视觉与机器人
图像生成、文生图、图像编辑、扩散模型和可控生成。
DeltaCam: 用于视频生成的差分内参相机建模
机构 * UNC, Chapel Hill USA（北卡罗来纳大学教堂山分校）
专题命中 可控生成 ：diffusion(abstract)；分类 cs.CV
AI总结 提出DeltaCam视频扩散框架，通过差分参数化神经相机适配器学习相对变化，实现焦距、光圈、ISO等内参的平滑可控视频生成，并扩展到真实场景。
运动中的光照：时空高动态范围光照估计
机构 * Université Laval（拉瓦尔大学） ； Eyeline Labs（Eyeline实验室）
专题命中 可控生成 ：diffusion(abstract)；分类 cs.CV
AI总结 提出基于扩散的时空光照估计方法LiMo，通过生成不同曝光下的镜面与漫反射球体，结合深度与几何条件，实现高精度高频细节预测与照度估计。
通过散景渲染提升单目度量深度估计
机构 * S-Lab, Nanyang Technological University（南洋理工大学S实验室） ； Beihang University（北航大学）
专题命中 可控生成 ：diffusion(abstract)；分类 cs.CV
AI总结 提出BokehDepth两阶段框架，利用物理生成模型产生校准散景堆栈作为无监督几何信号，通过散景感知聚合模块提升单目深度估计的度量精度。
Comments Project Page: https://fogradio.github.io/BokehDepth_Project/
Journal ref ICML 2026
从语义字典中学习：面向统一视觉表示与生成的判别式码本对比学习
机构 * Universitat de Barcelona（巴塞罗那大学） ； Barcelona Supercomputing Center (BSC)（巴塞罗那超级计算中心）
专题命中 可控生成 ：generative vision(abstract)；分类 cs.CV
AI总结 提出LEASE框架，通过配对生成-判别码本设计，在离散标记空间中联合优化掩码重建损失和码本对比损失，实现统一视觉表示与生成，在ImageNet-1K上达到最先进性能。
Comments Accepted at CVPR'26
WideDepth: 用于鱼眼深度估计的毫米级精度基准
机构 * Robotics Center（机器人中心） ； AXXX ； Trusted AI Research Center, RAS（可信人工智能研究中心，俄罗斯科学院）
专题命中 可控生成 ：image generation(abstract)；分类 cs.CV
AI总结 提出首个室内鱼眼深度估计数据集WideDepth，包含101个场景的5K高分辨率立体对和毫米级真值，并引入基于LiDAR的立体鱼眼图像生成方法，评估多种模型，微调后性能提升高达62%。
Comments Accepted to IEEE International Conference on Robotics and Automation (ICRA) 2026
基于拟插值的多水平等几何投影稳定化方法用于对流主导问题
专题命中 可控生成 ：diffusion(abstract)
AI总结 针对对流主导的对流扩散问题，提出一种基于连续B样条拟插值的多水平投影稳定化方法，通过提取和惩罚细尺度波动，避免残差型方法的参数敏感性和局部投影稳定化的不连续辅助空间，理论推导先验误差估计并数值验证稳定性，显著减少非物理振荡。
Comments 28 pages, 25 figures
使用机器学习对非线性偏微分方程进行计算控制
专题命中 可控生成 ：diffusion(abstract)
AI总结 提出WeightedPINN框架，通过算子分解和独立自适应时空权重，解决非线性偏微分方程中内部和双线性控制问题的数值重构，并给出收敛分析和数值实验。
Krause同步变换器
机构 * Shanghai Qi Zhi Institute（上海启智研究院） ； College of AI, Tsinghua University（清华大学人工智能学院） ； Shanghai Jiao Tong University（上海交通大学） ； California Institute of Technology（加州理工学院） ； University of Amsterdam（阿姆斯特丹大学）
专题命中 可控生成 ：image generation(abstract)
AI总结 提出基于有界置信共识动力学的Krause注意力机制，通过局部化稀疏交互替代全局softmax归一化，缓解表示坍缩和注意力汇聚现象，实现线性复杂度并提升性能。
Comments ICML 2026, Project page: https://jingkun-liu.github.io/krause-sync-transformers/
4KLSDB：用于4K图像恢复与生成的大规模数据集
机构 * Texas A&M University（德克萨斯A&M大学） ； Hugging Face
专题命中 图像修复 ：text-to-image(abstract)；diffusion(abstract)；image synthesis(abstract)；分类 cs.CV
AI总结 为解决现有数据集缺乏原生4K分辨率和规模的问题，提出包含129,484张4K图像的大规模数据集4KLSDB，并通过多阶段自动过滤和标注确保质量，实验证明其在超分辨率和扩散模型训练中能显著提升4K基准性能。
Comments Accepted to the DataCV Workshop at CVPR 2026; 10 pages, 4 figures, 7 tables; Our project page is available at: https://4klsdb.github.io/
FlowSteer: 条件化流场以实现一致图像恢复
机构 * Purdue University（普渡大学） ； HKUST（香港科技大学） ； Texas A&M University（德克萨斯农工大学）
专题命中 图像修复 ：image generation(abstract)；text-to-image(abstract)；分类 cs.CV
AI总结 提出FlowSteer，一种算子感知的条件化方案，通过在采样路径中注入测量先验，将冻结流的隐式引导与显式测量约束耦合，在零样本设置下实现超分辨率、去模糊、去噪和着色等任务的一致图像恢复。
Comments Accepted by CVPRF 2026. Camera Ready version. Project page is \href{https://tharindu-nirmal.github.io/FlowSteer/}{in this link}
自监督动态异质退化建模用于统一零样本图像恢复
机构 * Beihang University（北航） ； Tsinghua University（清华大学）
专题命中 图像修复 ：diffusion(abstract)；分类 cs.CV
AI总结 提出统一物理零样本图像恢复框架，通过将异质退化重参数化为同质分布并引入动态质量细化策略，实现单/混合退化下的最优性能。
LiWi: 野外分层
机构 * MAIS & NLPR, CASIA（模式识别与人工智能实验室及中国科学院自动化研究所）
专题命中 图像修复 ：image generation(abstract)；分类 cs.CV
AI总结 提出基于代理驱动数据分解和联合优化光度保真度与alpha边界的方法，实现野外自然图像的高保真分层分解，构建了LiWi-100k数据集并达到SOTA性能。
Comments Project Page https://rassetmusty.github.io/LiWi
面向机器学习应用的全尺寸压水堆流场高保真建模
机构 * Department of Nuclear Engineering and Radiological Sciences, University of Michigan（密歇根大学核工程与辐射科学系） ； Department of Nuclear Science and Engineering, Massachusetts Institute of Technology（麻省理工学院核科学与工程系） ； Korea Atomic Energy Research Institute（韩国原子能研究所） ； Department of Mechanical Engineering, University of Michigan（密歇根大学机械工程系） ； Department of Computer Science and Engineering, University of Michigan（密歇根大学计算机科学与工程系）
专题命中 图像修复 ：inpainting(abstract)
AI总结 本研究利用高保真CFD模拟和机器学习模型，对四环路压水堆组件级流场进行表征，揭示了冷腿旋流和下腔室输运导致的入口流量分布不均匀性，并验证了ConvLSTM等空间感知架构在流场重建与预测中的优越性。
Comments 30 pages, 10 figures, and 6 Tables
从多模态大语言模型中榨取能力用于主题驱动生成
机构 * University of Toronto & Vector Institute（多伦多大学及向量研究所） ； Adobe（Adobe公司） ； Google（谷歌公司）
专题命中 个性化与一致性 ：image generation(abstract)；diffusion(abstract)；分类 cs.CV、cs.GR、cs.MM
AI总结 提出一种结合多模态大语言模型和VAE身份条件的方法，通过双层级聚合模块和多阶段去噪策略，在主题驱动图像生成中实现多模态理解与身份保持的平衡，优于现有方法。
Comments 33 pages, 18 figures, Project Page: https://zsh2000.github.io/squeeze-mllm-subject-gen/
OMGTex: 无需几何引导的一阶段多风格面部纹理重建
机构 * School of Science and Engineering, The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）科学与工程学院） ； Guangdong Provincial Key Laboratory of Future Networks of Intelligence（广东省未来网络智能化重点实验室） ； FNii-Shenzhen（FNii-深圳）
专题命中 个性化与一致性 ：diffusion(abstract)；分类 cs.CV
AI总结 提出OMGTex，一种端到端的扩散框架，无需3D几何先验，直接从多风格面部图像重建高质量、可编辑的UV纹理，通过梯度引导推理和语义感知训练实现鲁棒重建与编辑。
Comments CVPR 2026 (Poster)
RVCBench：现代音频生成模型中语音克隆鲁棒性的基准测试
机构 * The University of British Columbia（不列颠哥伦比亚大学） ； Vector Institute（向量研究所）
专题命中 个性化与一致性 ：diffusion(abstract)；分类 cs.MM
AI总结 提出RVCBench数据集和基准，通过18项鲁棒性评估、225个说话人和14370个话语，系统评估语音克隆模型在噪声、多语言、长文本、后处理和对抗扰动等现实场景下的鲁棒性。
Comments 65 pages, 10 figures
通过合成局部偏好实现解剖学合理的人体图像生成
机构 * Westlake University（西湖大学） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））
专题命中 图像生成评测 ：image generation(title)；text-to-image(abstract)；分类 cs.CV
AI总结 提出 ASAP 框架，利用局部退化机制构建受控偏好对，并结合局部有界 DPO 变体，在保持整体图像质量的同时减少解剖学错误。
Flow-OPD：面向流匹配模型的在线策略蒸馏
机构 * University of Science and Technology of China（中国科学技术大学） ； University of California, Los Angeles（加州大学洛杉矶分校） ； The Chinese University of Hong Kong（香港中文大学） ； Xiaohongshu Inc.（小红书公司）
专题命中 图像生成评测 ：diffusion(abstract,abstract_cn)；text-to-image(abstract)；分类 cs.CV
AI总结 提出Flow-OPD框架，通过两阶段对齐策略（单奖励GRPO微调专家+流式冷启动与在线策略蒸馏）解决流匹配模型在多任务对齐中的奖励稀疏和梯度干扰问题，并引入流形锚点正则化抑制美学退化，在GenEval和OCR指标上显著提升。
Comments Project Page: https://costaliya.github.io/Flow-OPD/ , Code: https://github.com/CostaliyA/Flow-OPD
WLNO: 用于求解偏微分方程的小波-拉普拉斯神经算子
机构 * Department of Mechanical and Aerospace Engineering, University of Tennessee, Knoxville（田纳西大学机械与航空航天工程系）
专题命中 图像生成评测 ：diffusion(abstract)
AI总结 提出WLNO，通过融合Haar小波多尺度空间分解与拉普拉斯神经算子的极点-留数公式，在五个基准PDE问题上优于LNO，尤其擅长处理具有强空间多尺度结构的问题。
SA-Kura: 用于扩散采样中局部耦合Kuramoto漂移的节能脉动阵列加速器
机构 * National Research Foundation of Korea（韩国国家研究基金会） ； Institute of Information & communications Technology Planning & Evaluation（信息通信技术规划与评估院）
专题命中 效率与蒸馏 ：diffusion(title,abstract)
AI总结 针对扩散采样中局部耦合Kuramoto漂移的计算瓶颈，提出首个专用数字脉动阵列加速器SA-Kura，通过重新公式化耦合计算实现高效脉动执行，相比软件和GPU分别实现193倍和6.57倍加速。
Comments 8 pages, 6 figures, 1 table; ACM/IEEE ISLPED 2026 accepted paper
TapSampling：基于任务进度理解验证器的推理时采样方法用于机器人操作
机构 * Harbin Institute of Technology, China（哈尔滨工业大学，中国） ； Harbin Institute of Technology (Weihai) Qingdao Research Institute, China（哈尔滨工业大学（威海）青岛研究院，中国） ； Iray Technology co., Ltd., Shandong, China（Iray科技有限公司，山东，中国） ； Tsinghua University, Beijing, China（清华大学，北京，中国）
专题命中 效率与蒸馏 ：diffusion(abstract)；分类 cs.CV
AI总结 提出TapSampling框架，通过Action-VAE在低维潜空间采样候选动作，并利用任务进度预测验证器选择最优动作，无需微调即可提升多种通用策略的性能。
Comments ICML 2026. Project Page: https://aipixel.github.io/TapSampling/
视觉自回归生成的对抗性纠错
机构 * Shanghai Jiao Tong University（上海交通大学） ； City University of Hong Kong（香港城市大学） ； The University of Sydney（悉尼大学）
专题命中 效率与蒸馏 ：image synthesis(abstract)；分类 cs.CV
AI总结 提出AID-VAR框架，通过对抗性注入诊断机制纠正视觉自回归模型中的级联误差，提升生成质量。
生成式结构搜索：高效且多样地发现分子和晶体结构
机构 * Zhongguancun Academy（中关村学院） ； Kairos Materials（Kairos材料）
专题命中 效率与蒸馏 ：diffusion(abstract)
AI总结 提出生成式结构搜索（GSS）框架，结合扩散模型和随机结构搜索，利用数据先验加速采样并保持能量引导的局部极小探索，以低于随机结构搜索十分之一的成本恢复多样亚稳态结构。
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈