XCAT-GAN for Synthesizing 3D Consistent Labeled Cardiac MR Images on Anatomically Variable XCAT Phantoms
专题命中 文生图 ：image generation(abstract)；image synthesis(abstract)；分类 cs.CV
Comments Accepted for MICCAI 2020
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. 文生图 3489 篇
Multimodal Intelligence: Representation Learning, Information Fusion, and Applications
专题命中 文生图 ：image generation(abstract)；text-to-image(abstract)；分类 cs.CV
Latent Normalizing Flows for Many-to-Many Cross-Domain Mappings
专题命中 文生图 ：text-to-image(abstract)；image synthesis(abstract)；分类 cs.CV
Comments Published as a conference paper at ICLR 2020
Large Scale Adversarial Representation Learning
专题命中 文生图 ：image generation(abstract)；image synthesis(abstract)；分类 cs.CV
Comments 32 pages. In proceedings of NeurIPS 2019. This is the camera-ready version of the paper, with supplementary material included as appendices
Tell, Draw, and Repeat: Generating and Modifying Images Based on Continual Linguistic Instruction
专题命中 文生图 ：image generation(abstract)；text-to-image(abstract)；分类 cs.CV
Comments Accepted at ICCV 2019
Journal ref Proceedings of the 2019 IEEE International Conference on Computer Vision (ICCV)
Unpaired Image-to-Speech Synthesis with Multimodal Information Bottleneck
专题命中 文生图 ：text-to-image(abstract)；image synthesis(abstract)；分类 cs.CV
Comments ICCV 2019
Editing Text in the Wild
专题命中 文生图 ：inpainting(abstract)；image synthesis(abstract)；分类 cs.CV
Comments accepted by ACM MM 2019
Uncertainty Quantification in Deep Learning for Safer Neuroimage Enhancement
专题命中 文生图 ：diffusion(abstract)；image synthesis(abstract)；分类 cs.CV
M3D-GAN: Multi-Modal Multi-Domain Translation with Universal Attention
专题命中 文生图 ：text-to-image(abstract)；image synthesis(abstract)；分类 cs.CV
Obj-GloVe: Scene-Based Contextual Object Embedding
专题命中 文生图 ：text-to-image(abstract)；image synthesis(abstract)；分类 cs.CV
Comments 14 pages; not the final version
Generative Guiding Block: Synthesizing Realistic Looking Variants Capable of Even Large Change Demands
专题命中 文生图 ：image generation(abstract)；image synthesis(abstract)；分类 cs.CV
Comments This work is accepted in ICIP 2019
Learn to synthesize and synthesize to learn
专题命中 文生图 ：image generation(abstract)；image synthesis(abstract)；分类 cs.CV
Comments Accepted to Computer Vision and Image Understanding (CVIU)
FTGAN: A Fully-trained Generative Adversarial Networks for Text to Face Generation
专题命中 文生图 ：text-to-image(abstract)；image synthesis(abstract)；分类 cs.CV
Turbo Learning for Captionbot and Drawingbot
专题命中 文生图 ：image generation(abstract)；text-to-image(abstract)；分类 cs.CV
Comments in proceedings of NeurIPS 2018
A Variational U-Net for Conditional Appearance and Shape Generation
专题命中 文生图 ：image generation(abstract)；image synthesis(abstract)；分类 cs.CV
Comments CVPR 2018 (Spotlight). Project Page at https://compvis.github.io/vunet/
MelanoGANs: High Resolution Skin Lesion Synthesis with GANs
专题命中 文生图 ：image generation(abstract)；image synthesis(abstract)；分类 cs.CV
Bayesian CP Factorization of Incomplete Tensors with Automatic Rank Determination
专题命中 文生图 ：inpainting(abstract)；image synthesis(abstract)；分类 cs.CV
Expressivity In Multimodal Contrastive Learning
多模态对比学习中的表达能力
专题命中 文生图 ：image generation(abstract)；text-to-image(abstract)
AI总结 该研究针对多模态对比学习的表达能力展开分析，明确CLIP架构的表达能力随模态数量变化，提出Hadamard-CLIP模型，实现任意数量模态联合分布的通用近似且保留CLIP的检索优势。
BioPro: Towards Difference-Aware Gender Fairness for Vision-Language Models
BioPro: 关于差分意识的性别公平性在视觉-语言模型中
机构 * School of Informatics, Xiamen University（厦门大学信息学院） ； Department of Computer and Information Science, University of Macau（澳门大学计算机与信息科学系）
专题命中 文生图 ：image generation(abstract)；text-to-image(abstract)
AI总结 BioPro通过差分意识的性别公平性方法，在视觉-语言模型中实现选择性去偏，减少中性情境中的性别偏见同时保持显性情境中的性别忠实性。
Comments ACM Multimedia 2026
Architectural Backdoors in Vision-Language Model Supply Chains via Representation Steering
通过表示引导在视觉语言模型供应链中植入架构后门
专题命中 文生图 ：image generation(abstract)；text-to-image(abstract)
AI总结 研究视觉语言模型供应链安全问题，提出通过表示引导植入架构后门的攻击方法，该方法不影响训练数据等，通过触发控制模型表示转向攻击者目标，评估表明其损害模型多项性能，还提出审计防御方法。
Concentration bounds on response-based vector embeddings of black-box generative models
基于响应的生成模型向量嵌入的集中界
专题命中 文生图 ：text-to-image(abstract)；diffusion(abstract)
AI总结 本文研究了基于响应的生成模型向量嵌入的集中界，通过数据核视角空间嵌入方法，在适当正则条件下推导出样本向量嵌入的高概率集中界，并确定所需样本响应数量以实现目标精度的群体嵌入近似。
M*: A Modular, Extensible, Serving System for Multimodal Models
M*: 一个模块化、可扩展的多模态模型服务系统
机构 * Stanford University（斯坦福大学） ； University of Washington（华盛顿大学） ； Carnegie Mellon University（卡内基梅隆大学）
专题命中 文生图 ：text-to-image(abstract)；diffusion(abstract)
AI总结 提出M*系统，通过将模型表示为数据流图并引入Walk Graph抽象，支持多模态复合模型的高效服务，在多个任务上降低延迟并提升吞吐量。
Comments The codebase is available at https://github.com/mstar-project/mstar
Computational Safety for Generative AI: A Hypothesis Testing Perspective
生成式AI的计算安全性：假设检验视角
机构 * IBM Research（IBM研究院）
专题命中 文生图 ：text-to-image(abstract)；diffusion(abstract)
AI总结 本文从假设检验角度形式化生成式AI的计算安全性，提出基于信号处理的方法检测恶意输入和AI生成内容。
Comments Extended version of the paper presented at the ICML 2026 Workshop on Hypothesis Testing
Attributions All the Way Down? The Metagame of Interpretability
逐层归因？可解释性中的元游戏
机构 * University of Warsaw（华沙大学） ； Centre for Credible AI, Warsaw University of Technology（可信AI中心，华沙技术大学） ； Bielefeld University（比勒菲尔德大学） ； LMU Munich, MCML（慕尼黑大学LMU，MCML）
专题命中 文生图 ：text-to-image(abstract)；diffusion(abstract)
AI总结 本文提出元游戏框架，通过将归因方法视为合作博弈计算Shapley值，研究模型解释的第二阶交互效应，揭示归因的层级分解及其在多领域可解释性应用中的价值。
PromptEvolver: Prompt Inversion through Evolutionary Optimization in Natural-Language Space
PromptEvolver：通过自然语言空间中的进化优化实现提示倒置
机构 * Bar-Ilan University（巴伊兰大学）
专题命中 文生图 ：image generation(abstract)；text-to-image(abstract)
AI总结 本文提出PromptEvolver，通过进化优化生成自然语言提示，实现高保真图像重建，优于现有方法。
Collaborative AI Agents and Critics for Fault Detection and Cause Analysis in Network Telemetry
协同AI代理与批评者用于网络遥测中的故障检测与原因分析
机构 * Department of Electrical and Computer Engineering, University of Alberta（阿尔伯塔大学电气与计算机工程系） ； SheQAI Research（SheQAI研究）
专题命中 文生图 ：image generation(abstract)；text-to-image(abstract)
AI总结 本文提出一种多代理联邦系统，通过AI代理与批评者协作完成网络遥测中的故障检测、严重性和原因分析等多模态任务，利用多时间尺度随机逼近技术保证收敛性，通信开销低且隐私保护。
DAK-UCB: Diversity-Aware Prompt Routing for LLMs and Generative Models
DAK-UCB: 为LLMs和生成模型的多样性感知提示路由
机构 * Sharif University of Technology（谢赫拉扎德技术大学） ； The Chinese University of Hong Kong（香港中文大学）
专题命中 文生图 ：image generation(abstract)；text-to-image(abstract)
AI总结 本文提出DAK-UCB方法，结合保真度与多样性指标，用于在线选择生成模型，以提升生成结果的多样性同时保持保真度。
Comments Accepted at ICLR 2026
Decoupled Action Expert: Confining Task Knowledge to the Conditioning Pathway
解耦动作专家：将任务知识限制在条件路径中
专题命中 文生图 ：diffusion(abstract)；image synthesis(abstract)
AI总结 本文提出解耦训练方法，将任务知识限制在条件路径中，使动作主干网络无任务依赖，通过Diffusion Policy验证，证明动作专家编码较少任务特定知识。
Memory Printer: Exploring Everyday Reminiscing by Combining Slow Design with Generative AI-based Image Creation
记忆打印机：通过结合缓慢设计与基于生成AI的图像创作探索日常回忆
专题命中 文生图 ：image generation(abstract)；text-to-image(abstract)
AI总结 本文提出Memory Printer，结合丝网印刷隐喻与文本到图像生成，通过分层重建、物理木刮刀和内置打印，探索慢互动如何重塑人机关系，发现记忆唤起与控制感提升等机遇及算法偏见等挑战。
Comments Accepted to CHI 2026
Distributional Vision-Language Alignment by Cauchy-Schwarz Divergence
通过Cauchy-Schwarz散度进行分布式视觉语言对齐
机构 * University of Amsterdam（阿姆斯特丹大学） ； The Netherlands Cancer Institute（荷兰癌症研究所） ； Vrije Universiteit Amsterdam（阿姆斯特丹自由大学） ； The Arctic University of Norway（挪威北极大学） ； Singapore Management University（新加坡管理大学）
专题命中 文生图 ：image generation(abstract)；text-to-image(abstract)
AI总结 本文提出CS-Aligner框架，通过整合Cauchy-Schwarz散度与互信息，实现更紧密的视觉语言分布对齐，提升跨模态生成与检索性能。
Comments Accepted by ICLR2026
