视觉与机器人
图像生成、文生图、图像编辑、扩散模型和可控生成。
局部流匹配生成模型
机构 * H. Milton Stewart School of Industrial and Systems Engineering, Georgia Institute of Technology（哈里·米尔顿·斯图尔特工业与系统工程学院，佐治亚理工学院） ； Department of Mathematics, Duke University（杜克大学数学系）
专题命中 扩散模型 ：diffusion(abstract)
AI总结 提出局部流匹配（LFM）方法，通过逐步学习一系列流匹配子模型，每个子模型匹配扩散过程的一个时间步，实现更高效训练，并基于χ²散度提供理论生成保证，在表格、图像和机器人策略生成中表现竞争性。
带不连续漂移系数的多维随机微分方程的欧拉-丸山格式性能研究
专题命中 扩散模型 ：diffusion(abstract)
AI总结 研究带不连续漂移系数的多维SDE的强逼近，证明欧拉-丸山格式对所有维数和p≥1达到至少1/2-的L_p误差率。
对称包含过程及相关模型的单粒子和双粒子谱间隙恒等式
专题命中 扩散模型 ：diffusion(abstract)
AI总结 研究对称包含过程（SIP）的谱间隙，发现对数凹区域外单粒子恒等式失效，但非保守SIP始终成立，并推导了双粒子恒等式。
Comments 57 pages, 6 figures, 1 table. Final journal version
发射偶极取向揭示溶剂界面处单分子与二维晶体的动态相互作用
专题命中 扩散模型 ：diffusion(abstract)
AI总结 本文提出高通量偏振单分子定位显微镜，同时以纳米精度解析单荧光分子的位置和发射偶极取向，揭示了室温下六方氮化硼与有机溶剂界面处分子相互作用动力学。
Comments Nat Commun (2026)
可控纹理平铺：基于变换RoPE增强扩散模型
机构 * City University of Hong Kong（香港城市大学） ； Manycore Tech Inc.（Manycore科技公司） ； Hong Kong University of Science and Technology（香港科学与技术大学）
专题命中 可控生成 ：diffusion(title,abstract)；image editing(abstract)；inpainting(abstract)；分类 cs.CV、cs.GR
AI总结 提出基于扩散变换器的可控纹理平铺框架，通过坐标变换旋转位置编码实现精确平铺控制，并利用分离注意力掩码保持参考纹理结构，同时与场景光照几何无缝融合。
Comments The code and dataset are publicly accessible at https://github.com/junrongh/ControlTile
多投影映射的物理引导图像生成
机构 * Ningbo University（宁波大学）
专题命中 可控生成 ：image generation(title)；text-to-image(abstract)；diffusion(abstract)；分类 cs.CV
AI总结 针对投影映射中理想化2D生成与物理约束不匹配的问题，提出统一可控的物理引导生成框架ConPhyG，支持合作与对抗两种范式，通过注入多维物理先验或数值优化实现几何对齐、色域利用和语义保真度的显著提升。
Comments 15 pages
语义浏览：图像生成的可控多样性
机构 * Tel Aviv University（特拉维夫大学）
专题命中 可控生成 ：image generation(title)；text-to-image(abstract)；分类 cs.CV、cs.GR
AI总结 针对文本到图像模型生成多样性不足且缺乏语义结构的问题，提出一种在文本层面引入多样性的方法，通过视觉语言模型和代理工作流实现用户可导航的语义变化空间。
Comments ECCV 2026. Project page: https://saradorfman1.github.io/SemanticBrowsing-webpage/
通过离散扩散实现可控口音标准化
机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Nanjing University（南京大学） ； Tencent Ethereal Audio Lab（腾讯虚音频实验室） ； Shenzhen Loop Area Institute（深圳河套学院）
专题命中 可控生成 ：diffusion(title,abstract)
AI总结 提出DLM-AN系统，利用掩蔽离散扩散和自监督语音令牌，通过选择性重用源令牌控制口音强度，结合流匹配时长比预测器调整节奏，实现低词错误率和可解释的口音强度控制。
Comments Accepted to Interspeech 2026 as a long paper
轨迹强制：具有可控语义轨迹的结构优先生成
机构 * University of Tübingen（图宾根大学） ； ETH Zürich（苏黎世联邦理工学院） ； Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所） ； ELLIS Institute（ELLIS研究所） ； Tübingen AI Center（图宾根人工智能中心）
专题命中 可控生成 ：diffusion(abstract)；image synthesis(abstract)；分类 cs.CV
AI总结 提出轨迹强制框架，将生成过程组织为从全局布局到细节的语义阶段，每个阶段产生可解码的潜在状态，支持局部编辑，实现结构优先的可控图像合成。
Comments Project page: https://mervekocabas.github.io/TrajectoryForcing/
Journal ref Proceedings of the European Conference on Computer Vision (ECCV), 2026
AnimeAdapter: 细粒度且一致的零样本动漫人物生成
机构 * National University of Singapore, Singapore（新加坡国立大学）
专题命中 可控生成 ：diffusion(abstract,abstract_cn)；分类 cs.CV
AI总结 本文提出了一种轻量级的外观适配器，用于在多样编辑条件下实现可控且一致的动漫人物生成，通过注入单张参考图像的细粒度视觉特征到扩散过程中，并结合CLIP的局部空间化特性，开发出语义选择性局部注意力机制，进一步解耦人物外观与空间布局，从而实现高效的动漫人物生成。
IMAGIN-4D：图像引导的可控交互生成
机构 * Meta, Zurich（Meta 苏黎世）
专题命中 可控生成 ：diffusion(abstract)；分类 cs.CV
AI总结 提出IMAGIN-4D，一种基于扩散模型的人-物交互生成方法，通过时空分解的图像条件控制交互细节，提升细粒度交互控制能力。
Comments 15 pages, 8 figures. Project page: https://imagin4d.github.io
BEV-Denoise：学习内在噪声以实现精确的鸟瞰图语义分割
机构 * Electronics and Telecommunications Research Institute (ETRI)（韩国电子通信研究院） ； University of Science and Technology (UST)（科学技术联合大学院大学）
专题命中 可控生成 ：diffusion(abstract)；分类 cs.CV
AI总结 提出BEV-Denoise框架，利用UNet噪声估计模块从鸟瞰图特征中去除内在噪声，通过任务分解学习范式训练，提升多种视图变换模型的语义分割精度。
Go-with-the-Track: 基于点追踪的视频合成与运动控制
机构 * Netflix USA（Netflix美国） ； Eyeline Labs USA（Eyeline Labs美国） ； University of Oxford（牛津大学） ； Eyeline Labs Los Angeles USA（Eyeline Labs洛杉矶美国） ； University of California, Los Angeles（加州大学洛杉矶分校） ； Stony Brook University USA（石溪大学美国） ； Columbia University USA（哥伦比亚大学美国） ； Eyeline Labs United Kingdom（Eyeline Labs英国） ； Netflix Los Angeles USA（Netflix洛杉矶美国）
专题命中 可控生成 ：diffusion(abstract)；分类 cs.CV
AI总结 提出Go-with-the-Track，通过联合条件多参考图像和参考锚定点轨迹，统一视频合成与运动控制，实现精确合成与运动控制。
Comments SIGGRAPH 2026, Project page: https://eyeline-labs.github.io/Go-with-the-Track/
自动做市商的最优动态费用：针对再平衡损失的随机控制方法
专题命中 可控生成 ：diffusion(abstract)
AI总结 研究恒定乘积自动做市商中流动性提供者的最优动态费用策略，通过随机控制方法平衡交易收入与套利损失，证明最优费用与波动率正相关且具有顺周期性。
Comments 18 pages, 3 figures, 1 table; JEL: G12, G14, C61, D47
具有混合控制和状态约束的癌症化疗与治疗优化最优控制问题
专题命中 可控生成 ：diffusion(abstract)
AI总结 针对化疗药物递送策略，提出具有混合控制和状态约束的最优控制问题，通过非线性反应扩散方程建模，推导最优性必要条件，并在肺癌消除案例中验证策略有效性。
反射随机控制中的非光滑障碍与杀灭预解式
专题命中 可控生成 ：diffusion(abstract)
AI总结 针对具有非光滑最大型收益的二维反射扩散最优停止问题，提出测度值变分公式化，证明停止增益为带奇异性支撑的Radon测度，并给出杀灭预解表示，修正了无效的无限制预解公式。
DASIP：基于随机插值策略的机器人控制动态测试时计算缩放
机构 * New York University（纽约大学） ； University of Maryland（马里兰大学） ； Harvard University（哈佛大学） ； Capital Fund Management（资本基金管理公司）
专题命中 可控生成 ：diffusion(abstract)
AI总结 提出难度感知随机插值策略（DA-SIP），通过难度分类器动态调整推理步数、求解器和ODE/SDE积分，在保持任务成功率的同时将计算时间减少2.6-4.4倍。
不确定性下最优控制的多层随机梯度下降法
专题命中 可控生成 ：diffusion(abstract)
AI总结 提出一种多层随机梯度下降法，用于求解受不确定输入数据影响的偏微分方程最优控制问题，通过并行多层蒙特卡洛估计随机梯度，实现线性收敛并显著优于标准随机梯度下降法。
基于Delaunay平均值的图像修复数据优化
专题命中 图像修复 ：inpainting(title,abstract)；diffusion(abstract)
AI总结 提出一种新的特征类型：存储Delaunay三角剖分的顶点位置及三角形内平均颜色值，结合均匀扩散修复实现正定线性系统，并开发高效数据优化策略，在图像压缩中显著优于传统方法。
NullFlow: 一步生成式重建
机构 * University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； Washington University in St. Louis（圣路易斯华盛顿大学）
专题命中 图像修复 ：diffusion(abstract)；inpainting(abstract)；分类 cs.CV
AI总结 提出NullFlow框架，通过将生成流限制在测量一致子空间实现一步图像重建，无需数据保真校正，学习平均速度避免逐步积分，在图像修复中达到SOTA性能且仅需一次网络评估。
Comments 9 pages, 3 figures. Xiao Shi and Edward P. Chandler contributed equally
保真度与感知感知的局部隐式注意力用于任意尺度图像超分辨率
机构 * National Taiwan University（国立台湾大学） ； MediaTek Inc.（联发科技股份有限公司）
专题命中 图像修复 ：diffusion(abstract)；分类 cs.CV
AI总结 提出FPLIA框架，通过融合保真度导向特征与扩散管道，结合FPAM和FPSM模块，在任意尺度超分辨率中实现高感知真实度与重建精度。
Comments ECCV 2026
ForeHOI: 从日常手物交互视频中进行前馈式3D物体重建
机构 * School of Science and Engineering, The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）科学与工程学院） ； FNii-Shenzhen（FNii-深圳） ； Guangdong Provincial Key Laboratory of Future Networks of Intelligence（广东省未来智能网络关键实验室） ； SDS, CUHKSZ（CUHKSZ SDS）
专题命中 图像修复 ：inpainting(abstract)；分类 cs.CV
AI总结 提出前馈模型ForeHOI，通过联合2D掩膜修复和3D形状补全，在一分钟内从单目视频直接重建3D物体，无需预处理，性能优于优化方法且速度提升约100倍。
Comments 14 pages, 7 figures, Page: https://tao-11-chen.github.io/project_pages/ForeHOI/
S^2VG：基于去噪帧矩阵的3D立体与空间视频生成
机构 * Department of Electrical and Electronic Engineering at The University of Hong Kong（香港大学电子与电气工程系） ； Google（谷歌）
专题命中 图像修复 ：inpainting(abstract)；分类 cs.CV
AI总结 提出一种无需姿态和训练的方法，利用现成单目视频生成模型，通过深度图扭曲和帧矩阵修复框架，生成时空一致的3D立体与空间视频。
Comments immersive video generation, 4D scene, spatial video, stereo video
稳定一致性训练：流映射分析与自蒸馏
机构 * Department of Computer Science and Engineering（计算机科学与工程系） ； Seoul National University（首尔国立大学） ； Interdisciplinary Program in Artificial Intelligence（人工智能跨学科项目）
专题命中 个性化与一致性 ：image generation(abstract)；diffusion(abstract)；分类 cs.CV
AI总结 本文从流映射角度分析一致性模型的不稳定性与退化解，提出基于自蒸馏的优化策略以避免梯度爆炸，并在图像生成和扩散策略学习中验证其有效性。
SteerVTE: 具有风格和字形控制的无缝视频文本编辑
机构 * Peking University（北京大学）
专题命中 个性化与一致性 ：diffusion(abstract)；分类 cs.CV
AI总结 提出SteerVTE框架，通过风格编码器和双粒度字形编码器控制冻结视频扩散模型，结合字形感知空间焦点损失和三阶段渐进训练，实现精确、连贯的视频文本编辑。
P-Check：通过学习生成动态检查清单推进个性化奖励模型
机构 * Department of Artificial Intelligence,Yonsei University（燕京大学人工智能学院）
专题命中 个性化与一致性 ：personalized generation(abstract)
AI总结 本文提出P-Check框架，通过学习生成动态检查清单来提升个性化奖励模型的准确性，并引入偏好对比准则加权策略以增强个性化生成效果。
Comments ACL 2026 Main
面向受限数据图像生成与增强的以对象为中心的数据集资源
机构 * The University of Queensland（昆士兰大学） ； Swinburne University of Technology（斯威本科技大学）
专题命中 图像生成评测 ：image generation(title,abstract)；分类 cs.CV
AI总结 针对少样本场景下的对象中心图像生成，提出三个标准化数据集资源（Cityscapes-Pedestrian、TrafficSigns、COCO PottedPlant），提供256×256裁剪、边界框标注及重建脚本，支持受控比较与评估。
Comments 5 pages including references, 2 figures, 2 tables. Dataset and related files at https://github.com/Latzi/object-centric-low-data-datasets and https://doi.org/10.5281/zenodo.20573001
ServImage: 一个来自现实商业成像服务的图像生成和编辑基准
机构 * MBZUAI, United Arab Emirates（阿联酋MBZUAI）
专题命中 图像生成评测 ：image generation(title,abstract)；分类 cs.CV
AI总结 ServImage通过结合经济价值评估，评估图像生成模型的商业可行性，提出包含商业设计任务和交付物的基准数据集及评分系统，实现82%的支付预测准确率。
Fed-CausalDiff: 面向联邦干预模拟与策略评估的解耦同步方法
机构 * Akademiaavtalen project ASPIRE（Akademiaavtalen项目ASPIRE）
专题命中 图像生成评测 ：diffusion(abstract)
AI总结 提出Fed-CausalDiff联邦因果扩散框架，通过将潜在状态演化解耦为全局因果评分和局部混杂评分，实现解耦同步，在保护数据隐私的同时提升干预效应和策略价值估计精度。
FrogBard-512：四声道排列哈希函数的设计与实验评估
专题命中 图像生成评测 ：diffusion(abstract)
AI总结 提出一种基于2048位排列的四声道哈希函数FrogBard-512，采用1024位速率、16轮置换和树模式，通过实验验证实现一致性和无统计缺陷。
Comments 18 pages, 7 figures, and 10 tables. This paper describes an experimental hash-function design and reports implementation
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈