关于本站

站点定位

「计算机视觉研究」（cvresearch.work）是一个由个人独立维护的非商业、非盈利学术笔记站点， 关注计算机视觉，尤其是图像生成与编辑方向。建站的初衷很朴素： 把自己在图像修复、指令式图像编辑与扩散模型对齐方向上读过的论文整理成一份可检索的清单， 既方便自己日后回顾，也希望能让同方向的同学少走一些弯路。

本站没有注册登录、评论、投稿或用户上传功能，也不投放任何广告、不做任何形式的付费服务与导流。 所有内容均由站主单人整理、审核与发布，属于典型的个人学习记录性质网站。

内容范围

目前站内收录 — 篇论文条目，按以下方向归类：

• 生成模型基础 —— 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。
• 图像修复与可控填充 —— 大面积缺失补全、结构引导修复与掩码感知建模。
• 指令引导图像编辑 —— 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。
• 视觉推理与思维链 —— 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。
• 主体与身份保持 —— 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」。
• 扩散模型对齐与偏好优化 —— 把 DPO、奖励回传与强化学习思路迁移到扩散 / 流模型。
• 奖励模型与偏好评价 —— VLM-as-a-Judge、可解释指标与细粒度图文一致性打分。
• 基准与数据集 —— 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。
• 分割与视觉基础模型 —— SAM、DINO、CLIP 等开放词汇视觉主干，为编辑提供可控先验。
• 视频生成与编辑 —— 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。

数据来源

站内论文条目的标题、作者、发表年份与会议/期刊名称，均为站主个人整理的公开文献信息， 不来自任何商业数据库的抓取或转售。本站只做归集与分类，不主张任何版权， 所有条目均链接至 arXiv、DOI 或出版方的正式页面。

内容最近更新：—。

版权与免责声明

• 本站不提供、不托管、不镜像任何论文全文（PDF）。所有条目的链接均直接指向 arXiv 官方页面或出版方（IEEE / ACM / Springer 等）的正式页面，版权归原作者与出版方所有。
• 论文标题、作者姓名与发表信息属于客观事实性引用，本站仅作归集与分类，不主张任何权利， 亦不代表原作者或出版方的观点。
• 站内的方向说明与阅读建议均为站主个人的学习理解，可能存在偏差或滞后， 不构成任何学术结论或投资、商业建议。请以原始论文为准。
• 若权利人认为本站某处引用方式不当，请通过下方邮箱联系，我会在核实后立即修正或删除相关内容。

联系方式

对站内内容有任何疑问、纠错或版权方面的意见，欢迎邮件联系：

电子邮箱

contact@cvresearch.work

站点域名

cvresearch.work