图像生成

Guidance Matters: Rethinking the Evaluation Pitfall for Text-to-Image Generation

引导至关重要：重新审视文本到图像生成中的评估误区

Dian Xie, Shitong Shao, Lichen Bai, Zikai Zhou, Bojun Cheng, Shuo Yang, Jun Wu, Zeke Xie

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） ； Cogniser Information Technology（Cogniser信息科技） 纠错

专题命中 图像生成评测 ：image generation(title)；text-to-image(title)；diffusion(abstract)；分类 cs.CV

AI总结 本文重新审视文本到图像生成中的评估误区，提出引导感知评估框架，并设计超越扩散引导方法以提升人类偏好评分。

Dual-IPO: Dual-Iterative Preference Optimization for Text-to-Video Generation

Dual-IPO: 双迭代偏好优化用于文本到视频生成

Xiaomeng Yang, Mengping Yang, Jia Gong, Luozheng Qin, Zhiyu Tan, Hao Li

机构 * Fudan University（复旦大学） ； Shanghai Academy of AI for Science（上海人工智能科学研究院） 纠错

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

AI总结 Dual-IPO通过迭代优化奖励模型和视频生成模型，提升文本到视频生成的质量和人类偏好对齐，无需手动标注即可提高合成效果。

Comments To appear in ICLR 2026, GitHub Code: https://github.com/SAIS-FUXI/IPO