图像生成

NumBench: Diagnosing Counting Failures in Text-to-Image Models

NumBench：诊断文本到图像模型中的计数失败问题

Sandeep Wadhwa, Mayank Vatsa, Richa Singh, Parrva Chirag Shah, Prakhar Galriya

机构 * Indian Institute of Technology Jodhpur（焦特布尔印度理工学院） ； Shiv Nadar University（希夫·纳达尔大学） 纠错

专题命中 文生图 ：text-to-image(title,abstract)；分类 cs.CV

AI总结 该研究推出NumBench基准数据集，构建过程模型与置信度加权数值精确率指标，评估发现文本到图像模型计数性能随请求数增加而下降，50个以上时表现薄弱，且方法可跨模板迁移。

Comments The compiled main paper has seven technical-content pages; references start on page 8. The compiled supplement has three pages

Abstract4D: A Large-Scale Dataset and Framework for Understanding the Visual Language of Abstract Art

Abstract4D：用于理解抽象艺术视觉语言的大规模数据集与框架

Haowei Zhang, Yuanpei Zhao, Ji-Zhe Zhou, Mao Li

机构 * College of Computer Science, Sichuan University（四川大学计算机学院） 纠错

专题命中 文生图 ：image generation(abstract)；text-to-image(abstract)；分类 cs.CV

AI总结 该研究推出Abstract4D数据集，通过人机混合注释流程构建超12万张抽象绘画数据，开展语义结构分析并建立基准任务，助力评估AI对抽象艺术视觉语言的表征与解读能力。

Synth-JDoc: Synthesizing a Japanese Document Image Dataset for OCR with Diverse Layouts and Embedded Images

Synth-JDoc：用于OCR的、包含多样布局与嵌入图像的日文文档图像数据集合成

Keito Sasagawa, Shuhei Kurita, Daisuke Kawahara

机构 * Waseda University（早稻田大学） ； NII（信息学研究所） ； NII LLMC（信息学研究所语言媒体研究中心） 纠错

专题命中 文生图 ：text-to-image(abstract)；分类 cs.CV

AI总结 本研究构建了含多样布局与嵌入图像的日文文档合成OCR数据集，可有效提升大型视觉语言模型读取竖排日文文本的性能，相关资源已公开。

Comments Accepted to ICDAR 2026, 17pages, 5 figures

FocusGen: Expanding Visual Design Exploration with a Simulated Focus Group of Persona Agents

FocusGen：通过模拟角色智能体的虚拟焦点小组拓展视觉设计探索

Jaewon Choi, Helena Vasconcelos, Hyun Lee, Carolyn Zou, Tak Yeon Lee, Michael Bernstein

专题命中 文生图 ：text-to-image(abstract)

AI总结 FocusGen是引入虚拟角色智能体焦点小组的交互式视觉设计系统，可拓展设计探索、提升输出多样性，助力设计师突破思维定式，同时存在刻板印象风险，为早期构思提供发散支架。

Comments 18 pages, 7 figures, 6 tables