图像生成

Morphological Addressing of Identity Basins in Text-to-Image Diffusion Models

文本到图像扩散模型中身份盆地的形态学分析

Andrew Fraser

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

AI总结 通过形态学描述符和提示层面的音感结构，研究揭示了文本到图像扩散模型中身份盆地的系统性导航梯度，展示了身份稳定性和新视觉概念的生成。

MICON-Bench: Benchmarking and Enhancing Multi-Image Context Image Generation in Unified Multimodal Models

MICON-Bench: 多图像上下文图像生成的基准测试与增强

Mingrui Wu, Hang Liu, Jiayi Ji, Xiaoshuai Sun, Rongrong Ji

机构 * Key Laboratory of Multimedia Trusted Perception and Efficient Computing, Ministry of Education of China, Xiamen University（多媒体可信感知与高效计算重点实验室，中国教育部，厦门大学） ； Zhongguancun Academy, Beijing, China（中关村学院，北京，中国） 纠错

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

AI总结 MICON-Bench通过六个任务评估多图像上下文生成能力，并提出DAR机制提升生成质量与连贯性。

Comments CVPR2026

RegionRoute: Regional Style Transfer with Diffusion Model

RegionRoute: 区域风格迁移与扩散模型

Bowen Chen, Jake Zuena, Alan C. Bovik, Divya Kothandaraman

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Dolby Laboratories, Inc.（杜比实验室） 纠错

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

AI总结 RegionRoute提出一种注意力监督的扩散框架，通过训练对齐风格标记的注意力分数与对象掩码，实现精确的区域风格迁移，提升风格应用的局部化能力。

MEt3R: Measuring Multi-View Consistency in Generated Images

MEt3R：测量生成图像的多视图一致性

Mohammad Asim, Christopher Wewer, Thomas Wimmer, Bernt Schiele, Jan Eric Lenssen

机构 * Max Planck Institute for Informatics（马克斯·普朗克信息研究所） ； Saarland Informatics Campus（萨尔州信息校园） ； ETH Zurich（苏黎世联邦理工学院） 纠错

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

AI总结 MEt3R是一种用于评估生成图像多视图一致性的新指标，通过密集3D重建和特征比较，独立于场景和采样过程，评估生成模型的质量。

Comments Project website: https://geometric-rl.mpi-inf.mpg.de/met3r/ Updated to Camera-Ready version

Optimizing ID Consistency in Multimodal Large Models: Facial Restoration via Alignment, Entanglement, and Disentanglement

多模态大模型中ID一致性优化：通过对齐、纠缠与解纠缠进行面部修复

Yuran Dong, Hang Dai, Mang Ye

机构 * National Engineering Research Center for Multimedia Software（多媒体软件国家工程研究中心） ； School of Computer Science, Wuhan University（武汉大学计算机学院） 纠错

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

AI总结 EditedID通过引入对齐、解纠缠和纠缠机制，提升多模态大模型中面部身份一致性的修复能力。

Comments ICLR 26

StyleStream: Real-Time Zero-Shot Voice Style Conversion

StyleStream: 实时零样本语音风格转换

Yisi Liu, Nicholas Lee, Gopala Anumanchipalli

机构 * UC Berkeley（伯克利大学） 纠错

专题命中 个性化与一致性 ：diffusion(abstract)

AI总结 StyleStream通过Destylizer和Stylizer实现实时零样本语音风格转换，采用非自回归架构，端到端延迟仅1秒。