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。
分支形态发生晶格模型中形态和拓扑的控制
专题命中 可控生成 ：diffusion(abstract)
AI总结 该研究提出结合非平衡物理与发育生物学思想的晶格模型，用于形态发生素控制的分支形态发生。通过局部算子控制拓扑，研究分支模式动力学，发现拓扑保持稳态簇的回转半径与簇大小呈幂律缩放，给出了不同晶格中的指数。
Comments Main text and appendix: 11 pages, 6 figures, 2 tables
基于随机动力学的图像修复
机构 * Oxford Suzhou Centre for Advanced Research, University of Oxford（牛津大学牛津 - 苏州高等研究院） ； Institute for Advanced Research, Great Bay University（大湾区大学高等研究院） ； Mathematical Institute, University of Oxford（牛津大学数学研究所）
专题命中 图像修复 ：inpainting(title,abstract)；分类 cs.CV
AI总结 研究图像修复问题，提出基于数据引导随机动力学的非参数方法，无需网络训练，通过反向随机微分方程及核加权校正引导重建，在多个数据集实验中表现优于其他方法，证明经验参考统计对图像修复的有效性。
FiDeSR: 高保真且细节保留的一步扩散超分辨率
机构 * Kyungpook National University ； Korea Electronics Technology Institute
专题命中 图像修复 ：diffusion(title,abstract)；分类 cs.CV
AI总结 FiDeSR通过细节感知加权策略和残差-残差噪声细化，实现高保真且细节保留的一步扩散超分辨率
Comments Accepted to CVPR 2026
Journal ref Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2026, pp. 38270-38280
小型、无偏差、盲态和卷积去噪器：用于盲高斯彩色图像去噪的紧凑型ConvNeXt U-Net
专题命中 图像修复 ：inpainting(abstract)；分类 cs.CV
AI总结 研究针对盲高斯彩色图像去噪，提出结合多种要素的紧凑型无偏差ConvNeXt U-Net即BF-ConvUNeXt。通过特殊设计使其具有齐次性，能盲态泛化。训练单一模型，在多数据集多噪声水平下评估表现良好，虽略落后于最优技术，但参数少，还推动相关逆问题研究。
Comments 15 pages, 1 figure
用于多模态遥感图像生成的对比参数解缠
机构 * School of Information and Communication Engineering, Dalian University of Technology（大连理工大学信息与通信工程学院） ； Unit 92728 of PLA（中国人民解放军92728部队）
专题命中 个性化与一致性 ：image generation(title,abstract)；分类 cs.CV
AI总结 针对现有遥感图像生成方法局限，提出对比参数解缠框架，通过对比参数解缠模块、解缠优化策略及查询-键结构转移机制，实现多模态遥感图像高质量生成，在相关任务中性能优越。
通过信道条件参数生成实现CSI模型的快速跨场景自适应
机构 * School of Software Technology, Zhejiang University（浙江大学软件学院） ； State Key Laboratory of Blockchain and Data Security, Zhejiang University Hangzhou High-Tech Zone (Binjiang) Institute of Blockchain and Data Security（浙江大学杭州高新技术产业开发区（滨江）区块链与数据安全国家重点实验室）
专题命中 个性化与一致性 ：diffusion(abstract)
AI总结 研究针对CSI模型在不同场景适应性差的问题，提出CCPG方法，通过组件冻结实验识别瓶颈，生成轻量级LoRA权重，经多种技术处理实现快速跨场景自适应，实验表明该方法能高效部署CSI模型用于6G通信。
开放手术中机器人辅助的模仿学习：针对缝合跟随的多策略评估
机构 * Harvard Medical School（哈佛医学院） ； Massachusetts General Hospital（麻省总医院）
专题命中 图像生成评测 ：diffusion(summary_cn,abstract)
AI总结 本研究首次评估通用模仿学习在开放手术中用于外科医生-机器人协作辅助的可行性，以缝合跟随（每次缝合时助手执行的抓取-拉动-释放动作）为任务，通过比较四种策略（ACT、Diffusion Policy、SmolVLA、π₀）在28个训练模型上的表现，发现π₀在数据效率、背景鲁棒性和轨迹平滑性上最优，并在机器人缝合试验中达到92%的缝合完成率。
ReVision：一种基于视觉的后处理技术，用于在图像生成管道中替换不可接受的概念
专题命中 图像生成评测 ：image generation(title)
AI总结 ReVision是一种无需训练的后处理框架，通过视觉模型检测并替换图像生成中不安全的概念，提升安全性与生成质量。
EgoPlay：用于第一人称视角视频流的事件触发式视频编辑
机构 * Snap Inc.（Snap公司） ； King Abdullah University of Science and Technology (KAUST)（阿卜杜拉国王科技大学）
专题命中 图像生成评测 ：diffusion(abstract)；分类 cs.CV
AI总结 研究第一人称视角视频流编辑问题，提出EgoPlay，通过微调预训练模型，在单个端到端模型中联合学习事件识别等，构建数据集训练双向视频扩散编辑器，在Ego4D基准测试中表现出色，优于现有基线。
Comments Accepted to SIGGRAPH Asia 2026 as a Conference Paper. Project page: https://egoplay2026.github.io/egoplay
人工智能生成的图像在高风险场景中挑战视觉信任
专题命中 图像生成评测 ：image generation(abstract)；分类 cs.CV
AI总结 研究聚焦人工智能生成图像在高风险场景下对视觉信任的挑战，提出SafeIMG基准，涵盖12个安全场景。评估专门探测器和视觉语言模型，发现它们检测可靠性不足，模型解释覆盖低，表明当前探测器在多方面欠缺，难以可靠评估此类图像。
一个用于检测 GPT-Image-2 生成的含丰富文本图像的多领域基准
机构 * College of Computer Science（计算机科学学院）
专题命中 图像生成评测 ：image generation(abstract)；分类 cs.CV
AI总结 针对现有基准缺乏文本丰富图像检测的问题，构建了包含8602张图像、覆盖6个类别的多领域基准，评估5种检测器，发现性能高度依赖领域且易受JPEG压缩影响。
AGDC: 变长序列的自回归生成与联合离散连续空间
机构 * Seoul National University（首尔国立大学） ； Samsung Electronics（三星电子）
专题命中 图像生成评测 ：diffusion(abstract)；分类 cs.CV
AI总结 AGDC通过联合建模离散和连续值，实现变长序列的高精度生成，适用于半导体设计等高精度领域。
Comments Code: https://github.com/yxxshin/IPAM
Journal ref ICML 2026
IB-Flow：用于少步文本到图像生成的信息瓶颈引导的CFG蒸馏
机构 * Tsinghua University（清华大学） ； Wan Team, Alibaba Group（万团队，阿里巴巴集团） ； HKUST（香港科技大学） ； Beijing Normal University（北京师范大学）
专题命中 效率与蒸馏 ：image generation(title,abstract)；text-to-image(title,abstract)；分类 cs.CV
AI总结 研究针对少步文本到图像生成中推理延迟问题，通过信息论将蒸馏建模为信息瓶颈引导的动态互信息博弈，提出双轨自适应框架，消除过度条件化伪影，在2步配置下实现SOTA生成保真度。
UniGen-AR：通过自回归建模统一视觉生成
机构 * Carnegie Mellon University（卡内基梅隆大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳 - 香槟分校） ； Toyota Research Institute（丰田研究院）
专题命中 效率与蒸馏 ：image generation(abstract)；text-to-image(abstract)；diffusion(abstract)；分类 cs.CV
AI总结 研究统一视觉生成问题，提出UniGen-AR框架，将通用多模态语言模型与视觉自回归解码器配对，能为多任务生成图像值输出，相比基于扩散的基线，推理延迟低达19倍，确立视觉自回归建模为统一视觉生成的高效主干。
GenSplatCodec：通过一步扩散实现前馈高斯点云压缩
机构 * Cooperative Medianet Innovation Center, Shanghai Jiao Tong University（上海交通大学协同媒体网络创新中心）
专题命中 效率与蒸馏 ：diffusion(title)；分类 cs.CV
AI总结 研究针对前馈3D高斯点云压缩难题，提出GenSplatCodec统一编解码器，采用双流编码与几何引导生成解码，经三阶段优化策略，在多数据集实验中展现出优于现有方法的率失真性能。
MXAttention：用于MXFP4注意力的数据无关最优缩放和预归一化量化
机构 * Huawei Technologies Co., Ltd.（华为技术有限公司）
专题命中 效率与蒸馏 ：diffusion(abstract)；分类 cs.CV
AI总结 针对基于扩散的视频生成模型中注意力二次成本的瓶颈，提出MXAttention框架，通过引入通用最优缩放和预归一化量化组件，缩小了MXFP4与FP16的成像质量差距，提升了帧级相似度，且性能与强大基线竞争。
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