图像生成

Vision Transformers Don't Need Trained Registers

Nick Jiang, Amil Dravid, Alexei Efros, Yossi Gandelsman

机构 * UC Berkeley（伯克利大学） 纠错

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

Comments Project page and code: https://avdravid.github.io/test-time-registers. Accepted to NeurIPS '25 (spotlight)

Better Tokens for Better 3D: Advancing Vision-Language Modeling in 3D Medical Imaging

Ibrahim Ethem Hamamci, Sezgin Er, Suprosanna Shit, Hadrien Reynaud, Dong Yang, Pengfei Guo, Marc Edgar, Daguang Xu, Bernhard Kainz, Bjoern Menze

机构 * University of Zurich（苏黎世大学） ； NVIDIA ； Imperial College London（伦敦帝国理工学院） ； FAU Erlangen-Nürnberg（埃尔朗根-纽伦堡大学） 纠错

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

Comments NeurIPS 2025

ELIP: Enhanced Visual-Language Foundation Models for Image Retrieval

Guanqi Zhan, Yuanpei Liu, Kai Han, Weidi Xie, Andrew Zisserman

机构 * VGG, University of Oxford（牛津大学视觉几何组） ； The University of Hong Kong（香港大学） ； Shanghai Jiao Tong University（上海交通大学） 纠错

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

Comments Accepted by CBMI 2025 (IEEE International Conference on Content-Based Multimedia Indexing)

The Face of Persuasion: Analyzing Bias and Generating Culture-Aware Ads

Aysan Aghazadeh, Adriana Kovashka

机构 * University of Pittsburgh（匹兹堡大学） 纠错

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

KonfAI: A Modular and Fully Configurable Framework for Deep Learning in Medical Imaging

Valentin Boussot, Jean-Louis Dillenseger

机构 * INSERM, LTSI - UMR 1099 University of Rennes（法国里昂大学INSERM LTSI - UMR 1099） 纠错

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

Comments https://github.com/vboussot/KonfAI

AngularFuse: A Closer Look at Angle-based Perception for Spatial-Sensitive Multi-Modality Image Fusion

Xiaopeng Liu, Yupei Lin, Sen Zhang, Xiao Wang, Yukai Shi, Liang Lin

机构 * School of Information Engineering, Guangdong University of Technology（广东技术大学信息工程学院） ； TikTok, ByteDance Inc（字节跳动） ； School of Computer Science, Anhui University（安徽大学计算机科学学院） ； School of Computer Science and Engineering, Sun Yat-sen University（中山大学计算机科学与工程学院） 纠错

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

Comments For the first time, angle-based perception was introduced into the multi-modality image fusion task

Highlighting What Matters: Promptable Embeddings for Attribute-Focused Image Retrieval

Siting Li, Xiang Gao, Simon Shaolei Du

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

Comments NeurIPS 2025; 27 pages, 6 figures

Automatic Synthesis of High-Quality Triplet Data for Composed Image Retrieval

Haiwen Li, Delong Liu, Zhaohui Hou, Zhicheng Zhao, Fei Su

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） 纠错

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

Comments This paper was originally submitted to ACM MM 2025 on April 12, 2025

FS-RWKV: Leveraging Frequency Spatial-Aware RWKV for 3T-to-7T MRI Translation

Yingtie Lei, Zimeng Li, Chi-Man Pun, Yupeng Liu, Xuhang Chen

机构 * Faculty of Science and Technology, University of Macau（澳门大学科学与技术学院） ； School of Electronic and Communication Engineering, Shenzhen Polytechnic University（深圳职业技术学院电子与通信工程学院） ； Department of Cardiology, Guangdong Provincial People’s Hospital (Guangdong Academy of Medical Sciences), Southern Medical University, Guangzhou, China（广东省人民医院心内科（广东省医学科学院）） ； Guangdong Cardiovascular Institute, Guangdong Provincial People’s Hospital, Guangdong Academy of Medical Sciences, Guangzhou, China（广东省心血管病研究院，广东省人民医院，广东省医学科学院，广州，中国） 纠错

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

Comments Accepted by BIBM 2025

A Survey of Defenses Against AI-Generated Visual Media: Detection,Disruption, and Authentication

Jingyi Deng, Chenhao Lin, Zhengyu Zhao, Shuai Liu, Zhe Peng, Qian Wang, Chao Shen

机构 * School of Cyber Science and Engineering, Xi'an Jiaotong University（西安交通大学计算机科学与工程学院） ； Interdisciplinary Research Center of Frontier science and technology, Xi'an Jiaotong University（西安交通大学前沿科学与技术交叉研究中心） ； School of Software Engineering, Xi'an Jiaotong University（西安交通大学软件工程学院） ； Department of Industrial and Systems Engineering, Hong Kong Polytechnic University（香港理工大学工业与系统工程系） ； School of Cyber Science and Engineering, Wuhan University（武汉大学计算机科学与工程学院） 纠错

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

Comments Accepted by ACM Computing Surveys

Triangle Splatting+: Differentiable Rendering with Opaque Triangles

Jan Held, Renaud Vandeghen, Sanghyun Son, Daniel Rebain, Matheus Gadelha, Yi Zhou, Ming C. Lin, Marc Van Droogenbroeck, Andrea Tagliasacchi

机构 * University of Liège（利根大学） ； Simon Fraser University（西蒙弗雷泽大学） ； University of Maryland（马里兰大学） ； University of British Columbia（不列颠哥伦比亚大学） ； University of Toronto（多伦多大学） ； Adobe Research（Adobe研究） 纠错

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

Comments 9 pages, 6 figures, 2 tables

From Fields to Splats: A Cross-Domain Survey of Real-Time Neural Scene Representations

Javed Ahmad, Penggang Gao, Donatien Delehelle, Mennuti Canio, Nikhil Deshpande, Jesús Ortiz, Darwin G. Caldwell, Yonas Teodros Tefera

机构 * Advanced Robotics, Istituto Italiano di Tecnologia (IIT)（先进机器人技术，意大利技术研究院） ； Istituto Nazionale per l’Assicurazione contro gli Infortuni sul Lavoro (INAIL)（国家职业伤害保险研究所） ； School of Computer Science, University of Nottingham（计算机科学学院，诺丁汉大学） 纠错

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

Comments 18 pages

LLMs Behind the Scenes: Enabling Narrative Scene Illustration

Melissa Roemmele, John Joon Young Chung, Taewook Kim, Yuqian Sun, Alex Calderwood, Max Kreminski

机构 * Midjourney ； Northwestern University（西北大学） ； University of California, Santa Cruz（加州大学圣克鲁兹分校） 纠错

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

Comments Accepted at EMNLP 2025

AGSwap: Overcoming Category Boundaries in Object Fusion via Adaptive Group Swapping

Zedong Zhang, Ying Tai, Jianjun Qian, Jian Yang, Jun Li

机构 * Nanjing University of Science and Technology（南京理工大学） ； Nanjing University（南京大学） 纠错

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

Comments Accepted to SIGGRAPH Asia 2025

Deep Learning-Based Cross-Anatomy CT Synthesis Using Adapted nnResU-Net with Anatomical Feature Prioritized Loss

Javier Sequeiro González, Arthur Longuefosse, Miguel Díaz Benito, Álvaro García Martín, Fabien Baldacci

机构 * Univ. Bordeaux, CNRS, LaBRI, UMR 5800, F-33400 Talence, France（波尔多大学，法国国家科学研究中心，LaBRI研究院，UMR 5800） ； Universidad Autónoma de Madrid, Madrid, 28049, Spain（马德里自治大学，西班牙） ； Pazmany Peter Catholic University, Budapest, 1083, Hungary（佩斯大学，匈牙利） ； RIKEN Center for Integrative Medical Sciences, Medical Data Deep Learning Team, Tokyo, Japan（日本再生医学科学中心，医学数据深度学习团队） 纠错

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

Exposing Hallucinations To Suppress Them: VLMs Representation Editing With Generative Anchors

Youxu Shi, Suorong Yang, Dong Liu

机构 * University of Science and Technology of China（中国科学技术大学） ； Nanjing University（南京大学） 纠错

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

Are Hallucinations Bad Estimations?

Hude Liu, Jerry Yao-Chieh Hu, Jennifer Yuntong Zhang, Zhao Song, Han Liu

机构 * Center for Foundation Models and Generative AI, Northwestern University（基础模型与生成式人工智能中心，西北大学） ； Department of Computer Science, Northwestern University（计算机科学系，西北大学） ； Ensemble AI ； Engineering Science, University of Toronto（工程科学，多伦多大学） ； University of California, Berkeley（加州大学伯克利分校） ； Department of Statistics and Data Science, Northwestern University（统计与数据科学系，西北大学） 纠错

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

Comments Code is available at https://github.com/MAGICS-LAB/hallucination

Gender Stereotypes in Professional Roles Among Saudis: An Analytical Study of AI-Generated Images Using Language Models

Khaloud S. AlKhalifah, Malak Mashaabi, Hend Al-Khalifa

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

Optical Ocean Recipes: Creating Realistic Datasets to Facilitate Underwater Vision Research

Patricia Schöntag, David Nakath, Judith Fischer, Rüdiger Röttgers, Kevin Köser

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

Comments 26 pages, 9 figures, submitted to IEEE Journal of Ocean Engineering

Vision-Free Retrieval: Rethinking Multimodal Search with Textual Scene Descriptions

Ioanna Ntinou, Alexandros Xenos, Yassine Ouali, Adrian Bulat, Georgios Tzimiropoulos

机构 * Queen Mary University of London（伦敦女王大学） ； Samsung AI Centre（三星人工智能中心） ； Technical University of Iași（伊阿苏技术大学） 纠错

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

Comments Accepted at EMNLP 2025

Anatomical feature-prioritized loss for enhanced MR to CT translation

Arthur Longuefosse, Baudouin Denis de Senneville, Gael Dournes, Ilyes Benlala, Pascal Desbarats, Fabien Baldacci

机构 * Univ. Bordeaux, CNRS, Bordeaux INP, LaBRI, UMR 5800, 33400 Talence, France（波尔多大学） ； Univ. Bordeaux, CNRS, Bordeaux INP, IMB, UMR 5251, 33400 Talence, France（波尔多大学） 纠错

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

Journal ref 2025 Phys. Med. Biol. 70 145012

Safe-Sora: Safe Text-to-Video Generation via Graphical Watermarking

Zihan Su, Xuerui Qiu, Hongbin Xu, Tangyu Jiang, Junhao Zhuang, Chun Yuan, Ming Li, Shengfeng He, Fei Richard Yu

机构 * Tsinghua University（清华大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； South China University of Technology（华南理工大学） ； Guangdong Laboratory of Artificial Intelligence and Digital Economy (SZ)（广东人工智能与数字经济实验室） ； Singapore Management University（新加坡管理学院） 纠错

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

Comments Safa-Sora is accepted by NeurIPS 2025

RaceGAN: A Framework for Preserving Individuality while Converting Racial Information for Image-to-Image Translation

Mst Tasnim Pervin, George Bebis, Fang Jiang, Alireza Tavakkoli

机构 * 1 2 4 Department of Computer Science \& Engineering, 3 Department of Psychology, University of Nevada, Reno, USA Email: 1 , 2 , 3 , 4 纠错

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

Journal ref ICMLA 2024

Chain-of-Thought Re-ranking for Image Retrieval Tasks

Shangrong Wu, Yanghong Zhou, Yang Chen, Feng Zhang, P. Y. Mok

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

UnsafeBench: Benchmarking Image Safety Classifiers on Real-World and AI-Generated Images

Yiting Qu, Xinyue Shen, Yixin Wu, Michael Backes, Savvas Zannettou, Yang Zhang

机构 * CISPA Helmholtz Center for Information Security（CISPA赫尔姆霍茨信息安全中心） ； TU Delft（代尔夫特理工大学） 纠错

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

Comments To Appear in the ACM Conference on Computer and Communications Security (CCS), October 13, 2025

GeneVA: A Dataset of Human Annotations for Generative Text to Video Artifacts

Jenna Kang, Maria Silva, Patsorn Sangkloy, Kenneth Chen, Niall Williams, Qi Sun

机构 * New York University（纽约大学） 纠错

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

SUDER: Self-Improving Unified Large Multimodal Models for Understanding and Generation with Dual Self-Rewards

Jixiang Hong, Yiran Zhang, Guanzhong Wang, Yi Liu, Ji-Rong Wen, Rui Yan

机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学人工智能学院） ； School of Computer Science（计算机科学学院） ； Baidu Inc.（百度公司） ； School of Computer Science, Wuhan University（武汉大学计算机学院） 纠错

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

Noisy Label Refinement with Semantically Reliable Synthetic Images

Yingxuan Li, Jiafeng Mao, Yusuke Matsui

机构 * The University of Tokyo（东京大学） ； CyberAgent, Inc.（CyberAgent公司） 纠错

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

Comments Accepted to ICIP2025

Multi-Level CLS Token Fusion for Contrastive Learning in Endoscopy Image Classification

Y Hop Nguyen, Doan Anh Phan Huu, Trung Thai Tran, Nhat Nam Mai, Van Toi Giap, Thao Thi Phuong Dao, Trung-Nghia Le

机构 * University of Science, VNU-HCM（越南胡志明市科学大学） ； Thong Nhat Hospital（通纳特医院） 纠错

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

Comments ACM Multimedia 2025

A Modality-agnostic Multi-task Foundation Model for Human Brain Imaging

Peirong Liu, Oula Puonti, Xiaoling Hu, Karthik Gopinath, Annabel Sorby-Adams, Daniel C. Alexander, W. Taylor Kimberly, Juan E. Iglesias

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

Comments 16 pages