苏达大学） ； ETH Zurich（苏黎世联邦理工学院） 纠错

专题命中 可控生成 ：diffusion(abstract)

AI总结 ANCRe通过适应性神经连接重新分配，有效提升深度扩展效率，加速收敛并提高性能。

Enhancing Generative AI Image Refinement with Scribbles and Annotations: A Comparative Study of Multimodal Prompts

通过草图和注释增强生成式AI图像细化：多模态提示的比较研究

Hyerim Park, Phuong Thao Tran, Andre Luckow, Ceenu George, Michael Sedlmair, Malin Eiband

专题命中 可控生成 ：inpainting(abstract)

AI总结 本研究通过比较多模态提示，探讨草图和注释如何提升生成式AI图像细化，提出原型并揭示设计师在多模态策略中的偏好。

Comments 22 pages, 14 figures. Preprint of an accepted IUI '26 paper

A Unified Density Operator View of Flow Control and Merging

流控与融合的统一密度算子视角

Riccardo De Santi, Malte Franke, Ya-Ping Hsieh, Andreas Krause

机构 * ETH Zürich（苏黎世联邦理工学院） ； ETH AI Center（ETH人工智能中心） 纠错

专题命中 可控生成 ：diffusion(abstract)

AI总结 本文提出了一种统一的概率空间框架，通过奖励引导的流融合方法，实现流控与融合的统一处理，并在分子设计和构象生成中展示了其应用。

IGMiRAG: Intuition-Guided Retrieval-Augmented Generation with Adaptive Mining of In-Depth Memory

IGMiRAG: 基于直觉引导的检索增强生成与深度记忆适应性挖掘

Xingliang Hou, Yuyan Liu, Qi Sun, haoxiu wang, Hao Hu, Shaoyi Du, Zhiqiang Tian

专题命中 可控生成 ：diffusion(abstract)

AI总结 IGMiRAG通过直觉引导的检索增强生成框架，结合超图和演绎路径，提升多粒度知识对齐和深度记忆挖掘，实现更高效有效的生成性能。

Comments 29 pages, Information Retrieval

TextOp: Real-time Interactive Text-Driven Humanoid Robot Motion Generation and Control

TextOp: 人形机器人实时交互文本驱动动作生成与控制

Weiji Xie, Jiakun Zheng, Jinrui Han, Jiyuan Shi, Weinan Zhang, Chenjia Bai, Xuelong Li

机构 * Institute of Artificial Intelligence (TeleAI), China Telecom（人工智能研究院（TeleAI），中国电信） ； Shanghai Jiao Tong University（上海交通大学） ； East China University of Science and Technology（东华大学） 纠错

专题命中 可控生成 ：diffusion(abstract)

AI总结 TextOp通过实时文本驱动框架实现人形机器人灵活的动作生成与控制，支持流式指令和即时修改，实现实时交互与自主性平衡。

Comments Project Page: https://text-op.github.io/

Control of the Fisher-Stefan system

Fisher-Stefan系统的控制

Idriss Boutaayamou, Fouad Et-tahri, Lahcen Maniar, Francisco Periago

专题命中 可控生成 ：diffusion(abstract)

AI总结 本文通过将Fisher-Stefan问题转化为非线性系统的局部零可控性，利用Lyusternik-Graves定理实现了轨迹的局部精确可控性，并通过PINNs方法进行了数值验证。

FCDM: A Physics-Guided Bidirectional Frequency Aware Convolution and Diffusion-Based Model for Sinogram Inpainting

FCDM：一种基于物理的双向频率感知卷积和扩散模型用于sinogram修复

Jiaze E, Srutarshi Banerjee, Tekin Bicer, Guannan Wang, Yanfu Zhang, Bin Ren

机构 * Argonne National Laboratory, USA（阿贡国家实验室） 纠错

专题命中 图像修复 ：diffusion(title,abstract)；inpainting(title,abstract)；分类 cs.CV

AI总结 FCDM是一种基于物理的双向频率感知卷积和扩散模型，用于修复sinogram，通过结合双向频率推理、角感知掩码和物理引导正则化，提升全局结构和物理合理性的保持能力。

D$^2$-VR: Degradation-Robust and Distilled Video Restoration with Synergistic Optimization Strategy

D$^2$-VR: 降质鲁棒且蒸馏的视频修复与协同优化策略

Jianfeng Liang, Shaocheng Shen, Botao Xu, Qiang Hu, Xiaoyun Zhang

机构 * Shanghai Jiaotong University（上海交通大学） 纠错

专题命中 图像修复 ：diffusion(abstract)；分类 cs.CV

AI总结 D$^2$-VR通过降质鲁棒流对齐和对抗蒸馏技术，实现低步推理的视频修复，提升修复质量和效率。

Trajectory Stitching for Solving Inverse Problems with Flow-Based Models

轨迹拼接用于基于流模型的逆问题求解

Alexander Denker, Moshe Eliasof, Zeljko Kereta, Carola-Bibiane Schönlieb

机构 * University College London（伦敦大学学院） ； University of Cambridge（剑桥大学） 纠错

专题命中 图像修复 ：inpainting(abstract)

AI总结 MS-Flow通过轨迹拼接方法优化逆问题求解，减少内存消耗并提升重建质量。

FlexID: Training-Free Flexible Identity Injection via Intent-Aware Modulation for Text-to-Image Generation

FlexID: 无训练灵活身份注入 via 意图感知调制 for 文本到图像生成

Guandong Li, Yijun Ding

机构 * iFLYTEK 纠错

专题命中 个性化与一致性 ：image generation(title,abstract)；text-to-image(title,abstract)；diffusion(abstract)；分类 cs.CV

AI总结 FlexID通过意图感知调制实现无训练灵活身份注入，提升文本到图像生成中身份保真度与文本适应性的平衡。

VedicTHG: Symbolic Vedic Computation for Low-Resource Talking-Head Generation in Educational Avatars

VedicTHG: 用于教育拟人化角色中低资源语音生成的符号吠陀计算

Vineet Kumar Rakesh, Ahana Bhattacharjee, Soumya Mazumdar, Tapas Samanta, Hemendra Kumar Pandey, Amitabha Das, Sarbajit Pal

机构 * Engineering Sciences, Homi Bhabha National Institute Training School Complex（工程科学，霍米·巴哈瓦国家研究所培训学校复杂区） ； Computer and Informatics Group, Variable Energy Cyclotron Centre（计算机与信息组，变能回旋加速器中心） 纠错

专题命中 个性化与一致性 ：diffusion(abstract)；分类 cs.CV

AI总结 VedicTHG通过符号吠陀计算在CPU上实现低资源谈话头生成，减少计算负载和延迟，提升教育拟人化角色的实用性

SIGMA: Selective-Interleaved Generation with Multi-Attribute Tokens

SIGMA: 带多属性标记的选择性交错生成

Xiaoyan Zhang, Zechen Bai, Haofan Wang, Yiren Song

机构 * Creatly AI ； University of Michigan（密歇根大学） ； Lovart AI ； National University of Singapore（新加坡国立大学） 纠错

专题命中 个性化与一致性 ：diffusion(abstract)；分类 cs.CV

AI总结 SIGMA通过引入多属性标记实现多条件生成，提升可控性、一致性和视觉质量，优于Bagel在组合任务中的表现。

IM-Animation: An Implicit Motion Representation for Identity-decoupled Character Animation

IM-Animation: 一种隐式运动表示用于身份解耦的角色动画

Zhufeng Xu, Xuan Gao, Feng-Lin Liu, Haoxian Zhang, Zhixue Fang, Yu-Kun Lai, Xiaoqiang Liu, Pengfei Wan, Lin Gao

机构 * Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Kling Team, Kuaishou Technology（快手技术 Kling 团队） ； Cardiff University（卡迪夫大学） 纠错

专题命中 个性化与一致性 ：diffusion(abstract)；分类 cs.CV

AI总结 IM-Animation通过隐式运动表示和时间一致的遮罩令牌重定向模块，实现身份解耦的角色动画生成，提升动画质量和训练效率。

How well are open sourced AI-generated image detection models out-of-the-box: A comprehensive benchmark study

开源生成图像检测模型的即插即用性能如何：一项全面的基准研究

Simiao Ren, Yuchen Zhou, Xingyu Shen, Kidus Zewde, Tommy Duong, George Huang, Hatsanai, Tiangratanakul, Tsang, Ng, En Wei, Jiayu Xue

专题命中 图像生成评测 ：diffusion(abstract)；分类 cs.CV

AI总结 本文评估了16种最新图像检测模型的即插即用性能，发现无统一最佳模型，训练数据对齐影响显著，现代生成器性能优异，揭示了跨数据集泛化中的系统性故障模式。

Moonworks Lunara Aesthetic II: An Image Variation Dataset

月光作品 Lunara 美学 II：一个图像变化数据集

Yan Wang, Partho Hassan, Samiha Sadeka, Nada Soliman, Sayeef Abdullah, Sabit Hassan

专题命中 图像生成评测 ：image generation(abstract)；分类 cs.CV

AI总结 Lunara Aesthetic II 是一个用于评估图像生成和编辑系统中上下文一致性的公开数据集，通过保持身份的上下文变换提供监督信号，具有高美学评分和稳定的身份特征。

Pronunciation Editing for Finnish Speech using Phonetic Posteriorgrams

使用音素后验图进行芬兰语语音编辑

Zirui Li, Lauri Juvela, Mikko Kurimo

专题命中 图像生成评测 ：diffusion(abstract)

AI总结 本文提出PPG2Speech模型，通过音素后验图编辑生成接近二语语音，适用于资源有限语言如芬兰语的语音合成与编辑。

Comments Accepted by Proceeding of 13th edition of the Speech Synthesis Workshop; 5 pages, 1 figure

ArcFlow: Unleashing 2-Step Text-to-Image Generation via High-Precision Non-Linear Flow Distillation

ArcFlow：通过高精度非线性流蒸馏实现两步文本到图像生成

Zihan Yang, Shuyuan Tu, Licheng Zhang, Qi Dai, Yu-Gang Jiang, Zuxuan Wu

机构 * Fudan University（复旦大学） ； Microsoft Research Asia（微软亚洲研究院） 纠错

专题命中 效率与蒸馏 ：image generation(title)；text-to-image(title)；diffusion(abstract)；分类 cs.CV

AI总结 ArcFlow通过高精度非线性流蒸馏实现两步文本到图像生成，提升生成速度并保持质量。

Autoregressive Image Generation with Masked Bit Modeling

基于掩码位建模的自回归图像生成

Qihang Yu, Qihao Liu, Ju He, Xinyang Zhang, Yang Liu, Liang-Chieh Chen, Xi Chen

机构 * Amazon FAR (Frontier AI \& Robotics) 纠错

专题命中 效率与蒸馏 ：image generation(title)；分类 cs.CV；diffusion(comments)

AI总结 本文提出基于掩码位建模的自回归框架，通过扩大代码本大小有效缩小离散与连续方法的性能差距，实现更高效的图像生成。

Comments SOTA discrete visual generation defeats diffusion models with 0.99 FID score, project page is available at https://bar-gen.github.io/

MAMBO-G: Magnitude-Aware Mitigation for Boosted Guidance

MAMBO-G：基于幅度的提升引导抑制

Shangwen Zhu, Qianyu Peng, Zhilei Shu, Yuting Hu, Zhantao Yang, Han Zhang, Zhao Pu, Andy Zheng, Xinyu Cui, Jian Zhao, Ruili Feng, Fan Cheng

机构 * Shanghai Jiao Tong University（上海交通大学） ； The University of Hong Kong（香港大学） ； University of Science and Technology of China（中国科学技术大学） ； University of Waterloo（滑铁卢大学） ； Chinese Academy of Sciences（中国科学院） ； Zhongguancun Academy（中关村学院） 纠错

专题命中 效率与蒸馏 ：text-to-image(abstract)；diffusion(abstract)；分类 cs.CV

AI总结 MAMBO-G通过动态优化引导幅度，显著降低计算成本，实现视频生成任务的高效加速。

MTS-CSNet: Multiscale Tensor Factorization for Deep Compressive Sensing on RGB Images

MTS-CSNet: 多尺度张量分解用于RGB图像的深度压缩感知

Mehmet Yamac, Lei Xu, Serkan Kiranyaz, Moncef Gabbouj

专题命中 效率与蒸馏 ：diffusion(abstract)；分类 cs.CV

AI总结 MTS-CSNet通过多尺度张量分解实现高效RGB图像压缩感知，提供更优的重建性能和更快的推理速度。

Comments 6 pages, 5 figures

Improved sampling algorithms and functional inequalities for non-log-concave distributions

改进的采样算法与非对数凹分布的函数不等式

Yuchen He, Zhehan Lei, Jianan Shao, Chihao Zhang

机构 * Shanghai Jiao Tong University（上海交通大学） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文改进了非对数凹分布采样算法，通过加强假设获得更优的查询复杂度和Poincaré常数界。

Direct Soft-Policy Sampling via Langevin Dynamics

通过 Langevin 动力学实现直接软策略采样

Donghyeon Ki, Hee-Jun Ahn, Kyungyoon Kim, Byung-Jun Lee

机构 * Department of Artificial Intelligence, Korea University, Seoul, Republic of Korea（韩国大学人工智能系） ； Gauss Labs Inc（Gauss实验室） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 通过引入噪声条件化的 Langevin 动力学，NC-LQL 实现了高效的软策略采样，提升了在线强化学习的性能。

Generalised Flow Maps for Few-Step Generative Modelling on Riemannian Manifolds

广义流映射用于黎曼流形上的少步生成建模

Oscar Davis, Michael S. Albergo, Nicholas M. Boffi, Michael M. Bronstein, Avishek Joey Bose

机构 * University of Oxford（牛津大学） ； Harvard University（哈佛大学） ； Kempner Institute（凯普纳研究所） ； Institute for Artificial Intelligence and Fundamental Interactions, MIT（人工智能与基本相互作用研究所，MIT） ； Carnegie Mellon University（卡内基梅隆大学） ； AITHYRA（AITHYRA研究所） ； Mila（Mila研究所） ； Imperial College London（伦敦帝国学院） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 本文提出广义流映射（GFM）用于黎曼流形上的少步生成建模，通过自蒸馏方法提升现有生成模型性能。

Comments Under review