ID-Guard: A Universal Framework for Combating Facial Manipulation via Breaking Identification
ID-Guard：一种通过破坏身份特征来对抗面部操纵的通用框架
专题命中 个性化与一致性 ：inpainting(abstract)；分类 cs.CV
AI总结 本研究针对面部操纵滥用的问题，提出ID-Guard通用框架，通过身份破坏模块生成跨模型可迁移扰动，可防御多种操纵模型并集成到其他任务中。
视觉与机器人
图像生成
图像生成、文生图、图像编辑、扩散模型和可控生成。
1. 个性化与一致性 1272 篇
MoSAIC: Aligned Intervention Supervision for Part-Local Motion Style Transfer
MoSAIC：用于局部部位动作迁移的对齐干预监督
机构 * The University of Texas at San Antonio（德克萨斯大学圣安东尼奥分校）
专题命中 个性化与一致性 ：diffusion(abstract)；分类 cs.CV
AI总结 MoSAIC是一种局部部位参考条件动作风格迁移的潜在扩散框架，通过对齐干预监督优化响应与保留的权衡，在评估中降低了误差并提升了选中区域响应与路由影响浓度。
Comments 23 pages, 6 figures, 11 tables. Project page: https://utsa-virlab.github.io/MoSAIC/
Adversarial Deepfake Generation and an Investigation of Purification-Based Adversarial Detection
对抗性深度伪造生成与基于净化的对抗性检测研究
机构 * Soonchunhyang University（顺天乡大学）
专题命中 个性化与一致性 ：image generation(abstract)；分类 cs.CV
AI总结 该研究参与ImageCLEF 2026深度伪造检测与生成任务，图像生成采用FLUX.1-dev等方法，检测用SigLIP+DINOv2等组合。还自主研究基于净化的对抗性检测，发现特定信号可有效区分对抗与干净输入，反驳相关假设并揭示质量悬崖。
Comments Accepted at CLEF 2026, ImageCLEF-Deepfake task. Published in CEUR-WS CLEF 2026 Working Notes
OmniMate: Open-Ended Real-Time Streaming Audio-Visual Generation for Interactive Avatars
OmniMate：用于交互式虚拟化身的开放式实时流视听生成
机构 * China Telecom Artificial Intelligence Technology (Beijing) Co., Ltd.（中国电信人工智能技术（北京）有限公司）
专题命中 个性化与一致性 ：diffusion(abstract)；分类 cs.CV
AI总结 研究针对实时交互式流中生成范围未知和跨模态身份一致性退化的挑战，提出OmniMate框架，通过生成进度控制器和多参考条件模块，实现高质量、低延迟的开放式实时交互式视听虚拟化身生成及长期跨模态身份一致性。
Cinematic Compositing Using Character-Environment-Harmonized Video Generation Models
使用角色-环境协调视频生成模型的电影级合成
机构 * City University of Hong Kong（香港城市大学） ； Independent Researcher（独立研究员）
专题命中 个性化与一致性 ：diffusion(abstract)；分类 cs.CV
AI总结 提出端到端视频扩散框架，通过三掩码引导和RGB-D联合去噪建模角色与环境的双向物理与光照交互，实现高质量动态视频合成。
Comments Project Page: https://cehcomposition.github.io/demo/
Oxygen-TryOn: Fashion-Native Foundation Model for Any-item Virtual Try-On
Oxygen-TryOn：用于任意物品虚拟试穿的时尚原生基础模型
机构 * Oxygen AIGC Group（氧气AIGC集团） ； Joy Future Academy（京东探索研究院）
专题命中 个性化与一致性 ：inpainting(abstract)；分类 cs.CV
AI总结 研究提出时尚原生的Oxygen-TryOn基础模型，用于任意物品虚拟试穿。通过专用数据引擎和特定训练构建，重新定义试穿任务，设计三阶段训练方法，在单物品和多物品试穿中取得先进成果，超越多个系统。
Adaptive Identity Anchoring: Closed-Loop Keyframe Placement for Synthetic Paired Supervision in Video Face Swapping
自适应身份锚定：用于视频人脸交换中合成配对监督的闭环关键帧放置
专题命中 个性化与一致性 ：diffusion(abstract)；分类 cs.CV
AI总结 研究视频人脸交换缺乏自然配对监督问题，提出自适应身份锚定（AIA）方法，通过闭环反馈放置锚定并结合现实参考纹理恢复，还给出可证伪实验，有望解决合成身份漂移及过度平滑皮肤问题。
GroupVideo: Multi-Identity Customized Text-to-Video Generation
GroupVideo：多身份定制文本到视频生成
机构 * University of Chinese Academy of Sciences（中国科学院大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Ant Group（蚂蚁集团）
专题命中 个性化与一致性 ：diffusion(abstract)；分类 cs.CV
AI总结 研究多身份定制文本到视频生成问题，提出GroupVideo框架，融合多模态身份对齐及相关模块，构建高质量数据集，在生成多角色视频时能保持身份一致且动作自然，优于现有方法。
ETPDesigner: Multi-Agent Orchestration for Interactive Multimodal Electronic Theater Program
ETPDesigner：用于交互式多模态电子剧院节目的多智能体编排
机构 * Shanghai University（上海大学） ； Shanghai Engineering Research Center of Motion Picture Special Effects（上海电影特效工程技术研究中心） ； Institute for Math and AI, Wuhan School of Artificial Intelligence, Wuhan University（武汉大学数学与人工智能研究院武汉人工智能学院）
专题命中 个性化与一致性 ：text-to-image(abstract)；分类 cs.CV
AI总结 研究针对电子剧院节目设计难题，提出ETPDesigner多智能体框架，能从戏剧脚本合成高质量ETP，通过全局风格锚定机制保证一致性，还实现交互功能，经ETP-Pro基准测试验证了方法在多方面的优越性。
Between Safe Boundaries: Exploiting Temporal Consistency for Jailbreaking Text-To-Video Generation Models
在安全边界之间：利用时间一致性破解文本到视频生成模型
机构 * University of Science and Technology of China（科学技术大学）
专题命中 个性化与一致性 ：text-to-image(abstract)；分类 cs.MM
AI总结 研究针对文本到视频模型的越狱攻击，提出结构化查询高效的BSB框架，利用时间一致性，通过在文本代理空间进行蒙特卡洛树搜索并结合视频级评估来校准结果，实验表明该方法超越现有基线，有效发现模型漏洞。
The generator is the tracker: Multi-object tracking by painting persistent identity colours
生成器即跟踪器：通过绘制持久身份颜色进行多目标跟踪
机构 * Cornell University（康奈尔大学）
专题命中 个性化与一致性 ：diffusion(abstract)；分类 cs.CV
AI总结 研究多目标跟踪问题，核心方法是用轻量级LoRA微调文本到视频扩散模型生成带持久身份颜色的视频，无需传统跟踪组件。主要贡献是在DanceTrack测试服务器上达到40.3 HOTA，有独特错误分布，颜色分配可在遮挡后重新识别身份。
WorldWander: Bridging Egocentric and Exocentric Worlds in Video Generation
WorldWander：在视频生成中连接自我中心和外中心世界
机构 * Show Lab, National University of Singapore（新加坡国立大学Show实验室）
专题命中 个性化与一致性 ：diffusion(abstract)；分类 cs.CV
AI总结 研究聚焦视频生成中自我中心与外中心世界转换，提出WorldWander框架，基于视频扩散变换器，整合上下文视角对齐与协作位置编码，精心策划数据集，实验证明该框架在视角同步、角色一致性和泛化能力上表现卓越，设定了新基准。
Comments Accepted by ECCV 2026; Code: https://github.com/showlab/WorldWander
Hallo4D: Multi-Modal Hallucination Mitigation for Consistent Spatio-Temporal Generation
Hallo4D：用于一致时空生成的多模态幻觉缓解
机构 * Institute of Automation, Chinese Academy of Science（中国科学院自动化研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Shanghaitech University（上海科技大学）
专题命中 个性化与一致性 ：diffusion(abstract)；分类 cs.CV
AI总结 研究针对3D和4D内容生成中的时空幻觉问题，提出Hallo4D框架，利用多模态语言模型，通过生成-检测-校正范式及多种技术提升一致性，实验证明其在多样生成设置下优于基线，提供了可扩展通用的一致性感知内容生成方案。
What Would You Click? Personalized Video Thumbnail Generation with Preference-aware Highlight Retrieval
你会点击什么？基于偏好感知高光检索的个性化视频缩略图生成
专题命中 个性化与一致性 ：diffusion(abstract)；分类 cs.MM
AI总结 研究针对视频平台个性化视频缩略图生成问题，提出两阶段框架，先通过偏好感知检索选取视觉锚点，再经VLM引导的扩散管道生成缩略图，实验和用户研究证明该方法性能优且能提升用户参与度。
WanToFight: Real-Time Generative Game Engine for Multi-Player Combat Interaction
WanToFight：用于多人战斗交互的实时生成游戏引擎
机构 * Alibaba Tongyi Lab（阿里巴巴通义实验室）
专题命中 个性化与一致性 ：diffusion(abstract)；分类 cs.CV
AI总结 WanToFight是用于多人战斗交互的实时生成游戏引擎，基于Wan-1.3B视频扩散变换器构建三个组件，解决了先前引擎未共同处理的问题，能结合多种玩法，在特定配置下维持30FPS，是首个此类集成系统。
Comments Project Page: https://humanaigc.github.io/wantofight/
Do You Remember? Toward Memory-Centric Multimodal AI
你还记得吗？迈向以记忆为中心的多模态人工智能
专题命中 个性化与一致性 ：diffusion(abstract)；分类 cs.CV
AI总结 研究针对当前多模态语言模型缺乏重建性记忆的问题，提出DoYouRemember三阶段架构，通过VQ-VAE、LoRA微调语言模型和扩散解码器实现，经实验发现语言模型隐藏状态视觉信息少，还解决了共享记忆矩阵训练问题，统一相关发现于信息论框架。
Comments 43 pages, 8 figures, 3 tables
Eulerian Motion Guidance: Robust Image Animation via Bidirectional Geometric Consistency
欧拉运动引导：基于双向几何一致性的鲁棒图像动画
机构 * National University of Singapore（新加坡国立大学） ； Centre for AI Research, VinUniversity（Vin大学人工智能研究中心） ； Nanyang Technological University（南洋理工大学）
专题命中 个性化与一致性 ：diffusion(abstract)；分类 cs.CV
AI总结 提出使用相邻帧欧拉运动场引导生成，并通过双向几何一致性机制解决遮挡问题，实现加速训练、保持时间连贯性和减少动态伪影。
Comments Accepted by ACM MM 2026. Code is available at https://github.com/nguyentthong/eulerian_motion_guidance
AnyStyle: A Single LoRA is Sufficient for Image-Guided Style Transfer
AnyStyle：单个LoRA足以实现图像引导的风格迁移
机构 * School of Artificial Intelligence, South China Normal University（华南师范大学人工智能学院）
专题命中 个性化与一致性 ：diffusion(abstract)；分类 cs.CV
AI总结 研究图像引导风格迁移，指出基于扩散方法存在内容与风格解缠难题。提出AnyStyle框架，采用统一单适配器范式，结合无训练结构引导，提升可控性与稳定性，实验显示性能优。
ReLo-IRR: Reflection-Guided LoRA Framework for Image Reflection Removal
ReLo-IRR：用于图像反射去除的反射引导LoRA框架
机构 * School of Artificial Intelligence, South China Normal University（南方科技大学人工智能学院） ； University of Science and Technology of China（中国科学技术大学）
专题命中 个性化与一致性 ：diffusion(abstract)；分类 cs.CV
AI总结 针对单图像反射去除问题，提出基于整流流模型的ReLo-IRR框架。设计轻量级估计器预测反射强度描述符，引入时间条件机制，联合建模反射强度和去噪动态，有效抑制不同反射条件。
When Style Similarity Scores Fail: Diagnosing Raw CSD Cosine in Artist-Style Evaluation
当风格相似性评分失效时：诊断原始CSD余弦在艺术家风格评估中的问题
机构 * Bochum University of Applied Sciences（博湖应用科学大学）
专题命中 个性化与一致性 ：text-to-image(abstract)；分类 cs.CV
AI总结 本文提出一种诊断方法，用于检验对比风格描述符（CSD）的原始余弦是否能作为绝对风格保真度评分。通过实验发现，CSD+方法在不同模型上均能有效减少负差距，提升评估准确性。
Comments 24 pages, 7 figures, 19 tables
ECTraj: Enhanced Consistency Training for Multi-Agent Trajectory Prediction
增强多智能体轨迹预测的一致性模型
机构 * Rutgers University - New Brunswick（罗格斯大学-新不伦瑞克分校） ； New Jersey Institute of Technology（新泽西理工学院） ； The College of New Jersey（新泽西学院）
专题命中 个性化与一致性 ：diffusion(abstract)；分类 cs.CV
AI总结 本文提出ECTraj，通过改进训练和条件生成方法，提升多智能体轨迹预测的一致性模型性能，实现更快推理和更准确预测，建立新的基准。
MACS: Measurement-Aware Consistency Sampling for Inverse Problems
MACS：用于逆问题的测量感知一致性采样
机构 * Department of Electrical Engineering（电气工程系） ； Sharif University of Technology（谢里夫大学） ； Electronics Research Institute（电子研究所）
专题命中 个性化与一致性 ：diffusion(abstract)；分类 cs.CV
AI总结 针对逆成像问题，改进一致性采样框架，利用测量一致性机制调控采样随机性，兼顾数据保真与计算效率，实验表明该方法在多指标上有提升，少量采样步就能实现有竞争力或更优的重建质量。
From Forgeries to Foundation Models: A Systematic Survey of Identity Document Attack and Detection
从伪造到基础模型：身份证件攻击与检测的系统性综述
专题命中 个性化与一致性 ：inpainting(abstract)；分类 cs.CV
AI总结 本文系统综述了身份证件伪造攻击（物理呈现、数字注入、生成式合成）及检测方法，揭示了基准与现实间的差距，并发现最强模型在零样本场景下APCER超25%。
Style-CCL: Content-Preserving Style Transfer via Curriculum Continual Learning
Style-CCL：通过课程持续学习实现内容保持的风格迁移
机构 * Institute of Artificial Intelligence (TeleAI), China Telecom（中国电信人工智能研究院）
专题命中 个性化与一致性 ：diffusion(abstract)；分类 cs.CV
AI总结 针对扩散变换器在风格迁移中内容与风格特征纠缠的问题，提出多阶段课程持续学习框架Style-CCL，通过从语义到纹理风格、从干净到合成数据的分阶段训练，并采用随机记忆排练防止灾难性遗忘，在风格相似性、内容一致性和美学质量上达到最优。
Comments code and models of QwenStyle are released at https://github.com/witcherofresearch/Qwen-Image-Style-Transfer/ and https://github.com/Tele-AI/TeleStyle/
FreqOrtho-SR: Frequency-Guided Orthogonal Expert Learning for Real-World Image Super-Resolution
FreqOrtho-SR：面向真实世界图像超分辨率的频率引导正交专家学习
机构 * School of Computing, KAIST, Republic of Korea（韩国科学技术院计算机学院）
专题命中 个性化与一致性 ：diffusion(abstract)；分类 cs.CV
AI总结 针对真实图像超分辨率中像素保真度与语义质量平衡难、退化多样性适应差的问题，提出FreqOrtho-SR，通过频率引导的LoRA专家混合（FreqMoE）实现退化类型特化，并利用正交梯度投影（OGP）保证像素与语义目标互补学习，在多个基准上取得优异性能。
Comments Accepted at ECCV 2026
RefAlign: Representation Alignment for Reference-to-Video Generation
RefAlign：参考到视频生成的表示对齐
机构 * PCA Lab, VCIP, College of Computer Science, Nankai University（南开大学计算机学院VCIP实验室PCA Lab） ； Baidu Inc.（百度公司） ； PCA Lab, School of Intelligence Science and Technology, Nanjing University（南京大学智能科学与技术学院PCA Lab） ； College of Artificial Intelligence, Jilin University（吉林大学人工智能学院）
专题命中 个性化与一致性 ：diffusion(abstract)；分类 cs.CV
AI总结 RefAlign通过显式对齐DiT参考分支特征与视觉基础模型的语义空间，提升参考生成的准确性与可控性，实验表明其在R2V任务中优于现有方法。
Comments Accepted to ECCV 2026;Code: https://github.com/gudaochangsheng/RefAlign Project: https://gudaochangsheng.github.io/RefAlign-Page/
OrthoTryOn: Geometric Orthogonalization for Conflict-Free Unified Fashion Generation
OrthoTryOn：面向无冲突统一时尚生成的几何正交化
机构 * PCA Lab, School of Computer Science and Engineering, Nanjing University of Science and Technology（南京理工大学计算机科学与工程学院PCA实验室） ； PCA Lab, School of Intelligence Science and Technology, Nanjing University（南京大学智能科学与技术学院PCA实验室） ； Shanghai Jiao Tong University（上海交通大学）
专题命中 个性化与一致性 ：diffusion(abstract)；分类 cs.CV
AI总结 提出OrthoTryOn框架，通过正交子空间投影和Fisher引导负向引导解决统一时尚生成中任务间梯度冲突，实现多任务协同优化。
Comments Accepted by ECCV2026
StyleFusion360: View-Consistent Head Stylization via Adaptive Style Modulation
StyleFusion360: 通过自适应风格调制实现视图一致的人头风格化
机构 * Bilkent University（比尔肯特大学）
专题命中 个性化与一致性 ：diffusion(abstract)；分类 cs.CV
AI总结 提出StyleFusion360，一种基于扩散的框架，通过自适应风格调制实现单风格参考图像的多视图一致、身份保持的3D人头风格化，无需逐风格训练，并支持强度控制和局部编辑。
DivRL: Disentangled Self-Similarity Rewards for Diverse Subject-Driven Generation
DivRL: 解耦自相似性奖励用于多样化主题驱动生成
机构 * KAUST（阿卜杜拉国王科技大学）
专题命中 个性化与一致性 ：image generation(abstract)；分类 cs.CV
AI总结 提出DivRL框架，通过解耦视觉特征中的负自相似性度量（nSSM）和视觉语义匹配（VSM），采用“探索-抑制”策略联合优化身份一致性与结构多样性，解决主题驱动生成中的身份-多样性悖论。
Comments Accepted to ECCV 2026. Project page: https://qianwangx.github.io/DivRL/
SteerVTE: Seamless Video Text Editing with Style and Glyph Control
SteerVTE: 具有风格和字形控制的无缝视频文本编辑
机构 * Peking University（北京大学）
专题命中 个性化与一致性 ：diffusion(abstract)；分类 cs.CV
AI总结 提出SteerVTE框架，通过风格编码器和双粒度字形编码器控制冻结视频扩散模型，结合字形感知空间焦点损失和三阶段渐进训练，实现精确、连贯的视频文本编辑。
