图像生成

Dense Metric Depth Completion from Sparse Direct Time-of-Flight Sensors

基于稀疏直接飞行时间传感器的密集度量深度补全

Hakyeong Kim, Ruicheng Wang, Chengtang Yao, Jiaolong Yang, Min H. Kim

机构 * KAIST（韩国科学技术院） ； USTC（中国科学技术大学） ； Microsoft Research Asia（微软亚洲研究院） 纠错

专题命中 可控生成 ：diffusion(abstract)；分类 cs.CV、cs.GR

AI总结 本文提出一种深度引导双分支视觉Transformer框架，结合dToF模拟流程，实现稀疏dToF到密集度量深度的零样本泛化补全，性能优于现有方法且高效。

Journal ref Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2026

VQ-VAD: Vector-quantized Motion Representation Learning for Human-centric Video Anomaly Detection

VQ-VAD：面向以人为中心的视频异常检测的向量量化运动表示学习

Narges Rashvand, Ghazal Alinezhad Noghre, Shanle Yao, Gabriel Maldonado, Hamed Tabkhi

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

AI总结 针对现有基于姿态的视频异常检测方法的局限，提出VQ-VAD框架，通过向量量化学习离散运动表示，在多评估设置的基准测试中取得优异性能，代码已公开。

DAC-Pose: Dual-Agent Collaborative Framework for Pose-Guided Human Generation

DAC-Pose：用于姿态引导人体生成的双智能体协作框架

Haotian Yang, Zhile Yang, Huiyu Zhou, Xin Sun

机构 * Faculty of Data Science, City University of Macau（澳门城市大学数据科学学院） ； Shenzhen University of Advanced Technology（深圳理工大学） ； Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究院） ； School of Computing and Mathematical Sciences, University of Leicester（莱斯特大学计算与数学科学学院） 纠错

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

AI总结 针对姿态引导人体生成在剧烈视角变化下的视觉伪影问题，提出双智能体协作框架DAC-Pose，通过PSR与DAVE智能体的反馈循环实现高保真合成，在DeepFashion和Market-1501基准上验证了其优越性。

Comments Code is available at DAC-Pose" target="_blank" rel="noopener">https://github.com/AIVRC/DAC-Pose

ArtChart: Faithful Artistic Chart Generation with Integrated Text Rendering

ArtChart：一个用于忠实生成艺术图表并集成文本渲染的基准测试

Meijia Huang, Yingjie Yin, Shihao Wang, Chenguang Ma

机构 * Ant Group（蚂蚁集团） 纠错

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

AI总结 研究旨在解决艺术图表生成难题，提出ArtChart框架，含特定即插即用模块及强化学习等策略，构建基准测试和评估套件，实验证明该框架能生成兼具美观与数学准确性的图表，优于开源基线。

MetaView: Monocular Novel View Synthesis with Scale-Aware Implicit Geometry Priors

MetaView：基于尺度感知隐式几何先验的单目新视图合成

Yufei Cai, Xuesong Niu, Hao Lu, Kun Gai, Kai Wu, Guosheng Lin

机构 * Nanyang Technological University（南洋理工大学） ； Kolors Team, Kuaishou Technology（快手科技色彩团队） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） 纠错

专题命中 可控生成 ：diffusion(abstract)；分类 cs.CV

AI总结 研究提出MetaView框架，结合隐式几何建模与少量显式3D线索，利用前馈几何感知网络隐式几何先验及度量深度，实现大视角下单目新视图合成，实验证明该方法在挑战性场景中显著优于现有方法且泛化能力强。

Comments accepted to ECCV 2026

Continuous-Time Information-Mechanism Control

多区域电力系统协调的分布鲁棒联合信息与机制设计

Furkan Sezer

专题命中 可控生成 ：diffusion(abstract)

AI总结 针对多区域电力系统协调问题，提出分布鲁棒的联合信息与机制设计框架，通过高斯公共信号和Groves转移机制实现激励对齐，并利用Isaacs方程求解，在2021年Uri暴风雪案例中验证了信息设计和市场耦合的互补性。

Comments 41 pages, 6 figures

Global Attention-Fused Image Cropping with Attention-Guided and Global-Aligned Crop Evaluator

融合全局注意力的图像裁剪方法：基于注意力引导与全局对齐的裁剪评估器

Haotian Yang, Zhile Yang, Kin-Man Lam, Patrick Le Callet, Xin Sun

机构 * Faculty of Data Science, City University of Macau（澳门城市大学数据科学学院） ； Shenzhen University of Advanced Technology（深圳理工大学） ； Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究院） ； The Hong Kong Polytechnic University（香港理工大学） ； Nantes Université（南特大学） ； Ecole Centrale Nantes（南特中央理工学院） ； CAPACITES SAS（CAPACITES SAS公司） ； CNRS（法国国家科学研究中心） ； LS2N, UMR 6004（LS2N实验室（UMR 6004）） 纠错

专题命中 图像修复 ：diffusion(abstract)；inpainting(abstract)；分类 cs.CV

AI总结 该研究提出GAFIC图像裁剪方法，通过AGFF与GACE模块结合多尺度排序损失，在GAIC、CPC数据集上性能优于现有方法，适用于需保证像素完整性与高效批量处理的场景。

Comments The source code is available at https://github.com/AIVRC/GAFIC.git

Coupled Continuous-Discrete Generation for Scene Text Image Super-Resolution

面向场景文本图像超分辨率的耦合连续-离散生成方法

Axi Niu, Knag Zhang, Qingsen Yan, Hao Jin, Jinqiu Sun, Yanning Zhang

专题命中 图像修复 ：diffusion(abstract)；分类 cs.CV

AI总结 针对现有场景文本图像超分辨率（STISR）方法误差传播、成本高的问题，提出统一框架DualTSR，通过耦合连续-离散生成实现高效准确的STISR，在多数据集上表现优于对比方法。

Helping Music Co-Creation Agents 'Listen' Well: Hierarchical Self-Supervised World Models for Understanding and Generation

助力音乐协同创作智能体“良好聆听”：用于理解与生成的分层自监督世界模型

Scott H. Hawley

机构 * Belmont University（贝尔蒙特大学） 纠错

专题命中 图像修复 ：inpainting(abstract)

AI总结 本研究提出分层自监督世界模型，通过Swin V2编码器与条件流匹配模型构建协同音乐创作智能体，提升了和弦与调式检测准确率，可快速生成音乐建议并支持交互演示。

Comments 20 pages, 14 figures. A 6-page version was submitted to the NeurIPS 2026 Creative AI Track. Supplemental website with listening examples: https://drscotthawley.github.io/midi-rae-jepa-son/. Live demo: https://drscotthawley-midi-rae-jepa-son.hf.space/

DELTA-TTS: Adapting Autoregressive Model into Diffusion Language Model for Text-to-Speech

DELTA-TTS：将自回归模型适配为扩散语言模型以实现文本转语音

Junwon Moon, Yejin Lee, Seungbeom Kim, Hoseong Ahn, Sewoong Park, Heeseung Kim, Kyuhong Shim

机构 * Sungkyunkwan University（首尔大学） ； University of Seoul（首尔大学） 纠错

专题命中 个性化与一致性 ：diffusion(title,abstract)

AI总结 针对自回归TTS推理慢、鲁棒性差的问题，提出基于LoRA的轻量适配框架DELTA-TTS，将预训练AR TTS转为离散扩散语言模型，推理速度提升3.3倍且性能更优。

Comments ICML 2026 SPIGM Workshop

Benchmarking and Improving LLM Robustness for Personalized Generation

Chimaobi Okite, Naihao Deng, Kiran Bodipati, Huaidian Hou, Joyce Chai, Rada Mihalcea

机构 * University of Michigan（密歇根大学） 纠错

专题命中 个性化与一致性 ：personalized generation(title)

Comments First draft. First camera-ready version

Journal ref Findings of the Association for Computational Linguistics: EMNLP 2025, 2025

When does training on downscaled images yield the same gradients?

在降采样图像上进行训练何时能产生相同的梯度？

Seunghyun Ji

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

AI总结 该研究探究降采样图像训练的梯度一致性，推导梯度变化的两个项，发现特定噪声窗口内降采样梯度与原生梯度接近，据此训练LoRA适配器可减少14.6%训练时间且性能接近原生。

OmniEdit-Bench: A Comprehensive Benchmark for Instruction-based Video Editing

OmniEdit-Bench：基于指令的视频编辑综合基准

Chenxuan Miao, Yutong Feng, Yi Lu, Yunfeng Yan, Donglian Qi, Shiwei Zhang, Yu Liu, Xi Chen, Hengshuang Zhao

机构 * The University of Hong Kong（香港大学） ； Alibaba Group（阿里巴巴集团） ； Zhejiang University（浙江大学） ； Peking University（北京大学） 纠错

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

AI总结 针对现有基于指令的视频编辑基准的任务覆盖有限、指标不足的问题，OmniEdit-Bench将编辑任务分解为多维度并提出含惩罚机制的评估框架，实验显示当前IVE模型仍待提升。

GeoReward: Mitigating Contextual Variable Overestimation in Vision-Language Models for Cross-Market Preference Prediction

GeoReward：缓解跨市场偏好预测的视觉语言模型中的上下文变量高估问题

Shuo Liu, Huixiang Cai, Weiru Zhang, Xiaoyi Zeng

机构 * Alibaba International Digital Commerce Group（阿里巴巴国际数字商业集团） 纠错

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

AI总结 本研究针对视觉语言模型的上下文变量高估问题，提出GeoReward奖励模型，通过三种机制缓解该偏差，在跨市场广告偏好预测任务中性能优于现有基线。

Poly-OPD: Heterogeneous Multi-Teacher On-Policy Distillation for Capability-Selectable Flow Models

Poly-OPD：用于能力可选流模型的异构多教师在线策略蒸馏

Siming Fu, Haojun Xu, Ruizhe He, Zheming Fu, Hualiang Wang, Jie Huang, Xiaoxiao Ma, Mingchen Zhong, Weihu Huang, Xiaoxuan He, Linjiang Huang, Si Liu

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

AI总结 Poly-OPD框架通过异构多教师在线策略蒸馏，将FLUX.1-dev和Z-Image的互补优势整合到25亿参数的SD3.5-Medium模型，提升了文本到图像生成的GenEval与DrawBench指标。

Exchangeable Testing Against an Unknown Benchmark

针对未知基准的可交换检验

Alexander Gnedin

专题命中 图像生成评测 ：diffusion(abstract)

AI总结 本研究针对未知基准的序贯检验，提出基于组合秩的更新机制，建立贝叶斯框架下可显式计算的预测概率，分析了相关马尔可夫链的渐近行为。

Comments 17 pages

Flash-VAED: Plug-and-Play VAE Decoders for Efficient Video Generation

Flash-VAED: 用于高效视频生成的即插即用VAE解码器

Lunjie Zhu, Yushi Huang, Xingtong Ge, Yufei Xue, Zhening Liu, Yumeng Zhang, Zehong Lin, Jun Zhang

机构 * Hong Kong University of Science and Technology（香港科技大学） 纠错

专题命中 效率与蒸馏 ：diffusion(abstract)；分类 cs.CV

AI总结 Flash-VAED通过通道剪枝和分阶段运算优化，实现了高效视频生成的高质量与高速度平衡。

Comments Accepted by ICML 2026

Exact simulation of diffusions and improved algorithms for log-concave sampling

扩散过程的精确模拟及对数凹采样的改进算法

Fan Chen, Sinho Chewi, Alexander Rakhlin, Matthew S. Zhang

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 该研究基于Girsanov定理的密度比无偏估计量，提出改进的扩散精确模拟及对数凹采样算法，优化了采样复杂度与维度依赖关系，还给出相关应用。

Time-dependent cosmic-ray escape from wind bubbles: hard spectra formation

从风泡中时间依赖的宇宙射线逃逸：硬谱形成

Lukas Merten, Sophie Aerdker, Enrico Peretti

专题命中 效率与蒸馏 ：diffusion(abstract)

AI总结 研究风泡中宇宙射线的时间依赖逃逸，通过求解含时输运方程发现逃逸谱可硬于E^{-2}，且低能粒子可能被显著抑制，为多信使观测提供特征。