期刊&会议
Conference on Computer Vision and Pattern Recognition · 会议 · Computer Vision
通过奖励建模增强图像生成中的空间理解
机构 * Peking University（北京大学） ； ByteDance Seed（字节跳动种子）
AI总结 本文提出SpatialScore奖励模型，通过增强空间理解能力提升图像生成的质量和效果。
Comments Accepted at CVPR 2026. Github: https://github.com/DAGroup-PKU/SpatialT2I Project website: https://dagroup-pku.github.io/SpatialT2I/
MuViT：多分辨率视觉变换器用于跨尺度学习的显微镜分析
机构 * Swiss Federal Institute of Technology Lausanne（瑞士联邦理工学院洛桑分校） ； Center for Scalable Data Analytics and Artificial Intelligence (ScaDS.AI)（可扩展数据与人工智能中心（ScaDS.AI）） ； Technische Universität Dresden（德累斯顿技术大学）
AI总结 MuViT 通过多分辨率视觉变换器在显微镜分析中实现跨尺度学习，提升多分辨率信息利用能力。
Comments Accepted at CVPR 2026
HumanOrbit：3D人体重建作为360°轨道生成
机构 * University of California, San Diego（加州大学圣地亚哥分校） ； Qualcomm（高通公司）
AI总结 HumanOrbit通过视频扩散模型实现多视角人体生成，生成360°轨道视频并重建高保真3D模型。
Comments CVPR 2026 Findings
量化专家：基于专家混合的令牌感知自适应误差重建用于大视觉-语言模型量化
机构 * State Key Laboratory of Human-Machine Hybrid Augmented Intelligence（人机混合增强智能国家重点实验室） ； Institute of Artificial Intelligence and Robotics（人工智能与机器人研究院） ； Xi’an Jiaotong University（西安交通大学）
AI总结 本文提出Quant Experts，通过令牌感知的专家混合方法，提升大视觉-语言模型在量化过程中的任务准确性，保持与全精度模型相当的性能。
Comments 13 pages, 6 figures, including appendix, Accepted at CVPR 2026
SR3R: 重新思考超分辨率3D重建与前馈高斯点散射
机构 * Hangzhou Dianzi University（杭州电子科技大学） ； ShanghaiTech University（上海科技大学） ； Griffith University（格里菲斯大学） ； Peking University（北京大学）
AI总结 SR3R通过前馈高斯点散射框架，直接从稀疏低分辨率视角生成高分辨率3D重建，提升跨场景泛化能力和实时性能。
Comments CVPR 2026
可解释的视觉-语言模型社会公平性偏见消除
机构 * KAIST AI（韩国科学技术院人工智能研究所） ； University of Copenhagen（哥本哈根大学） ； NVIDIA（英伟达公司）
AI总结 本研究提出DeBiasLens框架，通过稀疏自编码器局部化VLM中的社会属性神经元，以可解释的方式消除模型中的社会偏见，同时保持语义知识。
Comments 25 pages, 30 figures, 13 Tables Accepted to CVPR 2026
Venus: 多模态大语言模型在审美指导与裁剪中的基准测试与赋能
机构 * Wangxuan Institute of Computer Technology, Peking University（北京大学计算机技术研究所）
AI总结 Venus通过两阶段框架提升多模态大语言模型的审美指导与裁剪能力，实现可解释的审美优化。
Comments Accepted by CVPR 2026
基于3D几何先验的双臂操作动作预测
机构 * College of Computer Science, Sichuan University, China（四川大学计算机学院） ； University of Electronic Science and Technology of China, China（电子科技大学） ； Dexmal ； The Chinese University of Hong Kong, HK SAR, China（香港中文大学（HK SAR））
AI总结 本文提出基于3D几何先验的双臂操作预测框架，通过融合几何特征与2D语义信息，实现高效动作预测与空间理解。
Comments Accepted by CVPR 2026
U-Mind：一种实时光学交互的统一框架
机构 * Tsinghua University（清华大学） ； Meituan（美团）
AI总结 U-Mind 提出了一种统一框架，通过实时生成和多模态联合建模，实现高效且连贯的多模态交互，推动智能对话代理的发展。
Comments Accepted to CVPR 2026
UTPTrack: 向简单和统一的令牌剪枝迈进：视觉跟踪中的统一令牌剪枝
机构 * Institute of Digital Twin, Eastern Institute of Technology（数字孪生研究所，东部技术研究所） ； Ningbo Key Laboratory of Spatial Intelligence and Digital Derivative（宁波空间智能与数字衍生关键实验室） ； Shanghai Jiao Tong University（上海交通大学） ； The Hong Kong Polytechnic University（香港理工大学） ； Munich Center for Machine Learning, LMU Munich（慕尼黑机器学习中心，慕尼黑大学）
AI总结 UTPTrack通过统一令牌剪枝框架，在视觉跟踪中实现高精度与高效能的平衡，同时支持多模态和语言引导任务。
Comments Accepted to CVPR 2026
BuildAnyPoint: 从多样点云构建三维建筑结构抽象
机构 * HKUST(GZ)（香港科技大学（广州）） ； Xi’an Jiaotong University（西安交通大学）
AI总结 BuildAnyPoint通过Loca-DiT框架从多样点云中生成结构化三维建筑抽象，提升重建的表面准确性和分布均匀性。
Comments CVPR 2026
视角感知的人体姿态估计
机构 * PICO
AI总结 本文提出Eva-3M数据集和EvaPose方法，通过引入关键点可见性标注提升视角感知人体姿态估计的准确性。
Comments Conference on Computer Vision and Pattern Recognition 2026
PixelRush: 通过一步扩散实现超快、无训练高分辨率图像生成
机构 * Qualcomm AI Research（高通人工智能研究）
AI总结 PixelRush通过一步扩散实现超快无训练高分辨率图像生成，生成4K图像速度提升10-35倍，保持高质量输出。
Comments Accepted to CVPR 2026 (Main Conference)
AutoDebias：文本到图像模型的自动化去偏框架
机构 * Universiti Malaya（马来大学） ； Monash University（莫纳什大学） ； United Arab Emirates University（阿拉伯联合酋长国大学） ； University of Science and Technology Beijing（北京科技大学） ； Nanyang Technological University (NTU)（南洋理工大学） ； City St George’s, University of London（伦敦大学圣乔治学院） ； Augusta University（奥古斯塔大学） ； Squirrel Ai Learning
AI总结 AutoDebias提出了一种自动化框架，用于检测和减轻文本到图像模型中的恶意偏见，通过视觉语言模型和CLIP引导的训练过程，有效应对隐秘注入的刻板印象和多重攻击。
Comments Accepted to CVPR 2026
从偏见教师中提炼平衡知识
机构 * Agency for Defense Development (ADD)（国防开发机构）
AI总结 LTKD通过引入跨组和组内损失，有效缓解长尾分布中教师模型的偏见，提升模型在尾部类别上的表现。
Comments 10 pages, 5 figures, accepted by The IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR 2026)
什么使零样本立体匹配具有良好的合成训练数据？
机构 * Princeton University（普林斯顿大学）
AI总结 本文研究了合成数据集对零样本立体匹配性能的影响，通过参数调整和大规模数据集验证，发现其性能优于混合数据集并具有开源代码支持。
Comments Accepted to CVPR 2026
CycleBEV: 通过视图循环一致性正则化视图转换网络用于鸟瞰图语义分割
机构 * Electronics and Telecommunications Research Institute (ETRI)（电子电信研究院） ； University of Science and Technology (UST)（科学技术大学）
AI总结 CycleBEV通过引入视图循环一致性正则化方法，提升视图转换网络在鸟瞰图语义分割中的性能，实现显著的mIoU提升。
Comments CVPR 2026
无需校准，无需深度，无需问题：跨传感器视角合成与3D一致性
机构 * Bosch Research North America（博世北美研究部） ； Bosch Center for Artificial Intelligence (BCAI)（博世人工智能中心）
AI总结 本文提出了一种无需校准的跨传感器视角合成方法，通过匹配、密集化和3D点云整合技术，解决RGB-X数据对齐问题，提升大规模真实世界数据收集的效率。
Comments CVPR 2026 Main Conference. Project page: https://choyingw.github.io/3d-rgbx.github.io/
三位一体：统一深度伪造检测、篡改定位和来源追溯的稳健地标-身份水印
机构 * School of Computer Science and Technology, Xinjiang University, Urumqi, China（新疆大学计算机科学与技术学院） ； Xinjiang Multimodal Intelligent Processing and Information Security Engineering Technology Research Center, Urumqi, China（新疆多模态智能处理与信息安全工程技术研究中心）
AI总结 本文提出LIDMark框架，通过统一的地标-身份水印实现深度伪造检测、篡改定位和来源追溯的三位一体解决方案。
Comments Accepted by CVPR 2026
FedVG: 基于梯度的聚合以提升联邦学习
机构 * West Virginia University（西弗吉尼亚大学） ； University of Aberdeen（阿伯丁大学） ； Fogsphere (Redev.AI)（Fogsphere（Redev.AI））
AI总结 FedVG通过利用全局验证集指导梯度优化，提升联邦学习在异质数据环境下的泛化性能和聚合效果。
Comments Accepted to CVPR 2026 (Findings Track)
通过草稿思考：用于高效长视频理解的推测性时间推理
机构 * MBZUAI（马克斯·普朗克智能研究院） ； Alibaba Group Holding Limited（阿里巴巴集团控股有限公司） ； Shanghai AI Lab（上海人工智能实验室）
AI总结 SpecTemp通过协作双模型设计，实现高效长视频理解，平衡效率与准确性，提升推理速度。
Comments Accepted by CVPR 26
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