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。
ReasonEdit：通过强化学习实现可解释图像编辑评估
机构 * University of Electronic Science and Technology of China（电子科学与技术大学） ； Shanghai Jiao Tong University（上海交通大学）
专题命中 图像编辑 ：image editing(title,abstract)；分类 cs.CV
AI总结 本文提出ReasonEdit，通过引入ReasonEdit-22K数据集和RE-Reward模型，训练出可解释的图像编辑评估模型，提升评估的可解释性和透明度。
EditRefiner：一种对齐人类的代理框架用于图像编辑细化
机构 * Shanghai Jiao Tong University（上海交通大学） ； Vivo Mobile Communication Co., Ltd（Vivo移动通信有限公司） ； University of Electronic Science and Technology of China（电子科学与技术大学）
专题命中 图像编辑 ：image editing(title,abstract)；分类 cs.CV
AI总结 本文提出EditRefiner，一种对齐人类的代理框架，通过人类反馈数据集改进图像编辑的细粒度问题，通过感知-推理-行动-评估循环提升编辑质量。
InterCoG：迈向空间精确图像编辑的交错链式 grounding 推理
机构 * Faculty of Computing, Harbin Institute of Technology（哈尔滨工业大学计算机学院） ； Zhengzhou Advanced Research Institute of Harbin Institute of Technology（哈尔滨工业大学郑州先进研究院） ； Huawei Noah’s Ark Lab（华为诺亚实验室） ； Artificial Intelligence Research Institute, Shenzhen University of Advanced Technology（深圳先进技术大学人工智能研究院）
专题命中 图像编辑 ：image editing(title,abstract)；分类 cs.CV
AI总结 本文提出InterCoG框架，通过文本与视觉的交错链式推理实现复杂场景中精细图像编辑，结合文本空间关系和视觉定位提升编辑精度。
PhysEdit: 一种通过自适应时空推理实现物理一致的区域感知图像编辑
机构 * iFLYTEK ； Aegon THTF
专题命中 图像编辑 ：image editing(title,abstract)；分类 cs.CV
AI总结 PhysEdit通过自适应时空推理实现物理一致的区域感知图像编辑，提升编辑效率和准确性，适用于不同复杂度的图像编辑任务。
Comments 11 pages, 7 figures
在需要的地方编辑：区域感知的适配器注入用于无掩码的局部图像编辑
机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） ； Beijing University of Aeronautics and Astronautics（北京航空航天大学） ； Tsinghua University（清华大学） ； Peking University（北京大学） ； Xiaohongshu Inc.（小红书公司）
专题命中 图像编辑 ：image editing(title)；diffusion(abstract)；分类 cs.CV
AI总结 本文提出AdaptEdit框架，通过区域感知适配器实现无掩码的局部图像编辑，结合轻量级Block Adapter和SpatialGate提升编辑精度，同时通过Region-Aware Loss优化训练目标，实现无需用户掩码的高质量编辑。
DDA-Thinker: 解耦双原子强化学习用于推理驱动的图像编辑
机构 * Alibaba Group（阿里巴巴集团） ； Zhejiang University（浙江大学）
专题命中 图像编辑 ：image editing(title,abstract)；分类 cs.CV
AI总结 本文提出DDA-Thinker框架，通过解耦的规划模块与固定生成模型，提升图像编辑中的推理能力，采用双原子强化学习分解反馈，结合可验证检查清单提升训练效果。
探测图像编辑模型中的视觉规划
机构 * Shanghai Jiao Tong University（上海交通大学） ； Renmin University of China（中国人民大学） ； State Key Laboratory of General Artificial Intelligence, BIGAI（通用人工智能国家重点实验室，BIGAI）
专题命中 图像编辑 ：image editing(title)；diffusion(abstract)；分类 cs.CV
AI总结 本文提出EAR框架，通过抽象谜题和生成数据集AMAZE，评估图像编辑模型的视觉规划能力，发现模型在零样本设置下表现不佳，但微调后能有效泛化。
Comments Accepted to ES-Reasoning Workshop @ ICLR 2026. Our code is available at https://github.com/spatigen/amaze
区域约束的群相对策略优化用于基于流的图像编辑
机构 * South China Normal University（华南师范大学） ； South China Agricultural University（华南农业大学） ； Monash University（莫纳什大学）
专题命中 图像编辑 ：image editing(title,abstract)；分类 cs.CV
AI总结 本文提出RC-GRPO-Editing框架，通过区域约束的GRPO后训练提升流基图像编辑中目标区域指令遵循和非目标区域保留。
MIRAGE：多实例图像编辑的基准测试与对齐
机构 * LTCI, Télécom Paris, Institut Polytechnique de Paris, France（法国巴黎理工学院电信巴黎分校LTCI实验室）
专题命中 图像编辑 ：image editing(title,abstract)；分类 cs.CV
AI总结 本文提出MIRAGE框架，通过多分支并行去噪策略实现精确多实例编辑，解决现有方法在多实例和复合指令下的过度编辑和空间错位问题。
FlowSlider: 无训练的连续图像编辑通过保真度引导分解
机构 * Aoyama Gakuin University（青山学院大学）
专题命中 图像编辑 ：image editing(title,abstract)；分类 cs.CV
AI总结 FlowSlider通过保真度引导分解实现无训练连续图像编辑，通过几何分析和实证测量证明其稳定性，提升编辑质量。
Comments HuggingFace Space: https://huggingface.co/spaces/dominoer/FlowSlider
RealRestorer：迈向通用的现实世界图像修复的大型图像编辑模型
机构 * Southern University of Science and Technology（南方科技大学） ； StepFun ； Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究院） ； Shenzhen University of Advanced Technology（深圳理工大学）
专题命中 图像编辑 ：image editing(title,abstract)；分类 cs.CV
AI总结 本文提出RealRestorer，通过构建大规模数据集和训练先进开源模型，提升现实世界图像修复的泛化能力，并引入RealIR-Bench评估基准，实验表明其在开源方法中表现最佳。
Comments 27 pages, 15 figures, Project homepage: https://yfyang007.github.io/RealRestorer/
CompBench：复杂指令引导图像编辑的基准测试
机构 * East China Normal University（华东师范大学） ； Xiaohongshu Inc.（小红书） ； KLATASDS, MOE, China（中国教育部统计与数据科学重点实验室） ； The Chinese University of Hong Kong（香港中文大学） ； Zhejiang University（浙江大学） ； Fudan University（复旦大学） ； University of Oxford（牛津大学） ； Shanghai Jiao Tong University（上海交通大学） ； University of Science and Technology of China（中国科学技术大学） ； Nanjing University（南京大学）
专题命中 图像编辑 ：image editing(title,abstract)；分类 cs.CV
AI总结 CompBench旨在解决现有图像编辑基准测试对任务复杂度简化的问题，通过引入复杂指令引导的图像编辑基准，评估模型在精细操控能力上的表现。
AdaEdit: 一种基于流的图像编辑中的自适应时间与通道调节
机构 * iFLYTEK
专题命中 图像编辑 ：image editing(title,abstract)；分类 cs.CV
AI总结 本文提出AdaEdit框架，通过自适应的渐进注入策略和通道选择性潜在扰动，解决流匹配模型中源特征注入与目标特征生成的矛盾，提升图像编辑效果。
FreqEdit: 为鲁棒多轮图像编辑保留高频特征
机构 * School of Artificial Intelligence, Sun Yat-sen University（中山大学人工智能学院） ； Lingnan University（岭大大学） ； Video Rebirth ； The Hong Kong Polytechnic University（香港理工大学）
专题命中 图像编辑 ：image editing(title,abstract)；分类 cs.CV
AI总结 本文提出FreqEdit框架，通过高频特征注入、自适应注入策略和路径补偿机制，解决多轮图像编辑中高频信息丢失问题，提升编辑稳定性和指令遵循能力。
A²-Edit：基于精确参考的任意物体和模糊掩码图像编辑
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institute（上海创新研究院）
专题命中 图像编辑 ：image editing(title)；inpainting(abstract)；分类 cs.CV
AI总结 本文提出A²-Edit框架，通过大规模多类别数据集UniEdit-500K解决现有数据集的同质化和类别覆盖不足问题，引入Transformer混合模块和Mask Annealing训练策略，实现高效任意物体编辑。
MSRAMIE：多模态结构推理代理用于多指令图像编辑
机构 * University Of Melbourne（墨尔本大学）
专题命中 图像编辑 ：image editing(title,abstract)；分类 cs.CV
AI总结 MSRAMIE基于多模态大语言模型构建无需训练的代理框架，通过结构化多模态推理处理多指令图像编辑任务，提升复杂指令遵循度和完成概率，同时保持图像质量和一致性。
Comments 14 pages, 6 figures, 3 tables, appendix and references provided
Omni IIE Bench：图像编辑模型实际能力的基准测试
机构 * University of Chinese Academy of Sciences（中国科学院大学） ； Tencent（腾讯）
专题命中 图像编辑 ：image editing(title,abstract)；分类 cs.CV
AI总结 本文提出Omni IIE Bench，通过双轨诊断设计评估图像编辑模型在不同语义尺度任务中的一致性，揭示模型在低到高语义任务间性能显著下降的问题。
生成式视觉链式思维用于图像编辑
专题命中 图像编辑 ：image editing(title,abstract)；分类 cs.CV
AI总结 本文提出GVCoT框架，通过生成空间线索实现视觉推理与编辑，解决复杂场景下的编辑定位问题，提出GVCoT-Edit-Instruct数据集和SREdit-Bench基准，实验表明其在图像编辑任务中表现优异。
Comments Project page: https://pris-cv.github.io/GVCoT/
VeloEdit: 无需训练的一致且连续的基于指令的图像编辑 via 速度场分解
机构 * Xiamen University（厦门大学） ； Truesight
专题命中 图像编辑 ：image editing(title,abstract)；分类 cs.CV
AI总结 VeloEdit通过速度场分解实现无需训练的一致且连续的基于指令的图像编辑，通过动态识别编辑区域并采用速度插值控制编辑强度，提升视觉一致性和编辑连续性。
Comments 26 pages, 21 figures
GRADE: 图像编辑中学科引导推理的基准测试
专题命中 图像编辑 ：image editing(title,abstract)；分类 cs.CV
AI总结 GRADE是首个评估图像编辑中学科引导推理能力的基准测试，通过多领域样本和多维评估协议揭示当前模型在知识密集型编辑任务中的局限性。
Comments 49 pages, 23 figures, 10 tables; Project Page: https://grade-bench.github.io/, Code: https://github.com/VisionXLab/GRADE, Dataset: https://huggingface.co/datasets/VisionXLab/GRADE
CARE-Edit：基于条件的专家路由用于上下文图像编辑
机构 * The Hong Kong University of Science and Technology（香港科学与技术大学）
专题命中 图像编辑 ：image editing(title)；diffusion(abstract)；分类 cs.CV
AI总结 CARE-Edit通过条件感知的专家路由提升上下文图像编辑的性能和稳定性
Comments Accepted by CVPR 2026. Project page: https://care-edit.github.io/
InEdit-Bench：智能图像编辑模型中间逻辑路径的基准测试
机构 * State Key Laboratory of Optical Field Manipulation Science and Technology, Institute of Optics and Electronics, Chinese Academy of Sciences（光学场操控科学与技术国家重点实验室，光学电子研究所，中国科学院） ； National Laboratory on Adaptive Optics（自适应光学国家实验室） ； University of Chinese Academy of Sciences（中国科学院大学）
专题命中 图像编辑 ：image editing(title,abstract)；分类 cs.CV
AI总结 InEdit-Bench通过评估图像编辑模型在中间逻辑路径推理中的表现，揭示了现有模型在动态推理和多步骤演变建模方面的不足，推动更智能的多模态生成模型发展。
Comments CVPR findings. Project page: https://github.com/SZStrong1/InEdit-Bench
可解释的局部编辑模型用于反事实医学图像生成
机构 * Seoul National University（首尔国立大学）
专题命中 图像编辑 ：image generation(title,abstract)；分类 cs.CV
AI总结 本文提出InstructX2X模型，通过区域特定编辑实现反事实医学图像生成，提供可解释的编辑过程和高质量图像生成。
EditReward：一种用于指令引导图像编辑的人类对齐奖励模型
机构 * University of Waterloo（滑铁卢大学） ； McGill University（麦吉尔大学） ； Independent（独立研究者）
专题命中 图像编辑 ：image editing(title,abstract)；分类 cs.CV
AI总结 EditReward是一种基于人类偏好的奖励模型，通过大规模标注数据提升图像编辑任务的质量与性能，展示了在指令引导图像编辑中的卓越对齐能力。
Comments Accepted by ICLR 2026. Project Page: https://tiger-ai-lab.github.io/EditReward
Agent Banana: 基于代理思维与工具的高质量图像编辑
机构 * TAMU（德克萨斯大学） ； Brown University（布朗大学） ； UW-Madison（威斯康星大学麦迪逊分校） ； UCSD（加州大学圣地亚哥分校） ； USC（南加州大学） ； xAI（xAI公司） ； Adobe Research（Adobe研究院） ； Meta AI ； Princeton University（普林斯顿大学）
专题命中 图像编辑 ：image editing(title,abstract)；分类 cs.CV
AI总结 Agent Banana通过分层代理规划-执行框架实现高质量图像编辑，解决多轮次编辑一致性与背景忠实度问题，同时保持指令遵循能力。
Comments Project Website: agent-banana.github.io
跟随你的形状：通过轨迹引导的区域控制实现形状感知图像编辑
机构 * HKUST（香港科技大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Shanghai Jiao Tong University（上海交通大学）
专题命中 图像编辑 ：image editing(title,abstract)；分类 cs.CV
AI总结 Follow-Your-Shape通过轨迹引导的区域控制实现精准形状编辑，无需训练和掩码，提升大规模形状变换任务的编辑性和视觉保真度。
Comments Accepted to ICLR 2026. Project webpage is available at https://follow-your-shape.github.io/
拖拽与几何：从像素到几何引导的图像编辑
机构 * Southeast University（东南大学） ； Purple Mountain Laboratories（紫金山实验室） ； Singapore Management University（新加坡国立大学）
专题命中 图像编辑 ：image editing(title,abstract)；分类 cs.CV
AI总结 GeoDrag通过整合3D几何线索和统一位移场，实现了高精度、结构一致的拖拽图像编辑，解决了多点拖拽冲突和几何引导不连续性问题。
MCIE: 多模态大语言模型驱动的复杂指令图像编辑与空间引导
专题命中 图像编辑 ：image editing(title,abstract)；分类 cs.CV
AI总结 MCIE通过空间引导和背景一致性模块，提升复杂指令图像编辑的指令合规性，实现23.96%的性能提升。
Comments Accepted by AAAI2026
WorldEdit: 向开放世界图像编辑迈进的基于知识的基准
机构 * Zhejiang University（浙江大学） ； Johns Hopkins University（约翰霍普金斯大学） ； Nanyang Technological University（南洋理工大学）
专题命中 图像编辑 ：image editing(title,abstract)；分类 cs.CV
AI总结 WorldEdit通过引入基于知识的基准，提升模型在开放世界图像编辑中对隐式指令的理解和处理能力。
FlowBypass: 基于修正流的无训练图像编辑轨迹绕过
机构 * School of Computer Science and Technology, Tongji University, Shanghai, China（计算机科学与技术学院，同济大学，上海，中国）
专题命中 图像编辑 ：image editing(title,abstract)；分类 cs.CV
AI总结 FlowBypass通过基于修正流的轨迹绕过方法，在无需特征操作的情况下提升无训练图像编辑的保真度与提示对齐能力。
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