图像生成

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

MonoRelief V2: Leveraging Real Data for High-Fidelity Monocular Relief Recovery

Yu-Wei Zhang, Tongju Han, Lipeng Gao, Mingqiang Wei, Hui Liu, Changbao Li, Caiming Zhang

机构 * School of Mechanical Engineering, Qilu University of Technology (Shandong Academy of Sciences)（机械工程学院、齐鲁工业大学（山东科学院）） ； School of Computer Science and Technology, Nanjing University of Aeronautics and Astronautics（计算机科学与技术学院、南京航空航天大学） ； School of Computer Science and Technology, Shandong University of Finance and Economics（计算机科学与技术学院、山东财经大学） ； School of Computer Science and Technology, Shandong University（计算机科学与技术学院、山东大学） 纠错

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

Waver: Wave Your Way to Lifelike Video Generation

Yifu Zhang, Hao Yang, Yuqi Zhang, Yifei Hu, Fengda Zhu, Chuang Lin, Xiaofeng Mei, Yi Jiang, Bingyue Peng, Zehuan Yuan

机构 * Bytedance Waver Team（字节跳动Waver团队） 纠错

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

Decoding MGMT Methylation: A Step Towards Precision Medicine in Glioblastoma

Hafeez Ur Rehman, Sumaiya Fazal, Moutaz Alazab, Ali Baydoun

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

When Algorithms Play Favorites: Lookism in the Generation and Perception of Faces

Miriam Doh, Aditya Gulati, Matei Mancas, Nuria Oliver

机构 * ISIA Lab - Université de Mons, IRIDIA Lab - Université Libre de Bruxelles（ISIA实验室-蒙斯大学，IRIDIA实验室-布鲁塞尔自由大学） ； ISIA Lab - Université de Mons（ISIA实验室-蒙斯大学） 纠错

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

Comments Accepted as an extended abstract at the Fourth European Workshop on Algorithmic Fairness (EWAF) (URL: https://2025.ewaf.org/home)

Journal ref Proceedings of Machine Learning Research 294 (2025) 474-480

AdaptiveAE: An Adaptive Exposure Strategy for HDR Capturing in Dynamic Scenes

Tianyi Xu, Fan Zhang, Boxin Shi, Tianfan Xue, Yujin Wang

机构 * Shanghai AI Laboratory（上海人工智能实验室） ； The Chinese University of Hong Kong（香港中文大学） ； State Key Laboratory of Multimedia Information Processing, School of Computer Science, Peking University（北京大学多媒体信息处理国家重点实验室，计算机科学学院） ； National Engineering Research Center of Visual Technology, School of Computer Science, Peking University（北京大学视觉技术国家工程研究中心，计算机科学学院） 纠错

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

Comments Accepted to ICCV 2025

UltraDfeGAN: Detail-Enhancing Generative Adversarial Networks for High-Fidelity Functional Ultrasound Synthesis

Zhuo Li, Xuhang Chen, Shuqiang Wang, Bin Yuan, Nou Sotheany, Ngeth Rithea

机构 * Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Department of Information and Communication, Institute of Technology of Cambodia（柬埔寨技术学院信息与通信系） ； Department of Telecommunication and Network Engineering, Institute of Technology of Cambodia（柬埔寨技术学院电信与网络工程系） 纠错

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

FancyVideo: Towards Dynamic and Consistent Video Generation via Cross-frame Textual Guidance

Jiasong Feng, Ao Ma, Jing Wang, Ke Cao, Zhanjie Zhang

机构 * AI Research（360人工智能研究院） ； Beijing University of Technology（北京理工大学） ； Wuhan University（武汉大学） ； Sun Yat-sen University（中山大学） ； University of Science and Technology of China（中国科学技术大学） ； Zhejiang University（浙江大学） 纠错

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

Comments Accepted by IJCAI 2025

T-CACE: A Time-Conditioned Autoregressive Contrast Enhancement Multi-Task Framework for Contrast-Free Liver MRI Synthesis, Segmentation, and Diagnosis

Xiaojiao Xiao, Jianfeng Zhao, Qinmin Vivian Hu, Guanghui Wang

机构 * Department of Computer Science, Toronto Metropolitan University（计算机科学系，多伦多 Metropolitan 大学） ； School of Biomedical Engineering, Western University（生物医学工程学院，西部大学） 纠错

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

Comments IEEE Journal of Biomedical and Health Informatics, 2025

Multimodal LLM-based Query Paraphrasing for Video Search

Jiaxin Wu, Chong-Wah Ngo, Wing-Kwong Chan, Sheng-Hua Zhong, Xiong-Yong Wei, Qing Li

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

A Physics-Driven Neural Network with Parameter Embedding for Generating Quantitative MR Maps from Weighted Images

Lingjing Chen, Chengxiu Zhang, Yinqiao Yi, Yida Wang, Yang Song, Xu Yan, Shengfang Xu, Dalin Zhu, Mengqiu Cao, Yan Zhou, Chenglong Wang, Guang Yang

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

Restage4D: Reanimating Deformable 3D Reconstruction from a Single Video

Jixuan He, Chieh Hubert Lin, Lu Qi, Ming-Hsuan Yang

机构 * Cornell Tech（康奈尔科技） ； University of California, Merced（加州大学默塞德分校） ； Wuhan University（武汉大学） 纠错

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

ACM Multimedia Grand Challenge on ENT Endoscopy Analysis

Trong-Thuan Nguyen, Viet-Tham Huynh, Thao Thi Phuong Dao, Ha Nguyen Thi, Tien To Vu Thuy, Uyen Hanh Tran, Tam V. Nguyen, Thanh Dinh Le, Minh-Triet Tran

机构 * University of Science, VNU-HCM（越南胡志明市科学大学） ； Vietnam National University（越南国家大学） ； Thong Nhat Hospital（通那医院） ； Faculty of Medicine, Pham Ngoc Thach University of Medicine（范 Ngoc Thach 医学院） ； Cho Ray Hospital（Cho Ray 医院） ； University of Dayton（Dayton 大学） ； University of Health Sciences, VNU-HCM（越南胡志明市健康科学大学） 纠错

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

Beyond Adapter Retrieval: Latent Geometry-Preserving Composition via Sparse Task Projection

Pengfei Jin, Peng Shu, Sifan Song, Sekeun Kim, Qing Xiao, Cheng Chen, Tianming Liu, Xiang Li, Quanzheng Li

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

T2UE: Generating Unlearnable Examples from Text Descriptions

Xingjun Ma, Hanxun Huang, Tianwei Song, Ye Sun, Yifeng Gao, Yu-Gang Jiang

机构 * Fudan University（复旦大学） ； The University of Melbourne（墨尔本大学） 纠错

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

Comments To appear in ACM MM 2025

Who is a Better Talker: Subjective and Objective Quality Assessment for AI-Generated Talking Heads

Yingjie Zhou, Jiezhang Cao, Zicheng Zhang, Farong Wen, Yanwei Jiang, Jun Jia, Xiaohong Liu, Xiongkuo Min, Guangtao Zhai

机构 * Shanghai Jiao Tong University（上海交通大学） ； PengCheng Laboratory（鹏城实验室） ； Harvard Medical School（哈佛医学院） 纠错

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

Anyone Can Jailbreak: Prompt-Based Attacks on LLMs and T2Is

Ahmed B Mustafa, Zihan Ye, Yang Lu, Michael P Pound, Shreyank N Gowda

机构 * School of Computer Science, University of Nottingham（诺丁汉大学计算机科学学院） ； Department of Intelligent Science, Xi’an Jiaotong-Liverpool University（西安交通大学利物浦大学智能科学系） ； School of Informatics, Xiamen University（厦门大学信息学院） 纠错

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

Identifying Prompted Artist Names from Generated Images

Grace Su, Sheng-Yu Wang, Aaron Hertzmann, Eli Shechtman, Jun-Yan Zhu, Richard Zhang

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Adobe Research（Adobe研究院） 纠错

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

Comments Project page: https://graceduansu.github.io/IdentifyingPromptedArtists

SynC: Synthetic Image Caption Dataset Refinement with One-to-many Mapping for Zero-shot Image Captioning

Si-Woo Kim, MinJu Jeon, Ye-Chan Kim, Soeun Lee, Taewhan Kim, Dong-Jin Kim

机构 * Hanyang University（翰阳大学） 纠错

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

Comments Accepted to ACM Multimedia 2025

Hierarchical Fusion and Joint Aggregation: A Multi-Level Feature Representation Method for AIGC Image Quality Assessment

Linghe Meng, Jiarun Song

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

Towards Cross-modal Retrieval in Chinese Cultural Heritage Documents: Dataset and Solution

Junyi Yuan, Jian Zhang, Fangyu Wu, Dongming Lu, Huanda Lu, Qiufeng Wang

机构 * Xi’an Jiaotong-Liverpool University（西安交通大学利物浦大学） ； NingboTech University（宁波科技大学） ； Zhejiang University（浙江大学） 纠错

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

Synthesizing Reality: Leveraging the Generative AI-Powered Platform Midjourney for Construction Worker Detection

Hongyang Zhao, Tianyu Liang, Sina Davari, Daeho Kim

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

Comments This work was presented at ASCE International Conference on Computing in Civil Engineering (i3CE) 2024 and is currently under consideration for publication in ASCE proceedings

CultureCLIP: Empowering CLIP with Cultural Awareness through Synthetic Images and Contextualized Captions

Yuchen Huang, Zhiyuan Fan, Zhitao He, Sandeep Polisetty, Wenyan Li, Yi R. Fung

机构 * Hong Kong University of Science and Technology（香港理工大学） ； University of Massachusetts Amherst（马萨诸塞大学阿姆赫斯特分校） ； University of Copenhagen（哥本哈根大学） 纠错

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

Comments 25 pages, COLM 2025

Imagine for Me: Creative Conceptual Blending of Real Images and Text via Blended Attention

Wonwoong Cho, Yanxia Zhang, Yan-Ying Chen, David I. Inouye

机构 * Elmore Family School of Electrical and Computer Engineering, Purdue University（埃尔摩家庭电气与计算机工程学院，普渡大学） ； Toyota Research Institute（丰田研究院） 纠错

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

Comments Project website is available at https://imagineforme.github.io/

Scalable and Realistic Virtual Try-on Application for Foundation Makeup with Kubelka-Munk Theory

Hui Pang, Sunil Hadap, Violetta Shevchenko, Rahul Suresh, Amin Banitalebi-Dehkordi

机构 * Amazon（亚马逊） 纠错

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

Comments Presented at the workshop Three questions about virtual try-on at CVPR 2025

MS-DPPs: Multi-Source Determinantal Point Processes for Contextual Diversity Refinement of Composite Attributes in Text to Image Retrieval

Naoya Sogi, Takashi Shibata, Makoto Terao, Masanori Suganuma, Takayuki Okatani

机构 * Visual Intelligence Research Laboratories, NEC Corporation（NEC公司视觉智能研究实验室） ； Graduate School of Information Sciences, Tohoku University（东北大学信息科学研究生院） ； RIKEN Center for AIP（理化学研究所AIP研究中心） 纠错

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

Comments IJCAI 2025. Code: https://github.com/NEC-N-SOGI/msdpp

TIP-I2V: A Million-Scale Real Text and Image Prompt Dataset for Image-to-Video Generation

Wenhao Wang, Yi Yang

机构 * University of Technology Sydney（悉尼技术大学） ； Zhejiang University（浙江大学） 纠错

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

Comments Accepted by ICCV 2025

An analysis of vision-language models for fabric retrieval

Francesco Giuliari, Asif Khan Pattan, Mohamed Lamine Mekhalfi, Fabio Poiesi

机构 * Fondazione Bruno Kessler（布雷诺-科塞勒基金会） 纠错

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

Comments Accepted at Ital-IA 2025

Learning Dense Feature Matching via Lifting Single 2D Image to 3D Space

Yingping Liang, Yutao Hu, Wenqi Shao, Ying Fu

机构 * Beijing Institute of Technology（北京理工大学） ； School of Computer Science and Engineering, Southeast University（东南大学计算机科学与工程学院） ； Shanghai Al Laboratory（上海阿尔实验室） 纠错

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

Comments Official Code: https://github.com/Sharpiless/L2M