图像生成

UniVVT: A Unified End-to-End Framework for High-Fidelity Video Virtual Try-on

UniVVT：用于高保真视频虚拟试穿的统一端到端框架

Yushe Cao, Shikun Feng, Fei Shen, Haikuo Peng, Jianqiang Xia, Yiheng Zhu, Dianxi Shi, Chun Yu

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

AI总结 UniVVT是一种统一端到端视频虚拟试穿框架，以多模态大语言模型为核心，采用三阶段渐进训练策略，在多基准上实现了优于主流方法的高保真试穿效果。

Comments 17 pages,21 figures

TempJail: Temporal Jailbreak Attacks against Image-to-Video Generation Models

TempJail：针对图像到视频生成模型的时序越狱攻击

Qi Lu, Zehui Guo, David Yuanda Gan, Zijing Li, Hengda Zhang, Weijun Xu, Qiankun Zhang

机构 * School of Cyber Science and Engineering, Huazhong University of Science and Technology（华中科技大学网络空间科学与工程学院） ； School of Mathematical Sciences, Peking University（北京大学数学科学学院） ； School of Software and engineering, Huazhong University of Science and Technology（华中科技大学软件学院） ； School of Computer Science, Nanjing University（南京大学计算机学院） 纠错

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

AI总结 本文提出TempJail时序越狱框架，针对图像到视频生成模型的时序漏洞，通过分解恶意提示、受控潜在扰动等方式提升攻击成功率，在Kling等模型上获显著效果。

Comments Accepted by ACM Multimedia 2026 (ACM MM '26)

Generative Semantic Scene Completion

生成式语义场景补全

Shi Chen, Weifeng Ge

机构 * College of Computer Science and Artificial Intelligence, Fudan University（复旦大学计算机科学与人工智能学院） ； Robotics Institute, Carnegie Mellon University（卡内基梅隆大学机器人研究所） 纠错

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

AI总结 该研究针对户外激光雷达语义场景补全的类别不平衡问题，提出生成式语义场景补全框架，通过PS³、SGSC、S²D²方法提升性能，在SemanticKITTI测试集取得当前最佳单扫描单样本结果。

Comments 18 pages, 12 figures, 4 tables. Supplementary material (29 pages) is included as an ancillary file. Project page: this https URL (https://shichen.world/GSSC-project-page/) - Code, models and the PS$^3$ dataset: this https URL (https://github.com/BillyChern/GSSC-S2D2)

CoGeo-GS: Concept-Driven and Geometry-Aware Multi-Object Removal in 3D Scenes

CoGeo-GS：3D场景中基于概念驱动与几何感知的多物体移除方法

Yuanxiang Ni, Xianliang Huang, Chenhang Ma, Chen Xiao, Yuewen Ma, Ruxin Wang, Hao Zhang

机构 * Southern University of Science and Technology（南方科技大学） ； ByteDance（字节跳动） ； Zhejiang University（浙江大学） ； Fudan University（复旦大学） ； Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究院） 纠错

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

AI总结 针对3D场景多物体移除的挑战，提出CoGeo-GS框架，通过概念感知语义标签与几何感知补全流水线实现可控多物体移除，在视觉质量与重建保真度上优于现有方法。

Comments 6 pages, 4 figures, accepted at ICME 2026

Learning Late, Guiding Early: Timestep-Decoupled Semantic Guidance for Fair Face Generation

晚学习，早引导：用于公平人脸生成的时间步解耦语义引导

Subir Kumar Parida, Rajbabu Velmurugan, Ketan Kotwal, R.S. Sengar, Swati Hiremath

机构 * Bhabha Atomic Research Centre (B.A.R.C.)（巴巴原子研究中心） ； Indian Institute of Technology Bombay（印度理工学院孟买分校） 纠错

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

AI总结 本研究提出语义边界预测器（SBP），通过时间步解耦实现公平人脸生成，无需重训练或外部数据集，在CelebA-HQ上大幅降低人口统计公平差距且保持图像质量，计算开销小易集成。

4DStreamCtrl: Interactive Video Generation with Online 4D Control

4DStreamCtrl：基于在线4D控制的交互式视频生成

Shiqian Li, Chenguo Lin, Zhiguang Liu, Yu Tang, Jiarong Ou, Rui Chen, Yixin Zhu

机构 * Peking University（北京大学） ； Tencent Hunyuan（腾讯混元） 纠错

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

AI总结 4DStreamCtrl将相机运动、物体轨迹与深度统一为3D点轨迹表示，结合蒸馏的因果流式模型，首次实现交互式4D可控实时视频生成，精度与效率均优于现有方法。

Comments 23 pages

Planning a Shared Modular Fixture Layout Across Robotic Disassembly Stages

面向机器人拆卸阶段的共享模块化夹具布局规划

Haohui Pan, Takuya Kiyokawa, Kensuke Harada

机构 * The University of Osaka（大阪大学） ； The National Institute of Advanced Industrial Science and Technology (AIST)（日本国立先进工业科学技术研究所（AIST）） 纠错

专题命中 可控生成 ：diffusion(abstract)

AI总结 该研究针对机器人拆卸中支撑布局需适配阶段变化的问题，提出基于去噪扩散概率模型与贝叶斯优化的模块化真空夹具系统，实现螺丝刀、剃须刀拆卸的共享布局，稳定裕度达66.9%和81.6%，验证了方案的可行性与稳定性。

Comments 15 pages, 9 figures. Submitted to IEEE Transactions on Automation Science and Engineering (T-ASE)

Unified Condition-Action Modeling for Accurate One-Step Action Generation

用于精准单步动作生成的统一条件-动作建模

Xinyu Zhou, Zikun Cai, Kuangji Zuo, Gen Li, Boyu Ma, Yanshuo Lu, Yutong Song, Mingqi Yuan, Jiayu Chen, Jianfei Yang

机构 * NTU（南洋理工大学） ； HKU（香港大学） 纠错

专题命中 可控生成 ：diffusion(abstract)

AI总结 该研究提出UCA-Flow统一条件-动作建模框架，通过共享令牌空间与改进双路监督方案，提升机器人单步动作生成的成功率与推理速度。