图像生成

Clinically Aware Synthetic Image Generation for Concept Coverage in Chest X-ray Models

临床感知的合成图像生成用于胸部X光模型的概念覆盖

Amy Rafferty, Rishi Ramaesh, Ajitha Rajan

机构 * University of Edinburgh（爱丁堡大学） ； NHS Lothian（洛锡安国家健康服务） 纠错

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

AI总结 提出CARPA框架，通过解剖约束的概念扰动生成合成胸部X光图像，扩展临床概念覆盖，提升模型性能与可靠性。

Comments Accepted for presentation at the IJCAI-ECAI 2026 RobustifAI workshop

QIRL: Optimized Question-Image Relation Learning for Bias-Robust Visual Question Answering

QIRL：用于实现偏差鲁棒视觉问答的优化问答-图像关系学习

Quanxing Xu, Ling Zhou, Xian Zhong, Feifei Zhang, Rubing Huang

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

AI总结 该研究针对现有VQA偏差缓解方法的两大局限，提出QIRL框架，通过NIG与ISI模块结合生成驱动自监督学习，在VQA-CPv2和VQA-v2数据集上取得最优性能，可适配各类VQA架构。

StocBench: A Benchmark for Generative Modeling of Stochastic Dynamics

StocBench：随机动力学生成建模基准

Sebastian Pfister, Benjamin Holzschuh, Nils Thuerey

机构 * School of Computation, Information and Technology, Technical University of Munich（慕尼黑工业大学计算、信息与技术学院） 纠错

专题命中 图像生成评测 ：diffusion(abstract)

AI总结 该研究构建StocBench基准，对比测试多种生成模型与少步方法在随机流体流动概率预测中的性能，明确不同模型在随机与确定性任务、不同推理预算下的表现差异。

Comments Code available at this https URL (https://github.com/tum-pbs/stocbench)