图像生成

PBR-Inspired Controllable Diffusion for Image Generation

受PBR启发的可控扩散用于图像生成

Bowen Xue, Giuseppe Claudio Guarnera, Shuang Zhao, Zahra Montazeri

专题命中 可控生成 ：image generation(title,abstract)；diffusion(title)；text-to-image(abstract)；分类 cs.GR

AI总结 本研究提出了一种受PBR启发的可控扩散方法，通过生成G-buffer实现对图像生成中几何布局和材质属性的精细控制，通过用户研究验证了其在文本引导图像生成中的有效性。

FusionEdit: Semantic Fusion and Attention Modulation for Training-Free Image Editing

FusionEdit: 基于语义融合与注意力调节的无训练图像编辑

Yongwen Lai, Chaoqun Wang, Shaobo Min

机构 * School of Artificial Intelligence, South China Normal University（人工智能学院，华南师范大学） ； University of Science and Technology of China（中国科学技术大学） 纠错

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

AI总结 FusionEdit通过语义融合与注意力调节实现无训练图像编辑，提升编辑精度与可控性。

Comments Accepted by ICASSP 2026

DegDiT: Controllable Audio Generation with Dynamic Event Graph Guided Diffusion Transformer

DegDiT：基于动态事件图引导的扩散变换器的可控音频生成

Yisu Liu, Chenxing Li, Wanqian Zhang, Wenfu Wang, Meng Yu, Ruibo Fu, Zheng Lin, Weiping Wang, Dong Yu

机构 * Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； School of Cyber Security, University of Chinese Academy of Sciences（中国科学院大学网络安全学院） ； Tencent, AI Lab（腾讯AI实验室） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） 纠错

专题命中 可控生成 ：diffusion(title,abstract)

AI总结 DegDiT通过动态事件图引导的扩散变换器框架，实现了开放式词汇可控音频生成，提升了生成音频的准确性和多样性。

Journal ref IEEE/ACM Transactions on Audio, Speech, and Language Processing, 2026

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。