EmoCtrl：可控情感图像内容生成
计算机视觉与模式识别
2026-04-13 v2
摘要
图像通过其视觉内容和情感基调共同塑造人类感知。我们引入可控情感图像内容生成（Controllable Emotional Image Content Generation, C-EICG），旨在生成保持给定内容描述忠实的同时表达目标情感的图像。现有的文本到图像模型确保内容一致性但缺乏情感意识，而情感驱动模型则在内容扭曲方面生成情感结果。为此，我们提出 EmoCtrl，配合以内容、情感和情感提示注释的数据集，桥接抽象情感与视觉线索。EmoCtrl 包含文本和视觉情感增强模块，通过描述性语义和感知线索丰富情感表达。为与人类偏好一致，我们进一步引入情感驱动的偏好优化，设计特定的情感奖励。全面实验表明，EmoCtrl 实现了忠实的内容和可表达情感控制，超越现有方法。用户研究确认 EmoCtrl 与人类偏好的强大一致性。此外，EmoCtrl 在创意应用中表现出良好的泛化能力，进一步证明了所学情感 token 的鲁棒性和适应性。
引用
@article{arxiv.2512.22437,
title = {EmoCtrl: Controllable Emotional Image Content Generation},
author = {Jingyuan Yang and Weibin Luo and Hui Huang},
journal= {arXiv preprint arXiv:2512.22437},
year = {2026}
}