图像生成

GenTune: Toward Traceable Prompts to Improve Controllability of Image Refinement in Environment Design

Wen-Fan Wang, Ting-Ying Lee, Chien-Ting Lu, Che-Wei Hsu, Nil Ponsa Campanyà, Yu Chen, Mike Y. Chen, Bing-Yu Chen

机构 * National Taiwan University（国立台湾大学） 纠错

专题命中 文生图 ：image generation(abstract)；text-to-image(abstract)；inpainting(abstract)

Comments Accepted ACM Symposium on User Interface Software and Technology (UIST '25)

Multi-task Adversarial Attacks against Black-box Model with Few-shot Queries

Wenqiang Wang, Yan Xiao, Hao Lin, Yangshijie Zhang, Xiaochun Cao

机构 * Shenzhen Campus of Sun Yat-sen University（中山大学深圳校区） ； Peng Cheng Laboratory（鹏城实验室） ； Lanzhou University（兰州大学） 纠错

专题命中 文生图 ：image generation(abstract)；text-to-image(abstract)；diffusion(abstract)

Classifier-Free Guidance: From High-Dimensional Analysis to Generalized Guidance Forms

Krunoslav Lehman Pavasovic, Jakob Verbeek, Giulio Biroli, Marc Mezard

机构 * FAIR at Meta（Meta 的 FAIR 部门） ； Bocconi University, Milan（米兰博科尼大学） 纠错

专题命中 文生图 ：image generation(abstract)；text-to-image(abstract)；diffusion(abstract)

AI2Agent: An End-to-End Framework for Deploying AI Projects as Autonomous Agents

Jiaxiang Chen, Jingwei Shi, Lei Gan, Jiale Zhang, Qingyu Zhang, Dongqian Zhang, Xin Pang, Zhucong Li, Yinghui Xu

专题命中 文生图 ：image generation(abstract)；text-to-image(abstract)；image editing(abstract)

A new approach for encoding code and assisting code understanding

Mengdan Fan, Wei Zhang, Haiyan Zhao, Zhi Jin

专题命中 文生图 ：image generation(abstract)；text-to-image(abstract)；diffusion(abstract)

Comments 10 page, 14 figures

Comparing noisy neural population dynamics using optimal transport distances

Amin Nejatbakhsh, Victor Geadah, Alex H. Williams, David Lipshutz

专题命中 文生图 ：text-to-image(abstract)；diffusion(abstract)；image synthesis(abstract)

Copyright-Aware Incentive Scheme for Generative Art Models Using Hierarchical Reinforcement Learning

Zhuan Shi, Yifei Song, Xiaoli Tang, Lingjuan Lyu, Boi Faltings

专题命中 文生图 ：image generation(abstract)；text-to-image(abstract)；diffusion(abstract)

Comments 9 pages, 9 figures

Understanding Modality Preferences in Search Clarification

Leila Tavakoli, Giovanni Castiglia, Federica Calo, Yashar Deldjoo, Hamed Zamani, Johanne R. Trippas

专题命中 文生图 ：image generation(abstract)；text-to-image(abstract)；diffusion(abstract)

STAR: Skeleton-aware Text-based 4D Avatar Generation with In-Network Motion Retargeting

Zenghao Chai, Chen Tang, Yongkang Wong, Mohan Kankanhalli

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

Comments Tech report

Quality Diversity through Human Feedback: Towards Open-Ended Diversity-Driven Optimization

Li Ding, Jenny Zhang, Jeff Clune, Lee Spector, Joel Lehman

专题命中 文生图 ：image generation(abstract)；text-to-image(abstract)；diffusion(abstract)

Comments ICML 2024

Referee Can Play: An Alternative Approach to Conditional Generation via Model Inversion

Xuantong Liu, Tianyang Hu, Wenjia Wang, Kenji Kawaguchi, Yuan Yao

专题命中 文生图 ：image generation(abstract)；text-to-image(abstract)；diffusion(abstract)

Identifying and Mitigating the Security Risks of Generative AI

Clark Barrett, Brad Boyd, Elie Burzstein, Nicholas Carlini, Brad Chen, Jihye Choi, Amrita Roy Chowdhury, Mihai Christodorescu, Anupam Datta, Soheil Feizi, Kathleen Fisher, Tatsunori Hashimoto, Dan Hendrycks, Somesh Jha, Daniel Kang, Florian Kerschbaum, Eric Mitchell, John Mitchell, Zulfikar Ramzan, Khawaja Shams, Dawn Song, Ankur Taly, Diyi Yang

专题命中 文生图 ：image generation(abstract)；text-to-image(abstract)；diffusion(abstract)

Journal ref Foundations and Trends in Privacy and Security 6 (2023) 1-52

Exploring the Potential of Generative AI for the World Wide Web

Nouar AlDahoul, Joseph Hong, Matteo Varvello, Yasir Zaki

专题命中 文生图 ：image generation(abstract)；text-to-image(abstract)；diffusion(abstract)

Comments 11 pages, 9 figures

Mini-DALLE3: Interactive Text to Image by Prompting Large Language Models

Zeqiang Lai, Xizhou Zhu, Jifeng Dai, Yu Qiao, Wenhai Wang

专题命中 文生图 ：image generation(abstract)；text-to-image(abstract)；diffusion(abstract)

Comments Technical report. Project page at https://minidalle3.github.io/

Multimodal Procedural Planning via Dual Text-Image Prompting

Yujie Lu, Pan Lu, Zhiyu Chen, Wanrong Zhu, Xin Eric Wang, William Yang Wang

专题命中 文生图 ：image generation(abstract)；text-to-image(abstract)；diffusion(abstract)

The Myth of Culturally Agnostic AI Models

Eva Cetinic

专题命中 文生图 ：text-to-image(abstract)；diffusion(abstract)；image synthesis(abstract)

Comments Accepted for "Cultures in AI/AI in Culture" NeurIPS 2022 Workshop

Neural Monge Map estimation and its applications

Jiaojiao Fan, Shu Liu, Shaojun Ma, Haomin Zhou, Yongxin Chen

专题命中 文生图 ：image generation(abstract)；text-to-image(abstract)；inpainting(abstract)

A Visual Tour Of Current Challenges In Multimodal Language Models

Shashank Sonkar, Naiming Liu, Richard G. Baraniuk

专题命中 文生图 ：image generation(abstract)；text-to-image(abstract)；diffusion(abstract)

Can Frontier LLMs Match Natively Multimodal Embeddings? A Comparison on Hard-Negative Text-to-Image Retrieval

前沿大语言模型能否媲美原生多模态嵌入？在难负例文本到图像检索上的对比

Archan Dutta, Vyanktesh Kanungo

机构 * Westcliff University（韦克利夫大学） 纠错

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

AI总结 本研究在Flickr30k数据集上对比Gemini Embedding 2等原生多模态嵌入与GPT-4.1、Claude Sonnet 4.6等前沿LLM的难负例文本到图像检索性能，发现二者表现相当，且多模态嵌入更适配低延迟应用

From Baseline to Follow-Up: Counterfactual Spine DXA Image Synthesis in UK Biobank Using a Causal Hierarchical Variational Autoencoder

从基线到随访：利用因果层次变分自编码器在UK Biobank中生成脊柱DXA图像

Yilin Zhang, Nicholas C. Harvey, Nicholas R. Fuggle, Rahman Attar

机构 * School of Electronics and Computer Science（电子与计算机科学学院） ； University of Southampton（萨塞克斯大学） ； MRC Lifecourse Epidemiology Centre（英国医学研究理事会生命周期流行病学中心） ； University of Southampton, Southampton General Hospital（萨塞克斯大学索马塞特医院） ； Computer Science University of Southampton（计算机科学萨塞克斯大学） 纠错

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

AI总结 本文提出了一种基于元数据的因果层次变分自编码器，用于在UK Biobank中生成一致的脊柱DXA图像，通过基线到随访的设置评估因果一致性，展示了年龄干预下关键椎体形态学变量的高一致性，支持了在解剖上合理的DXA图像合成。

Comments 7 pages, 4 figures, 3 tables. Accepted at the 48th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC 2026)

Lens: Rethinking Training Efficiency for Foundational Text-to-Image Models

Lens：重新思考基础文本到图像模型的训练效率

Dong Chen, Fangyun Wei, Ziyu Wan, Dongdong Chen, Jiawei Zhang, Jinjing Zhao, Sirui Zhang, Yang Yue, Zhiyang Liang, Baining Guo, Chong Luo, Jianmin Bao, Ji Li, Lei Shi, Qinhong Yang, Xiuyu Wu, Xuelu Feng, Yan Lu, Yanchen Dong, Yitong Wang, Yunuo Chen

机构 * Microsoft Lens Team（微软Lens团队） 纠错

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

AI总结 本文提出Lens，一个具有38亿参数的文本到图像模型，在多种基准测试中表现与超过60亿参数的最新模型相当甚至更优，同时训练计算需求显著降低。通过最大化训练批次的数据信息密度和改进收敛速度的架构选择，实现了高效的训练和优化。

Comments Project Page: https://github.com/microsoft/Lens

PureCC: Pure Learning for Text-to-Image Concept Customization

PureCC: 文本到图像概念定制的纯学习

Zhichao Liao, Xiaole Xian, Qingyu Li, Wenyu Qin, Meng Wang, Weicheng Xie, Siyang Song, Pingfa Feng, Long Zeng, Liang Pan

机构 * Tsinghua University（清华大学） ； School of Computer Science & Software Engineering, Shenzhen University（深圳大学计算机科学与软件工程学院） ； Guangdong Provincial Key Laboratory of Intelligent Information Processing, Shenzhen University（深圳大学智能信息处理广东省重点实验室） ； Kling Team, Kuaishou Technology（快手科技Kling团队） ； University of Exeter（埃克塞特大学） ； S-Lab, Nanyang Technological University（南洋理工大学S实验室） 纠错

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

AI总结 本文提出PureCC，一种用于文本到图像概念定制的纯学习方法，通过分离学习目标来平衡概念定制的保真度与模型保留。

Comments Accepted to CVPR 2026

Brain MR Image Synthesis with 3D Multi-Contrast Self-Attention GAN

利用3D多对比自注意GAN进行脑部MRI图像合成

Zaid A. Abod, Furqan Aziz

机构 * School of Computing and Mathematical Sciences, University of Leicester（利兹大学计算与数学科学学院） 纠错

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

AI总结 本文提出3D-MC-SAGAN框架，通过单张T2w图像生成高保真多对比MRI图像，保留肿瘤特征，结合多种损失函数提升全局真实感和肿瘤结构保真度。

Comments Note: This work has been submitted to the IEEE for possible publication

Text to Automata Diagrams: Comparing TikZ Code Generation with Direct Image Synthesis

文本到自动机图：比较TikZ代码生成与直接图像合成

Ethan Young, Zichun Wang, Aiden Taylor, Chance Jewell, Julian Myers, Satya Sri Rajiteswari Nimmagadda, Anthony White, Aniruddha Maiti, Ananya Jana

机构 * Marshall University（马歇尔大学） ； West Virginia State University（西弗吉尼亚州立大学） 纠错

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

AI总结 本研究比较了通过视觉-语言模型生成TikZ代码与直接图像合成在生成自动机图描述中的效果，发现人工修正能显著提高生成准确性。

Comments Accepted to ASEE North Central Section 2026

VisionDirector: Vision-Language Guided Closed-Loop Refinement for Generative Image Synthesis

VisionDirector: 生成图像合成中的视觉-语言引导闭环细化

Meng Chu, Senqiao Yang, Haoxuan Che, Suiyun Zhang, Xichen Zhang, Shaozuo Yu, Haokun Gui, Zhefan Rao, Dandan Tu, Rui Liu, Jiaya Jia

机构 * The Hong Kong University of Science and Technology（香港理工大学） ； The Chinese University of Hong Kong（香港中文大学） ； Huawei Research（华为研究） 纠错

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

AI总结 VisionDirector通过视觉-语言引导闭环细化方法，提升生成图像合成中多目标任务的完成度和质量。

Lung Nodule Image Synthesis Driven by Two-Stage Generative Adversarial Networks

由双阶段生成对抗网络驱动的肺结节图像合成

Lu Cao, Xiquan He, Junying Zeng, Chaoyun Mai, Min Luo

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

AI总结 本文提出双阶段生成对抗网络TSGAN，通过解耦肺结节形态结构与纹理特征，提升合成数据多样性及检测模型性能。

From Easy to Hard++: Promoting Differentially Private Image Synthesis Through Spatial-Frequency Curriculum

从易到难++：通过空间-频率课程促进差分隐私图像合成

Chen Gong, Kecen Li, Zinan Lin, Tianhao Wang

机构 * University of Virginia（弗吉尼亚大学） ； Microsoft Research（微软研究院） 纠错

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

AI总结 FETA-Pro通过引入频率特征作为训练捷径，提升差分隐私图像合成的保真度和实用性。

Comments Accepted at Usenix Security 2026; code available at https://github.com/2019ChenGong/Feta-Pro

Towards Facilitated Fairness Assessment of AI-based Skin Lesion Classifiers Through GenAI-based Image Synthesis

通过生成式人工智能图像合成促进AI皮肤病变分类器的公平性评估

Ko Watanabe, Stanislav Frolov, Aya Hassan, David Dembinsky, Adriano Lucieri, Andreas Dengel

机构 * DFKI GmbH（德累斯顿理工大学人工智能研究所） 纠错

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

AI总结 本文通过生成式人工智能图像合成方法，评估AI皮肤病变分类器的公平性，验证合成图像在公平性测试中的有效性。

Zero-shot Hierarchical Plant Segmentation via Foundation Segmentation Models and Text-to-image Attention

零shot分层植物分割：通过基础分割模型和文本到图像注意力

Junhao Xing, Ryohei Miyakawa, Yang Yang, Xinpeng Liu, Risa Shinoda, Hiroaki Santo, Yosuke Toda, Fumio Okura

机构 * The University of Osaka（大阪大学） ； Phytometrics ； Nagoya University（名古屋大学） 纠错

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

AI总结 ZeroPlantSeg通过基础分割模型和文本到图像注意力实现零shot分层植物分割，有效提取植物个体，优于现有方法。

Comments WACV 2026 Accepted

A Little More Like This: Text-to-Image Retrieval with Vision-Language Models Using Relevance Feedback

略多一些像这个：利用视觉语言模型进行文本到图像检索的相关反馈

Bulat Khaertdinov, Mirela Popa, Nava Tintarev

机构 * Maastricht University（马斯特里赫特大学） 纠错

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

AI总结 本文提出基于相关反馈机制提升视觉语言模型文本到图像检索性能的方法，通过四种反馈策略在Flickr30k和COCO数据集上验证，提升了检索效果并增强了多轮检索的鲁棒性。

Comments Accepted to WACV'26