图像生成

Advances in Artificial Intelligence: A Review for the Creative Industries

人工智能进展：面向创意产业的综述

Nantheera Anantrasirichai, Fan Zhang, David Bull

机构 * Visual Information Laboratory, University of Bristol, Bristol, UK（布里斯托大学视觉信息实验室） 纠错

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

AI总结 本文综述了自2022年以来人工智能在创意产业中的进展，探讨了生成式AI、大语言模型和扩散模型等技术对创意生产流程的影响，并分析了人类与AI协作的新趋势及面临的挑战。

Comments This is an updated review of our previous paper (see https://doi.org/10.1007/s10462-021-10039-7), and has been accepted by Artificial Intelligence Review journal

Multilingual-To-Multimodal (M2M): Unlocking New Languages with Monolingual Text

多语言到多模态（M2M）：通过单语文本解锁新语言

Piyush Singh Pasi

机构 * Amazon（亚马逊） 纠错

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

AI总结 M2M通过单语文本学习多语言多模态对齐，实现多语言文本到图像检索的零样本迁移

Comments EACL 2026 Findings accepted. Camera-ready version

Topological Perspectives on Optimal Multimodal Embedding Spaces

拓扑视角下的最优多模态嵌入空间

Abdul Aziz A. B, A. B Abdul Rahim

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

AI总结 本文通过拓扑数据分析比较CLIP和CLOOB的嵌入空间，揭示其模态差距驱动因素和维度坍缩的影响，为多模态模型优化提供新视角。

Comments This manuscript contains substantive technical inaccuracies and an incomplete treatment of the stated topic. Subsequent developments and a reassessment of the problem indicate that the scope and framing of the work do not adequately reflect the current state of research, and the analysis is therefore incomplete and outdated

Beam-Brainstorm: A Generative Site-Specific Beamforming Approach

Beam-Brainstorm: 一种生成式特定地点波束成形方法

Zihao Zhou, Zhaolin Wang, Yuanwei Liu

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

AI总结 本文提出了一种生成式特定地点波束成形方法，通过联合结构建模和自定义扩散模型，实现高效且高质量的用户特定波束生成。

Copyright Infringement Risk Reduction via Chain-of-Thought and Task Instruction Prompting

通过链式推理和任务指令提示降低版权侵权风险

Neeraj Sarna, Yuanyuan Li, Michael von Gablenz

机构 * Munich RE（慕尼黑RE） 纠错

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

AI总结 本文通过链式推理和任务指令提示结合负提示和提示重写，降低生成图像的版权侵权风险，并评估不同模型复杂度下的效果。

Exploring the Design Space of Transition Matching

探索过渡匹配的设计空间

Uriel Singer, Yaron Lipman

机构 * FAIR at Meta（Meta 的 FAIR） 纠错

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

AI总结 本文研究了过渡匹配中头部模块的设计，发现MLP头部结合特定时间加权和高频采样器在生成质量、训练和推理效率上达到最佳效果。

Approximate Gaussian Mapping for Generative Image Steganography

近似高斯映射用于生成性图像隐写术

Yuhua Xu, Wei Sun, Chengpei Tang, Jiaxing Lu, Jingying Zhou, Chen Gu

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

AI总结 本文提出近似高斯映射用于生成性图像隐写术，通过调节噪声尺度和方差嵌入秘密信息，并通过两阶段解耦优化策略提升鲁棒性和安全性。

Comments 13 pages

A Survey on Bridging EEG Signals and Generative AI: From Image and Text to Beyond

关于将EEG信号与生成式AI连接的综述：从图像和文本到更广泛的领域

Shreya Shukla, Jose Torres, Akshaj Murhekar, Christina Liu, Abhijit Mishra, Jacek Gwizdka, Shounak Roychowdhury

机构 * School of Information, The University of Texas at Austin, Austin, TX, USA（信息学院，德克萨斯大学奥斯汀分校，奥斯汀，德克萨斯州） 纠错

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

AI总结 本综述探讨了将EEG信号转化为图像、文本和音频的生成式AI方法，分析了当前技术趋势与挑战，为未来研究提供参考。

Designing and Evaluating Malinowski's Lens: An AI-Native Educational Game for Ethnographic Learning

Michael Hoffmann, Jophin John, Jan Fillies, Adrian Paschke

机构 * Leibniz Supercomputing Centre（莱比锡超算中心） ； Stanford University（斯坦福大学） 纠错

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

Comments 21 pages, 8 figures. Full preprint version; shorter version in preparation

Associative Poisoning to Generative Machine Learning

Mathias Lundteigen Mohus, Jingyue Li, Zhirong Yang

机构 * Norwegian University of Science and Technology, Department of Computer Science（挪威科学技术大学计算机科学系） 纠错

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

Revisiting Federated Fine-Tuning: A Single Communication Round is Enough for Foundation Models

Ziyao Wang, Bowei Tian, Yexiao He, Zheyu Shen, Guoheng Sun, Yuhan Liu, Luyang Liu, Meng Liu, Ang Li

机构 * University of Maryland, College Park（马里兰大学彭福分校） ； Queen Mary University of London（伦敦玛丽女王大学） ； Google DeepMind（谷歌DeepMind） 纠错

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

ME: Trigger Element Combination Backdoor Attack on Copyright Infringement

Feiyu Yang, Siyuan Liang, Aishan Liu, Dacheng Tao

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

Comments Finding unfinished issue in this work , still refining

What Do AI-Generated Images Want?

Amanda Wasielewski

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

Scaling can lead to compositional generalization

Florian Redhardt, Yassir Akram, Simon Schug

机构 * ETH Zurich（苏黎世联邦理工学院） ； Princeton University（普林斯顿大学） 纠错

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

Comments NeurIPS 2025 (Spotlight); Code available at https://github.com/smonsays/scale-compositionality

LinEAS: End-to-end Learning of Activation Steering with a Distributional Loss

Pau Rodriguez, Michal Klein, Eleonora Gualdoni, Valentino Maiorca, Arno Blaas, Luca Zappella, Marco Cuturi, Xavier Suau

机构 * Apple（苹果公司） ； Sapienza（拉维尼恩大学） 纠错

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

Comments NeurIPS 2025

ToolMem: Enhancing Multimodal Agents with Learnable Tool Capability Memory

Yunzhong Xiao, Yangmin Li, Hewei Wang, Yunlong Tang, Zora Zhiruo Wang

机构 * Carnegie Mellon University（卡内基梅隆大学） ； University of Rochester（罗切斯特大学） 纠错

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

Rethinking the Vulnerability of Concept Erasure and a New Method

Alex D. Richardson, Kaicheng Zhang, Lucas Beerens, Dongdong Chen

机构 * School of Mathematics University of Edinburgh（数学学院爱丁堡大学） ； School of Mathematical and Computer Science Heriot-Watt University（数学与计算机科学学院赫瑞斯大学） 纠错

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

Language Models Can Learn from Verbal Feedback Without Scalar Rewards

Renjie Luo, Zichen Liu, Xiangyan Liu, Chao Du, Min Lin, Wenhu Chen, Wei Lu, Tianyu Pang

机构 * Sea AI Lab（海智实验室） ； SUTD（新加坡科技设计大学） ； NUS（国立大学） ； NTU（南洋理工大学） ； University of Waterloo（滑铁卢大学） 纠错

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

UnifiedVisual: A Framework for Constructing Unified Vision-Language Datasets

Pengyu Wang, Shaojun Zhou, Chenkun Tan, Xinghao Wang, Wei Huang, Zhen Ye, Zhaowei Li, Botian Jiang, Dong Zhang, Xipeng Qiu

机构 * Fudan University（复旦大学） 纠错

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

Comments Accepted by Findings of EMNLP2025

WeDesign: Generative AI-Facilitated Community Consultations for Urban Public Space Design

Rashid Mushkani, Hugo Berard, Shin Koseki

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

The Impact of Artificial Intelligence on Traditional Art Forms: A Disruption or Enhancement

Viswa Chaitanya Marella, Sai Teja Erukude, Suhasnadh Reddy Veluru

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

Comments 13 pages

LoReUn: Data Itself Implicitly Provides Cues to Improve Machine Unlearning

Xiang Li, Qianli Shen, Haonan Wang, Kenji Kawaguchi

机构 * School of Computing（计算学院） ； National University of Singapore（新加坡国立大学） 纠错

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

Comments 23 pages

DeckFlow: Iterative Specification on a Multimodal Generative Canvas

Gregory Croisdale, Emily Huang, John Joon Young Chung, Anhong Guo, Xu Wang, Austin Z. Henley, Cyrus Omar

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

MindOmni: Unleashing Reasoning Generation in Vision Language Models with RGPO

Yicheng Xiao, Lin Song, Yukang Chen, Yingmin Luo, Yuxin Chen, Yukang Gan, Wei Huang, Xiu Li, Xiaojuan Qi, Ying Shan

机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院，清华大学） ； ARC Lab, Tencent PCG（腾讯PCG ARC实验室） ； The Chinese University of Hong Kong（香港中文大学） ； The University of Hong Kong（香港大学） 纠错

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

Comments Code: https://github.com/TencentARC/MindOmni

Semantics-Guided Generative Image Compression

Cheng-Lin Wu, Hyomin Choi, Ivan V. Bajić

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

Comments 6 pages, 4 figures, IEEE ICIP 2025

Spurious reconstruction from brain activity

Ken Shirakawa, Yoshihiro Nagano, Misato Tanaka, Shuntaro C. Aoki, Kei Majima, Yusuke Muraki, Yukiyasu Kamitani

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

GeoUni: A Unified Model for Generating Geometry Diagrams, Problems and Problem Solutions

Jo-Ku Cheng, Zeren Zhang, Ran Chen, Jingyang Deng, Ziran Qin, Jinwen Ma

机构 * School of Mathematical Sciences, Peking University（北京大学数学科学学院） ； School of Electronic, Information and Electrical Engineering, Shanghai Jiao Tong University（上海交通大学电子信息与电气工程学院） 纠错

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

Re-ReST: Reflection-Reinforced Self-Training for Language Agents

Zi-Yi Dou, Cheng-Fu Yang, Xueqing Wu, Kai-Wei Chang, Nanyun Peng

机构 * University of California, Los Angeles（加州大学洛杉矶分校） 纠错

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

Keep the General, Inject the Specific: Structured Dialogue Fine-Tuning for Knowledge Injection without Catastrophic Forgetting

Yijie Hong, Xiaofei Yin, Xinzhong Wang, Yi Tu, Ya Guo, Sufeng Duan, Weiqiang Wang, Lingyong Fang, Depeng Wang, Huijia Zhu

机构 * Shanghai Jiao Tong University（上海交通大学） ； Ant Security Lab, Ant Group（蚂蚁集团安全实验室） 纠错

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

Comments 13 pages, 3 figures

KAHANI: Culturally-Nuanced Visual Storytelling Tool for Non-Western Cultures

Hamna, Deepthi Sudharsan, Agrima Seth, Ritvik Budhiraja, Deepika Khullar, Vyshak Jain, Kalika Bali, Aditya Vashistha, Sameer Segal

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

Comments Under review