图像生成｜东京大学最新研究：全景图生成提速15倍，质量反而更高？
生成一张360度全景图要等半小时？东京大学团队把时间压缩到2分钟，画质还更好，凭什么？
标签：图像生成
共 114 篇
西南科大最新研究：AI "边涂色边切割"，扩散模型玩转医学影像分割
图像恢复越清晰，检测反而越容易翻车？SafeRestore告诉你：别急着让AI"修复"图像，先给修复结果发张"安全认证"再放行。这篇论文最精彩的地方，是诚实地展示了自适应策略如何在五次实验中只通过一次认证——比简单插值还没牌面。
最新证明：扩散本质是注意力，免训去噪网络还快8.5倍
主流生成两座大山——扩散模型和Transformer注意力，这篇论文却用凸优化推出了一个有点反常识的结论：扩散模型的最优去噪解，本质上就是自注意力；Softmax也因此有了统计检测层面的解释。更实用的是，利用等价性可以跳过昂贵的去噪网络训练，直接基于近邻潜向量插值生成，单张耗时仅0.02秒、实现8.5倍加速。理论派和实践派都值得一读。
从时间序列到3D形状：一个框架通吃四类生成任务
先看一个让龙哥觉得有点"反直觉"的画面：下面这张图，从左到右分别是64×64、128×128、256×256、512×512，直到1024×1024分辨率的人脸生成结果。
Adobe新作：给扩散模型加“概念级”水印，画风被抄也能溯源91%+
AI生成内容的版权保护一直是个复杂话题。生成一张"梵高风格的戴珍珠耳环的猫"成本不到一秒，但版权归属问题却难以解决。传统水印在像素空间里做文章，但容易失效。
哈工大SAGE新作：不靠标注，让模型摆脱“背景骗局”，最差组精度飙至89.5%
模型总爱“看背景下菜碟”？哈工大团队提出SAGE，不靠任何人工标注，用聚类子标签驱动扩散模型定向补数据，直接把最差组精度拉到89.5%，专治各种“背景骗局”。
弗吉尼亚大学提出DP-TabImage：一份隐私预算，让表格和图像“成双成对”还不泄露
想象一下这样的场景：医院的影像科里，一张胸部X光片总是和病历表格里那串诊断代码、年龄、性别等信息绑在一起出现。
一条指令18个目标，Qwen/Flux靠“导演”终于不翻车
设计师一条需求写上200字，AI画图却常常翻车？本文提出LGBench基准，把长指令拆成18-22个目标，暴露出现有模型的脆弱；而VisionDirector像导演一样规划、执行、验证、回滚，让Qwen、Flux等模型在GenEval和ImgEdit上双双刷新SOTA，编辑轮数还减少了26%。
同济大学提出RealCAD：拍照秒变可编辑CAD模型，真实域参数精度大涨14.7%！
今天这篇来自同济大学的RealCAD，一口气揭了图像转CAD领域两个老底：合成图与真实照片之间的"照骗"差距，以及DeepCAD数据表示里藏着的"刷分捷径"。论文不仅把问题讲透了，还给出了从表示、图像到特征的三层解法，真实域参数精度直接拉升14.73个百分点，值得一读。
KAIST最新：AI整图重绘也能精准定位篡改，IoU达0.92
当扩散模型把整张图都“重画”一遍，你还能看出哪里被改过吗？现有主动防篡改定位方法在“全再生”场景下集体崩盘，AUC直接掉到0.5左右。KAIST这篇APT论文第一个系统研究该问题，用潜空间锚点对齐扰动把FR场景定位IoU做到0.92，碾压最强基线WAM（0.84），且能泛化到未知篡改类型。想搞懂AI取证下一个赛点，这篇值得读。
东北大学开源RegionCache：多轮图像编辑最高提速2.55倍
东北大学提出RegionCache，专治多轮图像编辑的重复计算病：连续编辑轮次中平均81%-92%区域根本不变，却每次都把整张图重新生成一遍。RegionCache用跨注意力把“没变的语义”映射到“没变的区域”，直接复用缓存隐藏状态，只重算真正被改的地方，在PixArt-α上拿到1.43-2.55倍端到端加速，画质基本不掉。有代码，值得跑一跑。
图像恢复｜天津大学ZVRM：零样本视频修复提速近3倍，时序闪烁减八成
又一篇零样本视频修复的狠活。天津大学团队把文本到图像扩散模型用出了花：不用训练就能修视频，还支持文本、图像两种参考输入，推理速度直接砍到三分之一，时序一致性指标WE降到原来的五分之一。被视频闪烁折磨过的同学，这篇值得重点研究。
