★ 3
StruPO：用场景图结构反馈训练文生图提示词编辑器
论文提出 StruPO，用校准后的场景图作为策略条件与图像监督的共享表示，把结构反馈转为可复用编辑策略的训练信号。方法通过平滑奖励塑形保留 grounding 置信度，并对每次编辑的多张图像取平均计算组相对优势。在三个 2K 提示词测试集与四个冻结生成骨干上，关系保真度与美学权衡均获提升，并有 1…
arXiv cs.AI5 天前
#文生图
共 17 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 3
国产 5B 生图模型海外爆火，4 天下载超百万
一款国产 5B 参数图像生成模型在海外迅速走红，上线 4 天下载量突破百万。该现象显示轻量级开源生图模型在海外开发者社区的高接受度。
Simon Willison Blog7 天前
★ 3
国产5B生图模型海外爆火，4天下载超百万
一款国产5B参数规模的图像生成模型在海外迅速走红，上线4天累计下载量突破百万。该模型以较小参数规模实现生图能力，引发海外开发者社区关注，也显示国产开源生图模型在海外市场的竞争力。
量子位10 天前
★ 3
LogicVal 基准以逻辑约束评测文生图模型
论文将文生图评测转化为约束满足问题，提出形式化逻辑框架，在 9 类约束上评测四个先进模型。结果显示最佳模型单物体属性约束准确率 98%，复杂多物体关系约束仅 53%，多约束同时满足时从 84% 降至 20%，识别不可满足提示仅 23%。作者据此提出结合视觉检测与逻辑推理的 LogicVal 评测方…
arXiv cs.AI13 天前
★ 3
Krea 3 图像模型发布，速度达 Nano Banana Pro 四倍
Krea 发布新一代前沿图像模型 Krea 3，官方称其生成速度比 Nano Banana Pro 快 4 倍。该模型定位为前沿图像生成工具，主打速度与画质平衡，已在 Hacker News 引发讨论。
Hacker News17 天前
★ 3
★ 3
CARE：扩散模型条件感知表示正则化
研究提出 CARE，一种轻量即插即用的正则化框架，根据条件相似度动态调制特征分布，无需显式对齐损失或外部监督。在 ImageNet 上 40 万步训练使 FID 降低 19.08%，实现 3.5 倍加速；文生图任务中 FID 降低 16.61% 并改善语义对齐。CARE 可与现有正则化方法叠加使用。
arXiv cs.LG38 天前
★ 3
腾讯混元发布混元图像3.5预览版
腾讯混元发布混元图像3.5预览版，支持文生图、图生图及多轮对话创作。腾讯云API 2K图像定价0.15元/张，国际版0.024美元/张，仅对输出图片收费，元宝已全量适配。此举加剧国内图像生成模型的价格竞争。
36氪41 天前
★ 3
因果抽象实现文生图扩散模型公平性高效审计
论文提出基于因果抽象的审计工具，用于高效评估文生图扩散模型在分类器无引导尺度干预下的公平性。方法将扩散过程表示为低层结构因果模型，并构建抽象去噪状态上的高层模型，用概率 Transformer 实现跨引导尺度的目标特征分布摊销预测。实验在 Stable Diffusion 1.5 与公平性增强模型…
arXiv cs.LG53 天前
★ 2
Mine-Sample-Render：生成模型测试时多样性对齐方法
论文提出 MINE-SAMPLE-RENDER（MSR），将多样性外化为基于语料的显式采样流程：从真实样本中挖掘可解释类别模式并采样属性配置，再让生成模型仅作为条件渲染器。在天气报告生成、用户模拟、网页设计、文生图与智能体生成 3D 资产等任务上，MSR 提升了与语料分布的对齐度和输出多样性。
arXiv cs.AI17 天前
★ 2
无训练方法通过拉回方向提升扩散模型采样多样性
论文提出一种免训练方法，利用条件嵌入空间到图像空间的映射所诱导的局部拉回几何，识别输出最敏感的方向，引导不同采样轨迹生成差异化图像。在 MS-COCO 与 BrushNet 上验证了该方法在文生图与图像修复中提升多样性的效果，同时保持与提示词的一致性。
arXiv cs.AI19 天前
★ 2
文生图扩散中的满意度-多样性前沿
论文将文生图生成建模为「满足式」问题：每张图需满足奖励下限，整批图需满足多样性阈值，二者权衡构成帕累托前沿。为此提出免训练的推理时方法 SatisDive，用批内相对奖励阈值区分高低奖励候选，对低奖励者强调提升、对高奖励者强调多样性。在 Pick-a-Pic 上，其满意度-多样性曲线在各设置下均帕…
arXiv cs.AI28 天前
★ 2
CALM：文生图全局不安全性的局限分析
论文对文生图免训练安全防护所依赖的「全局不安全假设」进行几何分析，揭示出覆盖度与选择性之间的权衡：紧凑不安全子空间无法覆盖异构语义，而过度聚合会扭曲安全邻近的良性提示。为此提出 CALM，用提示局部反事实校正替代统一全局移除，在抑制不安全内容的同时更好保留良性效用。
arXiv cs.AI28 天前
★ 2
基于方差缩减SMC的特异性感知扩散引导
论文将特异性感知引导形式化为目标设计问题，从基于重叠的目标推导出目标分布，仅在期望参考分布明显优于非期望分布的区域保留它，给出特异性的似然比解释。作者开发了带方差最小化局部提议的序贯蒙特卡洛采样器，并引入固定噪声优化程序。在合成任务、类别对比生成、文生图及p-MHC结合肽任务上，方法更有效抑制非期…
arXiv cs.LG31 天前
★ 2
EvoGen-Harness：图像生成外部框架进化
论文提出EvoGen-Harness，一个与生成器无关的多职责图像生成框架进化方法，配合Trace机制聚合随机执行证据、以失败归因作为搜索先验并协调多职责进化。在GenEval2、T2I-CompBench++和WISE上分别较最强基线提升+0.2633、+0.0720和+0.0752，归因召回率…
arXiv cs.LG31 天前
★ 2
多模态条件微调SDXL生成乌洛斯纹样
研究提出多模态生成框架，将LoRA微调的Stable Diffusion XL与LLaMA 1.5-7B结合，通过文本、图像、表征与语义图四种条件机制生成可控且文化忠实的巴塔克乌洛斯纹样。消融实验显示条件机制数量与效果不成正比，文本+图像+表征组合整体最均衡，九位织工与三十位公众的定性评估显示显著…
arXiv cs.AI46 天前
★ 1
Show HN：AI SVG 生成器
开发者发布一款AI SVG生成工具，可通过文本提示生成矢量Logo、图标和插画，也能将现有位图转换为SVG格式。产品提供登录前的免费预览，属于面向设计场景的轻量AI应用。
Hacker News – AI36 天前
2026-W44开源模型本周双线推进：10-30 EmbeddingGemma 2 发布（重要度 4），MiniMax H3 同日开源。前者补强检索与嵌入层，后者扩充通用模型供给，显示开源竞争正从单一对话模型扩展到嵌入等基础设施组件，生态分层更明显。