图像生成

FoleyGRAM: Video-to-Audio Generation with GRAM-Aligned Multimodal Encoders

Riccardo Fosco Gramaccioni, Christian Marinoni, Eleonora Grassucci, Giordano Cicchetti, Aurelio Uncini, Danilo Comminiello

机构 * Dept. Information Engineering, Electronics and Telecommunications (DIET), Sapienza University of Rome（信息工程、电子与电信系（DIET），罗马萨皮恩扎大学） 纠错

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

Comments Acepted at IJCNN 2025

In-2-4D: Inbetweening from Two Single-View Images to 4D Generation

Sauradip Nag, Daniel Cohen-Or, Hao Zhang, Ali Mahdavi-Amiri

机构 * Simon Fraser University（西蒙弗雷泽大学） ； Tel Aviv University（特拉维夫大学） 纠错

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

Comments SIGGRAPH ASIA 2025; Project page at https://in-2-4d.github.io/

CLOSP: A Unified Semantic Space for SAR, MSI, and Text in Remote Sensing

Daniele Rege Cambrin, Lorenzo Vaiani, Giuseppe Gallipoli, Luca Cagliero, Paolo Garza

机构 * Politecnico di Torino（托斯大学） 纠错

专题命中 可控生成 ：text-to-image(abstract)；分类 cs.CV、cs.MM

AToken: A Unified Tokenizer for Vision

Jiasen Lu, Liangchen Song, Mingze Xu, Byeongjoo Ahn, Yanjun Wang, Chen Chen, Afshin Dehghan, Yinfei Yang

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

Comments 30 pages, 14 figures

Think2Sing: Orchestrating Structured Motion Subtitles for Singing-Driven 3D Head Animation

Zikai Huang, Yihan Zhou, Xuemiao Xu, Cheng Xu, Xiaofen Xing, Jing Qin, Shengfeng He

机构 * School of Computer Science and Engineering, South China University of Technology（华南理工大学计算机科学与工程学院） ； South China University of Technology（华南理工大学） ； Guangdong Engineering Center for Large Model and GenAI Technology（广东省大模型与生成式人工智能技术工程中心） ； Guangdong Provincial Key Lab of Computational Intelligence and Cyberspace Information（广东省计算智能与网络信息重点实验室） ； Centre for Smart Health, Hong Kong Polytechnic University（香港理工大学智能健康研究中心） ； CAS-Hong Kong Joint Laboratory for Multimodal Medical Molecular Imaging（中国科学院-香港联合多模态医学分子成像联合实验室） ； School of Electronic and Information Engineering, South China University of Technology（华南理工大学电子与信息学院） ； Pazhou Lab, Guangzhou, Guangdong, China（广州琶洲实验室） ； School of Computing and Information Systems, Singapore Management University（新加坡国立大学计算机与信息系统学院） 纠错

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

Multimodal LLMs Can Reason about Aesthetics in Zero-Shot

Ruixiang Jiang, Changwen Chen

机构 * The Hong Kong Polytechnic University（香港理工大学） 纠错

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

Comments ACM MM 2025 Camera Ready

DiffArtist: Towards Structure and Appearance Controllable Image Stylization

Ruixiang Jiang, Changwen Chen

机构 * The Hong Kong Polytechnic University（香港理工大学） 纠错

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

Comments Accepted to ACM MM 2025, Homepage: https://DiffusionArtist.github.io

AutoSketch: VLM-assisted Style-Aware Vector Sketch Completion

Hsiao-Yuan Chin, I-Chao Shen, Yi-Ting Chiu, Ariel Shamir, Bing-Yu Chen

机构 * National Taiwan University（国立台湾大学） ； The University of Tokyo（东京大学） ； Reichman University（里奇曼大学） 纠错

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

Comments 11 pages, Hsiao-Yuan Chin and I-Chao Shen contributed equally to the paper

Shape from Semantics: 3D Shape Generation from Multi-View Semantics

Liangchen Li, Caoliwen Wang, Yuqi Zhou, Bailin Deng, Juyong Zhang

机构 * University of Science and Technology of China（科学技术大学） ； Cardiff University（卡地夫大学） 纠错

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

Comments Project page: https://shapefromsemantics.github.io

3DFacePolicy: Audio-Driven 3D Facial Animation Based on Action Control

Xuanmeng Sha, Liyun Zhang, Tomohiro Mashita, Naoya Chiba, Yuki Uranishi

机构 * The University of Osaka（大阪大学） ； Osaka Electro-Communication University（大阪电通信大学） ； Osaka University（大阪大学） 纠错

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

Matrix-3D: Omnidirectional Explorable 3D World Generation

Zhongqi Yang, Wenhang Ge, Yuqi Li, Jiaqi Chen, Haoyuan Li, Mengyin An, Fei Kang, Hua Xue, Baixin Xu, Yuyang Yin, Eric Li, Yang Liu, Yikai Wang, Hao-Xiang Guo, Yahui Zhou

机构 * Skywork AI ； Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） ； School of Artificial Intelligence, Beijing Normal University（北京师范大学人工智能学院） 纠错

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

Comments Technical Report

Motion Synthesis with Sparse and Flexible Keyjoint Control

Inwoo Hwang, Jinseok Bae, Donggeun Lim, Young Min Kim

机构 * ECE, Seoul National University（电子工程系，首尔国立大学） 纠错

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

Comments Accepted to ICCV 2025. Project Page: http://inwoohwang.me/SFControl

A Controllable Appearance Representation for Flexible Transfer and Editing

Santiago Jimenez-Navarro, Julia Guerrero-Viu, Belen Masia

机构 * Universidad de Zaragoza, I3A（萨拉戈萨大学，I3A） 纠错

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

Comments EGSR 2025 - Symposium Track

AirSketch: Generative Motion to Sketch

Hui Xian Grace Lim, Xuanming Cui, Yogesh S Rawat, Ser-Nam Lim

机构 * University of Central Florida（中央佛罗里达大学） 纠错

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

MimicMotion: High-Quality Human Motion Video Generation with Confidence-aware Pose Guidance

Yuang Zhang, Jiaxi Gu, Li-Wen Wang, Han Wang, Junqi Cheng, Yuefeng Zhu, Fangyuan Zou

机构 * Tencent（腾讯） ； Shanghai Jiao Tong University（上海交通大学） 纠错

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

Comments ICML 2025

Whole-Body Conditioned Egocentric Video Prediction

Yutong Bai, Danny Tran, Amir Bar, Yann LeCun, Trevor Darrell, Jitendra Malik

机构 * UC Berkeley (BAIR)（伯克利大学（BAIR）） ； FAIR, Meta（Meta 公司 FAIR 实验室） ； New York University（纽约大学） 纠错

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

Comments Project Page: https://dannytran123.github.io/PEVA

Silence is Golden: Leveraging Adversarial Examples to Nullify Audio Control in LDM-based Talking-Head Generation

Yuan Gan, Jiaxu Miao, Yunze Wang, Yi Yang

机构 * ReLER, CCAI, Zhejiang University（ReLER，中国人工智能学会，浙江大学） ； School of Cyber Science and Technology, Sun Yat-sen University（信息科学与技术学院，孙中山大学） ； Department of Statistics, University of Wisconsin–Madison（统计学系，威斯康星大学麦迪逊分校） 纠错

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

Comments Accepted to CVPR 2025

Pursuing Temporal-Consistent Video Virtual Try-On via Dynamic Pose Interaction

Dong Li, Wenqi Zhong, Wei Yu, Yingwei Pan, Dingwen Zhang, Ting Yao, Junwei Han, Tao Mei

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

Comments CVPR 2025

Person-In-Situ: Scene-Consistent Human Image Insertion with Occlusion-Aware Pose Control

Shun Masuda, Yuki Endo, Yoshihiro Kanamori

机构 * University of Tsukuba（茨口大学） 纠错

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

FolAI: Synchronized Foley Sound Generation with Semantic and Temporal Alignment

Riccardo Fosco Gramaccioni, Christian Marinoni, Emilian Postolache, Marco Comunità, Luca Cosmo, Joshua D. Reiss, Danilo Comminiello

机构 * Sapienza University of Rome, Italy（罗马萨皮恩扎大学） ； Ca’ Foscari University of Venice, Italy（威尼斯卡弗斯卡里大学） ； Queen Mary University of London, UK（伦敦女王玛丽大学） 纠错

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

Sketch2Anim: Towards Transferring Sketch Storyboards into 3D Animation

Lei Zhong, Chuan Guo, Yiming Xie, Jiawei Wang, Changjian Li

机构 * University of Edinburgh（爱丁堡大学） ； Snap Inc.（Snap公司） ； Northeastern University（东北大学） 纠错

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

Comments Project page: https://zhongleilz.github.io/Sketch2Anim/

ReStyle3D: Scene-Level Appearance Transfer with Semantic Correspondences

Liyuan Zhu, Shengqu Cai, Shengyu Huang, Gordon Wetzstein, Naji Khosravan, Iro Armeni

机构 * Stanford University（斯坦福大学） ； NVIDIA Research（NVIDIA研究） ； Zillow Group（Zillow集团） 纠错

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

Comments SIGGRAPH 2025. Project page: https://restyle3d.github.io/

PhysAnimator: Physics-Guided Generative Cartoon Animation

Tianyi Xie, Yiwei Zhao, Ying Jiang, Chenfanfu Jiang

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

Comments Accepted by CVPR 2025

MARVEL-40M+: Multi-Level Visual Elaboration for High-Fidelity Text-to-3D Content Creation

Sankalp Sinha, Mohammad Sadil Khan, Muhammad Usama, Shino Sam, Didier Stricker, Sk Aziz Ali, Muhammad Zeshan Afzal

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

WonderWorld: Interactive 3D Scene Generation from a Single Image

Hong-Xing Yu, Haoyi Duan, Charles Herrmann, William T. Freeman, Jiajun Wu

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

Comments CVPR 2025. Project website: https://kovenyu.com/WonderWorld/. The first two authors contributed equally

TA-V2A: Textually Assisted Video-to-Audio Generation

Yuhuan You, Xihong Wu, Tianshu Qu

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

Revisiting CAD Model Generation by Learning Raster Sketch

Pu Li, Wenhao Zhang, Jianwei Guo, Jinglu Chen, Dong-Ming Yan

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

Image Referenced Sketch Colorization Based on Animation Creation Workflow

Dingkun Yan, Xinrui Wang, Zhuoru Li, Suguru Saito, Yusuke Iwasawa, Yutaka Matsuo, Jiaxian Guo

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

TIPS: Text-Induced Pose Synthesis

Prasun Roy, Subhankar Ghosh, Saumik Bhattacharya, Umapada Pal, Michael Blumenstein

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

Comments Accepted in The European Conference on Computer Vision (ECCV) 2022

Multi-scale Attention Guided Pose Transfer

Prasun Roy, Saumik Bhattacharya, Subhankar Ghosh, Umapada Pal

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

Comments Accepted in Pattern Recognition (PR) 2023