图像生成

AcT2I: Evaluating and Improving Action Depiction in Text-to-Image Models

Vatsal Malaviya, Agneet Chatterjee, Maitreya Patel, Yezhou Yang, Chitta Baral

机构 * Arizona State University（亚利桑那州立大学） 纠错

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

Comments Project Page : https://vatsal-malaviya.github.io/AcT2I/

RealRAG: Retrieval-augmented Realistic Image Generation via Self-reflective Contrastive Learning

Yuanhuiyi Lyu, Xu Zheng, Lutao Jiang, Yibo Yan, Xin Zou, Huiyu Zhou, Linfeng Zhang, Xuming Hu

机构 * The Hong Kong University of Science（香港科学与技术大学） ； Guangxi Key Laboratory of Digital Infrastructure, Guangxi Zhuang Autonomous Region Information Center（广西数字基础设施重点实验室，广西壮族自治区信息中心） ； Shanghai Jiao Tong University（上海交通大学） 纠错

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

Comments Accepted to ICML2025

InfGen: A Resolution-Agnostic Paradigm for Scalable Image Synthesis

Tao Han, Wanghan Xu, Junchao Gong, Xiaoyu Yue, Song Guo, Luping Zhou, Lei Bai

机构 * Hong Kong University of Science and Technology（香港科技大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； The University of Sydney（悉尼大学） 纠错

专题命中 文生图 ：image synthesis(title)；image generation(abstract)；diffusion(abstract)；分类 cs.CV

Comments Accepted by ICCV 2025

Discovering Divergent Representations between Text-to-Image Models

Lisa Dunlap, Joseph E. Gonzalez, Trevor Darrell, Fabian Caba Heilbron, Josef Sivic, Bryan Russell

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

Comments Accepted to ICCV 2025. Code available at https://github.com/adobe-research/CompCon

Pathology-Aware Adaptive Watermarking for Text-Driven Medical Image Synthesis

Chanyoung Kim, Dayun Ju, Jinyeong Kim, Woojung Han, Roberto Alcover-Couso, Seong Jae Hwang

机构 * Department of Artificial Intelligence, Yonsei University（人工智能系，延世大学） ； Amazon（亚马逊） 纠错

专题命中 文生图 ：image synthesis(title,abstract)；diffusion(abstract)；分类 cs.CV

Synergistic Dual Spatial-aware Generation of Image-to-Text and Text-to-Image

Yu Zhao, Hao Fei, Xiangtai Li, Libo Qin, Jiayi Ji, Hongyuan Zhu, Meishan Zhang, Min Zhang, Jianguo Wei

机构 * Tianjin University（天津大学） ； National University of Singapore（新加坡国立大学） ； Nanyang Technological University（南洋理工大学） ； Central South University（中南大学） ； I 2 R & CFAR, A*STAR（I 2 R与CFAR，A*STAR） ； Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） 纠错

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

CytoDiff: AI-Driven Cytomorphology Image Synthesis for Medical Diagnostics

Jan Carreras Boada, Rao Muhammad Umer, Carsten Marr

机构 * Institute of AI for Health, Helmholtz Zentrum München - German Research Center for Environmental Health（人工智能与健康研究所，慕尼黑德国环境健康研究中心） ； Department of Medicine III, Ludwig-Maximilian-University Hospital（第三医学部，路德维希-马克西米利安大学医院） ； DKTK, German Cancer Consortium（德国癌症联盟，DKTK） ； Escola Superior de Comerç Internacional, Universitat Pompeu Fabra (ESCI-UPF)（国际商业学校，庞培法布拉大学（ESCI-UPF）） 纠错

专题命中 文生图 ：image synthesis(title)；image generation(abstract)；diffusion(abstract)；分类 cs.CV

Comments Accepted at ICCV 2025, 7-8 pages

SATURN: Autoregressive Image Generation Guided by Scene Graphs

Thanh-Nhan Vo, Trong-Thuan Nguyen, Tam V. Nguyen, Minh-Triet Tran

机构 * University of Science, VNU-HCM（越南国家大学科学大学） ； Vietnam National University, Ho Chi Minh City, Vietnam（越南国家大学河内市） ； University of Dayton（Dayton 大学） ； Ohio, USA（俄亥俄州，美国） 纠错

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

Comments Accepted to MAPR 2025

RefAdGen: High-Fidelity Advertising Image Generation

Yiyun Chen, Weikai Yang

专题命中 文生图 ：image generation(title,abstract)；image synthesis(abstract)；分类 cs.GR

The Silent Assistant: NoiseQuery as Implicit Guidance for Goal-Driven Image Generation

Ruoyu Wang, Huayang Huang, Ye Zhu, Olga Russakovsky, Yu Wu

机构 * School of Computer Science, Wuhan University（武汉大学计算机学院） ； Department of Computer Science, Princeton University（普林斯顿大学计算机科学系） 纠错

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

Comments ICCV 2025 Highlight

Trade-offs in Image Generation: How Do Different Dimensions Interact?

Sicheng Zhang, Binzhu Xie, Zhonghao Yan, Yuli Zhang, Donghao Zhou, Xiaofei Chen, Shi Qiu, Jiaqi Liu, Guoyang Xie, Zhichao Lu

机构 * Khalifa University（卡利法大学） ； The Chinese University of Hong Kong（香港中文大学） ； Queen Mary University of London（伦敦大学玛丽女王学院） ； Xi’an Jiaotong-Liverpool University（西安交通大学利物浦大学） ； City University of Hong Kong（香港城市大学） 纠错

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

Comments Accepted in ICCV 2025, Codebase: https://github.com/fesvhtr/TRIG

CatchPhrase: EXPrompt-Guided Encoder Adaptation for Audio-to-Image Generation

Hyunwoo Oh, SeungJu Cha, Kwanyoung Lee, Si-Woo Kim, Dong-Jin Kim

机构 * Hanyang University（翰阳大学） 纠错

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

Preserve Anything: Controllable Image Synthesis with Object Preservation

Prasen Kumar Sharma, Neeraj Matiyali, Siddharth Srivastava, Gaurav Sharma

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

Comments Accepted at ICCV 2025 (main conference)

Do Existing Testing Tools Really Uncover Gender Bias in Text-to-Image Models?

Yunbo Lyu, Zhou Yang, Yuqing Niu, Jing Jiang, David Lo

机构 * Singapore Management University（新加坡管理大学） ； University of Alberta（阿尔伯塔大学） ； Australian National University（澳大利亚国立大学） 纠错

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

Comments Accepted to ACM MM 2025

Att-Adapter: A Robust and Precise Domain-Specific Multi-Attributes T2I Diffusion Adapter via Conditional Variational Autoencoder

Wonwoong Cho, Yan-Ying Chen, Matthew Klenk, David I. Inouye, Yanxia Zhang

机构 * Purdue University（普渡大学） ； Toyota Research Institute（丰田研究院） 纠错

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

Comments ICCV'25 (Highlight), The project page is available at https://tri-mac.github.io/att-adapter/

Encapsulated Composition of Text-to-Image and Text-to-Video Models for High-Quality Video Synthesis

Tongtong Su, Chengyu Wang, Bingyan Liu, Jun Huang, Dongming Lu

机构 * Zhejiang University（浙江大学） ； Alibaba Cloud Computing（阿里云计算） ； South China University of Technology（华南理工大学） 纠错

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

Structured Captions Improve Prompt Adherence in Text-to-Image Models (Re-LAION-Caption 19M)

Nicholas Merchant, Haitz Sáez de Ocáriz Borde, Andrei Cristian Popescu, Carlos Garcia Jurado Suarez

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

Comments 7-page main paper + appendix, 18 figures

TDRI: Two-Phase Dialogue Refinement and Co-Adaptation for Interactive Image Generation

Yuheng Feng, Jianhui Wang, Kun Li, Sida Li, Tianyu Shi, Haoyue Han, Miao Zhang, Xueqian Wang

机构 * organization= Xidian University , addressline= No. 2 Taibai South Road , city= Xi'an , postcode= 710071 , state= Shaanxi , country= China ； organization= Xiamen University Malaysia , addressline= Jalan Sunsuria, Bandar Sunsuria , city= Sepang , postcode= 43900 , state= Selangor , country= Malaysia ； organization= Peking University , addressline= 5 Yiheyuan Road, Haidian District , city= Beijing , postcode= 100871 , state= Beijing , country= China ； organization= Faculty of Applied Science \& Engineering, University of Toronto , addressline= 27 King's College Cir , city= Toronto , postcode= M5S 1A1 , state= Ontario , country= Canada ； organization= Shenzhen International Graduate School, Tsinghua University , addressline= University Town of Shenzhen, Nanshan District , city= Shenzhen , postcode= 518055 , state= Guangdong , country= China 纠错

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

ConceptMix++: Leveling the Playing Field in Text-to-Image Benchmarking via Iterative Prompt Optimization

Haosheng Gan, Berk Tinaz, Mohammad Shahab Sepehri, Zalan Fabian, Mahdi Soltanolkotabi

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

Comments An earlier version appeared in the CVPR 2025 Workshop on Generative Models for Computer Vision

T2I-R1: Reinforcing Image Generation with Collaborative Semantic-level and Token-level CoT

Dongzhi Jiang, Ziyu Guo, Renrui Zhang, Zhuofan Zong, Hao Li, Le Zhuo, Shilin Yan, Pheng-Ann Heng, Hongsheng Li

机构 * CUHK MMLab（CUHK多媒体实验室） ； CUHK MiuLar Lab（CUHK MiuLar实验室） ； Shanghai AI Laboratory（上海人工智能实验室） 纠错

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

Comments Project Page: https://github.com/CaraJ7/T2I-R1

PathDiff: Histopathology Image Synthesis with Unpaired Text and Mask Conditions

Mahesh Bhosale, Abdul Wasi, Yuanhao Zhai, Yunjie Tian, Samuel Border, Nan Xi, Pinaki Sarder, Junsong Yuan, David Doermann, Xuan Gong

机构 * University at Buffalo（布法罗大学） ； University of Florida（佛罗里达大学） ； Harvard Medical School（哈佛医学院） 纠错

专题命中 文生图 ：image synthesis(title)；image generation(abstract)；diffusion(abstract)；分类 cs.CV

Comments Accepted to ICCV 2025

Image Captions are Natural Prompts for Text-to-Image Models

Shiye Lei, Hao Chen, Sen Zhang, Bo Zhao, Dacheng Tao

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

Comments 31 pages, 2 figure, 15 tables. Codes are available at https://github.com/LeavesLei/Caption_in_Prompt

Journal ref International Journal of Computer Vision (June 2025)

ShareGPT-4o-Image: Aligning Multimodal Models with GPT-4o-Level Image Generation

Junying Chen, Zhenyang Cai, Pengcheng Chen, Shunian Chen, Ke Ji, Xidong Wang, Yunjin Yang, Benyou Wang

机构 * The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）） 纠错

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

How to Train your Text-to-Image Model: Evaluating Design Choices for Synthetic Training Captions

Manuel Brack, Sudeep Katakol, Felix Friedrich, Patrick Schramowski, Hareesh Ravi, Kristian Kersting, Ajinkya Kale

机构 * Adobe Applied Research（Adobe应用研究） ； TU Darmstadt（图林大学达姆施塔特分校） ； DFKI（德意志联邦防务研究院） 纠错

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

Hidden Bias in the Machine: Stereotypes in Text-to-Image Models

Sedat Porikli, Vedat Porikli

机构 * Canyon Crest Academy（山崖顶峰学院） 纠错

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

Comments Equal contribution by both authors, Published at CVPR 2025 Workshop on Experimental Model Auditing via Controllable Synthesis (EMACS) and Workshop on Demographic Diversity in Computer Vision (DemoDiv)

Infinity: Scaling Bitwise AutoRegressive Modeling for High-Resolution Image Synthesis

Jian Han, Jinlai Liu, Yi Jiang, Bin Yan, Yuqi Zhang, Zehuan Yuan, Bingyue Peng, Xiaobing Liu

机构 * ByteDance（字节跳动） 纠错

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

Comments 17 pages, 14 figures

A Watermark for Auto-Regressive Image Generation Models

Yihan Wu, Xuehao Cui, Ruibo Chen, Georgios Milis, Heng Huang

机构 * University of Maryland, College Park（马里兰大学 College Park分校） 纠错

专题命中 文生图 ：image generation(title,abstract)；image synthesis(abstract)；分类 cs.CV

Comments Technical report

Multimodal Pragmatic Jailbreak on Text-to-image Models

Tong Liu, Zhixin Lai, Jiawen Wang, Gengyuan Zhang, Shuo Chen, Philip Torr, Vera Demberg, Volker Tresp, Jindong Gu

机构 * LMU Munich, Germany（慕尼黑大学） ； Munich Center for Machine Learning, Germany（慕尼黑机器学习中心） ； Saarland University, Germany（萨尔兰大学） ； Max Planck Institute for Informatics, Germany（马克斯·普朗克信息研究所） ； Cornell University, USA（康奈尔大学） ； University of Oxford, UK（牛津大学） 纠错

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

Re-Thinking the Automatic Evaluation of Image-Text Alignment in Text-to-Image Models

Huixuan Zhang, Xiaojun Wan

机构 * Wangxuan Institute of Computer Technology, Peking University（计算机技术研究院，北京大学） 纠错

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

CuRe: Cultural Gaps in the Long Tail of Text-to-Image Systems

Aniket Rege, Zinnia Nie, Mahesh Ramesh, Unmesh Raskar, Zhuoran Yu, Aditya Kusupati, Yong Jae Lee, Ramya Korlakai Vinayak

机构 * University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； University of Washington（华盛顿大学） 纠错

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

Comments 41 pages, 22 figures, 17 tables