六组超分全胜，超分FID最低9.2：Genesis让卫星地图跨层生长
论文基本信息 原文标题： Genesis: A Generative Engine for Hierarchical Satellite Image Synthesis 首次公开： 2026年9月2日（arXiv v1） 原论文链接： https://arxiv.org/abs/2609.02683v1 论文许可： CC BY 4.0
标签：图像生成
共 101 篇
图像生成｜招牌写"兽医"宠物店秒变诊所？新基准专治文生图语义泄漏
先来看一种并不罕见的场景：在产品包装设计、店铺招牌生成、设备铭牌渲染这类视觉内容创作任务里，用户往往给模型下达一个明确指令——在某个指定的主体区域（比如一家面包店的招牌、一辆货车的车身、一瓶饮料的标签）写入指定的文字，同。
同济新基准专治文生图“没文化”：GPT Image画隐喻也翻车，结构准确率仅78%
让AI画“时间就是金钱”，它可能真画一个挂满钞票的时钟；让AI画“知识就是力量”，它又可能把书本和哑铃硬拼在一起。文生图模型能把物体画得很真，却常常画不出“画外之音”。同济大学等机构提出VMetaphor-Bench，把“视觉隐喻生成”这件事第一次系统性地量化评测，结果连GPT Image 1.5也栽在结构组合上。
北航港大新作：扩散模型怕模拟存算噪声？早随机晚确定FID暴降2.58倍
模拟存内计算（CIM）这几年在AI硬件圈几乎成了“低功耗加速器”的代名词：它把矩阵向量乘法直接塞进存储阵列内部，省掉了芯片上最烧钱、最耗电的数据搬运，用来跑需要几十上百次迭代的扩散模型，理论能效相当诱人。
复旦携手小红书最新：给文字渲染装上“定位锚”，生成长文准确率暴涨10.3%
让AI准确渲染又长又密的文字，是图像生成的“最后一公里”。复旦携手小红书放出一招“位置锚定”新设计，把文字准确率直接拉高一大截，海报再密也不怕了。
图像生成｜别只卷画质了！新基准专测"逻辑作画"，最强开源模型不到32分
当所有文生图评测还在卷画质和指令跟随，UIUC这次直接把“答案藏在图里”的推理题丢给模型。2000道题、9个主流生成模型，最强Gemini 3 Pro也只拿64.6分。想看生成模型到底有多少“真推理”，这片试金石值得收藏。
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。
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。
告别一键硬修！SuperSharpen把盲去模糊变成“手动挡”，细节更真实
这篇工作把扩散模型去模糊从“一键生成”变成了“手动调档”，引入了类似音量旋钮的模糊度量（BM），让用户自己决定要锐化多少、生成多少细节。还实打实对比了ControlNet适配和全量微调两条路线，结论清晰，落地感强，值得做图像恢复和摄影后处理的朋友读一读。
