图像生成

Hunyuan-GameCraft: High-dynamic Interactive Game Video Generation with Hybrid History Condition

Jiaqi Li, Junshu Tang, Zhiyong Xu, Longhuang Wu, Yuan Zhou, Shuai Shao, Tianbao Yu, Zhiguo Cao, Qinglin Lu

机构 * Tencent Hunyuan（腾讯 Hunyuan） 纠错

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

Comments Project page: https://hunyuan-gamecraft.github.io/

Controllable and Expressive One-Shot Video Head Swapping

Chaonan Ji, Jinwei Qi, Peng Zhang, Bang Zhang, Liefeng Bo

机构 * Tongyi Lab, Alibaba Group（通义实验室，阿里巴巴集团） 纠错

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

Comments Project page: https://humanaigc.github.io/SwapAnyHead/

TeSG: Textual Semantic Guidance for Infrared and Visible Image Fusion

Mingrui Zhu, Xiru Chen, Xin Wei, Nannan Wang, Xinbo Gao

机构 * Xidian University（西电大学） ； Chongqing University of Post and Telecommunications（重庆邮电大学） 纠错

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

Comments 11 pages, 6 figures

TARDIS STRIDE: A Spatio-Temporal Road Image Dataset and World Model for Autonomy

Héctor Carrión, Yutong Bai, Víctor A. Hernández Castro, Kishan Panaganti, Ayush Zenith, Matthew Trang, Tony Zhang, Pietro Perona, Jitendra Malik

机构 * Tera AI ； UC Santa Cruz（加州大学圣克ruz分校） ； UC Berkeley（加州大学伯克利分校） ； California Institute of Technology（加州理工学院） 纠错

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

Comments Computer Vision, Pattern Recognition, Early-Fusion, Dataset, Data Augmentation

T2V-OptJail: Discrete Prompt Optimization for Text-to-Video Jailbreak Attacks

Jiayang Liu, Siyuan Liang, Shiqian Zhao, Rongcheng Tu, Wenbo Zhou, Aishan Liu, Dacheng Tao, Siew Kei Lam

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

T-SVG: Text-Driven Stereoscopic Video Generation

Qiao Jin, Xiaodong Chen, Wu Liu, Tao Mei, Yongdong Zhang

机构 * University of Science and Technology of China（中国科学技术大学） ； Hidream Inc.（海dream公司） 纠错

专题命中 可控生成 ：inpainting(abstract)；分类 cs.CV

Comments 5 pages, 4 figures

A robust and scalable framework for hallucination detection in virtual tissue staining and digital pathology

Luzhe Huang, Yuzhu Li, Nir Pillar, Tal Keidar Haran, William Dean Wallace, Aydogan Ozcan

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

Comments 45 Pages, 22 Figures, 2 Tables

Journal ref Nature Biomedical Engineering (2025)

Learning Coherent Matrixized Representation in Latent Space for Volumetric 4D Generation

Qitong Yang, Mingtao Feng, Zijie Wu, Shijie Sun, Weisheng Dong, Yaonan Wang, Ajmal Mian

机构 * School of Artificial Intelligence（人工智能学院） ； School of Information Engineering（信息工程学院） ； School of Electrical and Information Engineering（电气与信息工程学院） ； Computer Science and Software Engineering（计算机科学与软件工程） ； The University of Western Australia（西澳大学） 纠错

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

SG2VID: Scene Graphs Enable Fine-Grained Control for Video Synthesis

Ssharvien Kumar Sivakumar, Yannik Frisch, Ghazal Ghazaei, Anirban Mukhopadhyay

机构 * Technical University Darmstadt（达姆施塔特技术大学） ； Universitätsmedizin der Johannes Gutenberg-Universität Mainz（美因茨约翰尼斯·古滕贝格大学医学中心） ； Carl Zeiss AG（蔡司股份公司） 纠错

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

Diversifying Human Pose in Synthetic Data for Aerial-view Human Detection

Yi-Ting Shen, Hyungtae Lee, Heesung Kwon, Shuvra S. Bhattacharyya

机构 * University of Maryland, College Park（马里兰大学 College Park分校） ； BlueHalo ； DEVCOM Army Research Laboratory（国防部陆军研究实验室） 纠错

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

Comments ICIP 2025

MIMO: Controllable Character Video Synthesis with Spatial Decomposed Modeling

Yifang Men, Yuan Yao, Miaomiao Cui, Liefeng Bo

机构 * Tongyi Lab, Alibaba Group（通义实验室，阿里巴巴集团） 纠错

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

Comments Project Page: https://menyifang.github.io/projects/MIMO/index.html

Flow-Anything: Learning Real-World Optical Flow Estimation from Large-Scale Single-view Images

Yingping Liang, Ying Fu, Yutao Hu, Wenqi Shao, Jiaming Liu, Debing Zhang

机构 * School of Computer Science and Technology, Beijing Institute of Technology（计算机科学与技术学院，北京理工大学） ； School of Computer Science and Engineering, Southeast University（计算机科学与工程学院，东南大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Tiamat AI ； Xiaohongshu（小红书） 纠错

专题命中 可控生成 ：inpainting(abstract)；分类 cs.CV

GHOST 2.0: generative high-fidelity one shot transfer of heads

Alexander Groshev, Anastasiia Iashchenko, Pavel Paramonov, Denis Dimitrov, Andrey Kuznetsov

专题命中 可控生成 ：inpainting(abstract)；分类 cs.CV

Defurnishing with X-Ray Vision: Joint Removal of Furniture from Panoramas and Mesh

Alan Dolhasz, Chen Ma, Dave Gausebeck, Kevin Chen, Gregor Miller, Lucas Hayne, Gunnar Hovden, Azwad Sabik, Olaf Brandt, Mira Slavcheva

机构 * Matterport 纠错

专题命中 可控生成 ：inpainting(abstract)；分类 cs.CV

Comments Paper website: https://matterport.github.io/defurnishing-with-x-ray-vision/

EX-4D: EXtreme Viewpoint 4D Video Synthesis via Depth Watertight Mesh

Tao Hu, Haoyang Peng, Xiao Liu, Yuewen Ma

机构 * Pico, Bytedance（字节跳动） 纠错

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

DSG-World: Learning a 3D Gaussian World Model from Dual State Videos

Wenhao Hu, Xuexiang Wen, Xi Li, Gaoang Wang

机构 * College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； ZJU-UIUC Institute, Zhejiang University（浙江大学-伊利诺伊大学联合研究所） 纠错

专题命中 可控生成 ：inpainting(abstract)；分类 cs.CV

Perfecting Depth: Uncertainty-Aware Enhancement of Metric Depth

Jinyoung Jun, Lei Chu, Jiahao Li, Yan Lu, Chang-Su Kim

机构 * Korea University（韩国大学） ； Microsoft Research Asia（微软亚洲研究院） 纠错

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

SmartAvatar: Text- and Image-Guided Human Avatar Generation with VLM AI Agents

Alexander Huang-Menders, Xinhang Liu, Andy Xu, Yuyao Zhang, Chi-Keung Tang, Yu-Wing Tai

机构 * The Hong Kong University of Science and Technology（香港科技大学） ； Dartmouth College（达特茅斯学院） 纠错

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

Comments 16 pages

Bayesian SegNet for Semantic Segmentation with Improved Interpretation of Microstructural Evolution During Irradiation of Materials

Marjolein Oostrom, Alex Hagen, Nicole LaHaye, Karl Pazdernik

机构 * Pacific Northwest National Laboratory（太平洋西北国家实验室） ； North Carolina State University（北卡罗来纳州立大学） 纠错

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

Multimodal Generative AI with Autoregressive LLMs for Human Motion Understanding and Generation: A Way Forward

Muhammad Islam, Tao Huang, Euijoon Ahn, Usman Naseem

机构 * College of Science and Engineering（科学与工程学院） ； James Cook University（詹姆斯库克大学） ； School of Computing（计算学院） 纠错

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

LayoutRAG: Retrieval-Augmented Model for Content-agnostic Conditional Layout Generation

Yuxuan Wu, Le Wang, Sanping Zhou, Mengnan Liu, Gang Hua, Haoxiang Li

机构 * Xi’an Jiaotong University（西安交通大学） ； Amazon.com, Inc.（亚马逊公司） ； Pixocial Technology（Pixocial技术） 纠错

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

Comments 12 pages, 5 figures

HunyuanVideo-Avatar: High-Fidelity Audio-Driven Human Animation for Multiple Characters

Yi Chen, Sen Liang, Zixiang Zhou, Ziyao Huang, Yifeng Ma, Junshu Tang, Qin Lin, Yuan Zhou, Qinglin Lu

机构 * Tencent（腾讯） 纠错

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

Video Motion Graphs

Haiyang Liu, Zhan Xu, Fa-Ting Hong, Hsin-Ping Huang, Yi Zhou, Yang Zhou

机构 * The University of Tokyo（东京大学） ； Adobe Research（Adobe研究） 纠错

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

Comments 14 pages,10 figures

Controllable Satellite-to-Street-View Synthesis with Precise Pose Alignment and Zero-Shot Environmental Control

Xianghui Ze, Zhenbo Song, Qiwei Wang, Jianfeng Lu, Yujiao Shi

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

Self-supervised ControlNet with Spatio-Temporal Mamba for Real-world Video Super-resolution

Shijun Shi, Jing Xu, Lijing Lu, Zhihang Li, Kai Hu

机构 * Jiangnan University（江南大学） ； University of Science and Technology of China（中国科学技术大学） ； Peking University（北京大学） ； Chinese Academy of Sciences（中国科学院） 纠错

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

Comments 11 pages, 10 figures, accepted by CVPR 2025

MotionPersona: Characteristics-aware Locomotion Control

Mingyi Shi, Wei Liu, Jidong Mei, Wangpok Tse, Rui Chen, Xuelin Chen, Taku Komura

机构 * The University of Hong Kong（香港大学） ； Shandong University（山东大学） ； Hong Kong University of Science and Technology（香港科技大学） ； Adobe Research 纠错

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

Comments 15 pages, 13 figures, webpage: https://motionpersona25.github.io/

GPT4Point: A Unified Framework for Point-Language Understanding and Generation

Zhangyang Qi, Ye Fang, Zeyi Sun, Xiaoyang Wu, Tong Wu, Jiaqi Wang, Dahua Lin, Hengshuang Zhao

机构 * The University of Hong Kong（香港大学） ； Fudan University（复旦大学） ； Shanghai Jiao Tong University（上海交通大学） ； The Chinese University of Hong Kong（香港中文大学） ； Shanghai AI Laboratory（上海人工智能实验室） 纠错

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

VITON-DRR: Details Retention Virtual Try-on via Non-rigid Registration

Ben Li, Minqi Li, Jie Ren, Kaibing Zhang

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

Comments 31 pages, 12 figures, Accepted by Computers & Graphics

Fooling the Watchers: Breaking AIGC Detectors via Semantic Prompt Attacks

Run Hao, Peng Ying

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

Comments 9 pages

VideoAnydoor: High-fidelity Video Object Insertion with Precise Motion Control

Yuanpeng Tu, Hao Luo, Xi Chen, Sihui Ji, Xiang Bai, Hengshuang Zhao

机构 * The University of Hong Kong（香港大学） ； DAMO Academy, Alibaba Group（阿里云达摩院） ； Hupan Lab（虎斑实验室） ； HUST（华中科技大学） 纠错

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

Comments Accepted by SIGGRAPH2025 Project page: https://videoanydoor.github.io/