这里是一个个人维护的研究笔记站点，记录计算机视觉中的图像生成与编辑方向的学习路线、 论文脉络与实验心得，覆盖图像修复、指令式编辑、视觉推理、模型对齐与评测等方面的进展。 下面的方向会随研究推进持续调整。
站内内容来自我日常读文献与写论文时的笔记积累，整理成清单形式公开， 方便自己日后回顾，也希望能为同方向的同学省下一些检索时间。 站内不提供论文全文下载，所有条目均指向 arXiv 或出版方的原始页面。
按主题整理的研究推荐。点击任一方向进入该主题的论文清单与阅读说明。
扩散、流匹配、整流流与 LoRA 等底层方法，是其余所有方向共同的底座。
大面积缺失补全、结构引导修复与掩码感知建模。
用自然语言指令改图：注意力控制、扩散反演、免训练编辑与编辑数据集。
让模型先「想」再「画」：CoT 提示、反思式编辑与强化学习驱动的推理。
个性化生成、人脸与主体一致性，在编辑中同时保住「像谁」和「像什么」。
把 DPO、奖励回传与强化学习思路迁移到扩散 / 流模型。
VLM-as-a-Judge、可解释指标与细粒度图文一致性打分。
为编辑与生成构造可复现的评测协议、指令数据集与公开榜单。
SAM、DINO、CLIP 等开放词汇视觉主干，为编辑提供可控先验。
把编辑能力扩展到时间维度，核心是帧间一致性与运动保持。
如果刚开始接触这个方向，可以从下面这几篇读起。完整清单见论文清单。
本站是一个非商业的个人学习站点，不具备交互式发帖、评论或用户上传功能， 所有内容由站主单人整理与发布。论文条目的标题、作者与发表信息均来自公开的文献数据库与 arXiv 页面，本站只做归集与分类，不主张任何版权。
如果你在阅读过程中发现条目信息有误（例如作者顺序、发表年份或会议名称）， 欢迎通过邮件告诉我，我会尽快更正。