🎨 图像生成¶
💬 EMNLP2026 · 2 篇论文解读
📌 同领域跨会议浏览: 🧠 NeurIPS2026 (206) · 🎞️ ECCV2026 (344) · 📷 CVPR2026 (495) · 🔬 ICLR2026 (355) · 💬 ACL2026 (5) · 🧪 ICML2026 (141)
- Decomposing Visual Histories with Vision-Language Agents: Hierarchical Temporal Guidance for Compositional Image Generation
-
针对多参考图图像生成中异构参考信息相互冲突和破坏性扁平融合问题,提出无需训练的层级时间引导框架 HTGF,利用视觉语言智能体将参考图分解为主体、结构和细节三维控制策略,并基于 Tweedie SNR 灵敏度闭式解将不同语义轴映射至去噪轨迹的特定时间窗口,结合流形校正器消除阶段突变伪影。
- SpatialGuard: Harness-Guided Verifiable Spatial Reasoning for Text-to-Image Generation
-
SpatialGuard 将文本到图像的复杂 3D 空间推理抽象为可编辑的结构化布局状态,并首创引入由规则约束、工具调用、共享知识与反馈循环构成的 Layout Harness,通过「规划-具象化-验证-修复」闭环彻底解决了多轮生成中的空间约束衰减难题。