文本到图像合成十年综述发布

2026年10月16日，arXiv Computer Vision 刊出 Nonghai Zhang、Hao Tang 的文本到图像合成（T2I）十年研究综述。据该综述自述，其回顾了过去十年间 490 篇 T2I 论文，代表性进展覆盖至 2026 年。综述梳理了 GAN、自回归模型与扩散模型在图像生成中的应用，并按问题而非时间线组织前沿研究，涵盖可控性、个性化与身份保持生成、基于指令的图像编辑、偏好对齐与后训练、效率、安全以及内容与空间关系一致性；同时考察统一多模态理解与生成模型，总结常用数据集与评测指标，并比较三大范式的各自取舍。目前该事件仅有这一篇主报道，尚无跟进报道或与之矛盾的说法。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。