期刊&会议
Conference on Computer Vision and Pattern Recognition · 会议 · Computer Vision
FaceCam: 通过尺度感知条件化实现人像视频相机控制
机构 * University of California, Merced（加州大学梅尔塞德斯分校） ； Adobe Research（Adobe研究）
AI总结 FaceCam通过尺度感知条件化方法，提升单目人像视频的相机控制能力与视觉质量。
Comments Accepted by CVPR 2026. Project page: https://weijielyu.github.io/FaceCam
NaiLIA：基于密集意图描述和调色板查询的多模态美甲设计检索
机构 * Keio University（庆应大学）
AI总结 NaiLIA通过密集意图描述和调色板查询实现美甲设计图像的多模态检索，提升检索精度。
Comments Accepted to CVPR 2026 Findings
8个标记的规划：一种用于潜在世界模型的紧凑离散标记器
机构 * KAIST（韩国科学技术院） ； POSTECH（POSTECH大学） ； RLWRLD
AI总结 本文提出CompACT，一种将观测压缩为8个标记的离散标记器，显著降低计算成本并提升规划效率，为潜在世界模型的实际应用提供可行方案。
Comments CVPR 2026
DriverGaze360: 全向驾驶员注意力与物体级引导
AI总结 DriverGaze360通过全向视野和物体级引导方法，实现对驾驶员注意力的高精度预测，提升自动驾驶系统中的空间感知与交互能力。
Comments Accepted to CVPR 2026
恢复丢失的文本层以实现无源跨域少样本学习
机构 * School of Computer Science and Technology, Huazhong University of Science and Technology（华中科技大学计算机科学与技术学院） ； National Key Laboratory for Multimedia Information Processing, Peking University（北京大学多媒体信息处理国家重点实验室）
AI总结 本文提出了一种方法，通过重新利用文本编码器中被忽视的层信息，提升源无关跨域少样本学习的性能。
Comments CVPR 2026
GEM-TFL：通过EM引导分解和时间细化弥合弱监督与全监督之间的差距以实现伪造定位
机构 * NERCMS, School of Computer Science, Wuhan University（NERCMS，计算机学院，武汉大学）
AI总结 GEM-TFL通过EM引导分解和时间细化，有效弥合弱监督与全监督之间的差距，提升时间伪造定位的准确性和鲁棒性。
Comments 10 pages, 4 figures, accepted by CVPR 2026
UniM：一个统一的任意到任意交错多模态基准
机构 * NUS（新加坡国立大学） ； SCUT（上海交通大学） ； NTU（国立科技大学） ； NJU（南京大学） ； Microsoft Research（微软研究院）
AI总结 UniM基准通过统一的任意到任意交错多模态数据集和评估套件，评估多模态大语言模型在复杂交错生成任务中的能力与挑战。
Comments 70 pages, 63 figures, 30 tables, CVPR
Tell2Adapt：通过视觉基础模型实现源无关无监督领域自适应的统一框架
AI总结 Tell2Adapt通过视觉基础模型实现源无关无监督领域自适应，利用上下文感知提示正则化和视觉合理性细化提升医学图像分割性能。
Comments Accepted by IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR 2026)
思考，然后验证：一种用于长视频理解的假设-验证多智能体框架
机构 * College of Computer Science, Zhejiang University of Technology（浙江工业大学计算机科学学院） ； Zhejiang Key Laboratory of Visual Information Intelligent Processing（浙江视觉信息智能处理重点实验室） ； UC Berkeley（伯克利大学） ； College of Computer Science and Technology, East China Normal University（华东师范大学计算机科学与技术学院）
AI总结 VideoHV-Agent通过结构化假设-验证流程提升长视频理解的准确性、可解释性和效率。
Comments Accepted at CVPR 2026
FedAFD: 通过对抗融合与蒸馏实现多模态联邦学习
机构 * Zhejiang Key Laboratory of Space Information Sensing and Transmission, Hangzhou Dianzi University（浙江空间信息感知与传输重点实验室，杭州电子大学） ； Laboratory of Complex Systems Modeling and Simulation, School of Computer Science and Technology, Hangzhou Dianzi University（复杂系统建模与仿真实验室，计算机科学与技术学院，杭州电子大学） ； Alibaba International Digital Commerce Group（阿里巴巴国际数字商业集团） ； College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院）
AI总结 FedAFD通过对抗融合与蒸馏方法，解决多模态联邦学习中的模态差异、任务差异和模型异质性问题，提升客户端与服务器的学习性能。
Comments Accepted by CVPR 2026
MASQuant: 多模态大语言模型的模态感知平滑量化
机构 * Alibaba Cloud Computing, Alibaba Group（阿里巴巴云 computing，阿里巴巴集团）
AI总结 MASQuant通过模态感知平滑和跨模态补偿技术，解决多模态大语言模型的量化问题，实现稳定且高效的量化性能。
Comments Accepted to CVPR 2026
迈向真实世界红外图像超分辨率：一个统一的自回归框架和基准数据集
机构 * School of Computer Science, Northwestern Polytechnical University（西北工业大学计算机学院） ； School of Software Technology & DUT-RU International School of ISE, Dalian University of Technology（大连理工大学软件学院及DUT-RU国际信息工程学院） ； School of Computer Science, Zhejiang University（浙江大学计算机学院） ； College of Information Science and Technology, Dalian Maritime University（大连海事大学信息科学与技术学院）
AI总结 本文提出Real-IISR框架和FLIR-IISR数据集，通过热-结构引导的自回归方法提升真实世界红外图像超分辨率性能。
Comments This paper was accepted by CVPR 2026
PinPoint：评估组合图像检索的综合基准，包含显式负样本、多图像查询和同义词测试
AI总结 PinPoint提出一个综合基准测试，通过多正确答案、显式负样本和同义词测试评估组合图像检索的鲁棒性和公平性。
Comments Accepted for CVPR 2026
Dr.Occ: 从环绕视图摄像头获取3D占用的深度和区域引导方法用于自动驾驶
机构 * School of Electronic Information, Wuhan University（武汉大学电子信息学院） ； Horizon Robotics ； Wuhan University Shenzhen Research Institute（武汉大学深圳研究院）
AI总结 Dr.Occ通过深度和区域引导方法提升自动驾驶中3D占用预测的几何对齐和语义学习效果。
Comments 10 pages, 6 figures. Accepted at CVPR 2026
AlignVAR: 向图像超分辨率的全局一致视觉自回归模型
机构 * University of Electronic Science and Technology of China（电子科技大学） ； Ubiquitous Intelligence and Trusted Services Key Laboratory of Sichuan Province（四川省 ubiquitous intelligence and trusted services 重点实验室）
AI总结 AlignVAR 通过空间一致性自回归和层次一致性约束提升图像超分辨率的全局一致性与效率。
Comments Accepted to CVPR 2026 Findings
学习驾驶是免费礼物：从未经处理的现实视频中进行大规模无标签自主性预训练
机构 * Applied Intuition ； Stanford University（斯坦福大学） ； UC Berkeley（加州大学伯克利分校）
AI总结 本文提出一种无标签、教师引导的框架，通过未经处理的现实视频学习自动驾驶表示，无需姿态、标签或LiDAR，实现高效的自动驾驶感知和规划。
Comments Accepted at CVPR 2026
MorphAny3D: 解锁结构潜在力量在3D变形中的应用
机构 * Nanjing University（南京大学） ； Peking University（北京大学）
AI总结 MorphAny3D通过结构潜在表示实现高质量3D变形，利用注意力机制生成合理变形序列，并支持解耦变形和3D风格迁移。
Comments Accepted by CVPR 2026; Project page: https://xiaokunsun.github.io/MorphAny3D.github.io
ViRC: 通过推理分块增强视觉交错数学思维链
AI总结 ViRC通过引入推理分块机制，提升多模态数学任务中的推理能力，实现18.8%的性能提升。
Comments Accepted to CVPR 2026 (Main Track)
STAvatar: 基于软绑定与时间密度控制的单目3D头部人偶重建
机构 * MAIS, Institute of Automation, Chinese Academy of Sciences（自动化研究所，中国科学院） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； CAIR, HKISI, Chinese Academy of Sciences（中国科学院计算技术研究所） ； SCSE, FIE, M.U.S.T（M.U.S.T）
AI总结 STAvatar通过软绑定与时间密度控制方法，实现了单目视频中高保真3D头部人偶的重建，尤其在细粒度细节和遮挡区域的重建上表现优异。
Comments Accepted to CVPR 2026. Project page: https://jiankuozhao.github.io/STAvatar/
Graph2Eval: 通过知识图谱实现自动多模态任务生成
机构 * Zhejiang University（浙江大学） ； Xiameng University（Xmeng大学） ； The Ohio State University（俄亥俄州立大学） ； Ant Group（蚂蚁集团）
AI总结 Graph2Eval通过知识图谱生成多模态任务，提升智能体任务的语义一致性和可解性，提供新的评估视角。
Comments Accepted at CVPR 2026 Main Conference
阐明基于任意噪声的扩散模型的设计空间
机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Case Western Reserve University（凯斯西储大学）
AI总结 EDA通过扩展噪声模式灵活性并保持模块化，提升图像恢复任务的泛化能力。
Comments 16 pages, 4 figures, accepted by CVPR 2026
HypeVPR: 在超球面空间中探索视角到等距投影的视觉位置识别
机构 * Yonsei University（延世大学） ； Kookmin University（韩国庆熙大学） ； Korea Institute of Science and Technology (KIST)（韩国科学技术院）
AI总结 HypeVPR通过在超球面空间中利用分层嵌入框架，提升视角到等距投影的视觉位置识别的精度与效率。
Comments CVPR 2026
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