CVPR

PRADA: Probability-Ratio-Based Attribution and Detection of Autoregressive-Generated Images

PRADA：基于概率比的自回归生成图像归因与检测

Simon Damm, Jonas Ricker, Henning Petzka, Asja Fischer

机构 * Ruhr University Bochum（波鸿鲁尔大学） 纠错

AI总结 本文提出PRADA方法，通过分析自回归生成图像的概率比特征，实现对生成图像的可靠检测和归因，适用于多种图像生成模型。

Comments 2026 IEEE/CVF Conference on Computer Vision and Pattern Recognition - Findings Track (CVPRF 2026)

RADSeg: Unleashing Parameter and Compute Efficient Zero-Shot Open-Vocabulary Segmentation Using Agglomerative Models

RADSeg: 通过凝聚模型提升参数和计算效率的零样本开放词汇分割

Omar Alama, Darshil Jariwala, Avigyan Bhattacharya, Seungchan Kim, Wenshan Wang, Sebastian Scherer

机构 * Carnegie Mellon University（卡内基梅隆大学） ； IIIT Hyderabad（海得拉巴国际信息技术学院） 纠错

AI总结 RADSeg利用凝聚视觉基础模型RADIO，同时提升mIoU、延迟和参数效率，实现更高效的零样本开放词汇分割。

Comments Accepted to CVPR'26 Findings Code at https://radseg-ovss.github.io/

Thermally Activated Dual-Modal Adversarial Clothing against AI Surveillance Systems

热激活双模对抗性服装对抗AI监控系统

Jiahuan Long, Tingsong Jiang, Hanqing Liu, Chao Ma, Weien Zhou, Yang Yang, Wen Yao

机构 * Defense Innovation Institute, Chinese Academy of Military Science（军事科学院国防创新研究院） ； MoE Key Lab of Artificial Intelligence, AI Institute, Shanghai Jiao Tong University（上海交通大学人工智能研究院教育部人工智能重点实验室） ； Intelligent Game and Decision Laboratory（智能博弈与决策实验室） 纠错

AI总结 本文提出一种热激活的对抗性可穿戴设备，通过温致变色染料和柔性加热单元，在加热时激活衣物上的对抗性图案，有效规避可见和红外监控。

Comments accepted by CVPR 2026 (Highlight)

SelfHVD: Self-Supervised Handheld Video Deblurring

SelfHVD：基于自身监督的手持视频去模糊

Honglei Xu, Zhilu Zhang, Junjie Fan, Xiaohe Wu, Wangmeng Zuo

机构 * Harbin Institute of Technology（哈尔滨工业大学） 纠错

AI总结 本文提出SelfHVD方法，通过提取视频中的清晰线索进行自监督学习，结合SEVD和SCSCM技术提升手持视频去模糊性能，实验表明其优于现有方法。

Comments CVPR 2026

IntrinsicWeather: Controllable Weather Editing in Intrinsic Space

IntrinsicWeather: 内在空间中可控的天气编辑

Yixin Zhu, Zuo-Liang Zhu, Jian Yang, Miloš Hašan, Jin Xie, Beibei Wang

机构 * Nanjing University（南京大学） ； Nankai University（南开大学） ； NVIDIA（英伟达） 纠错

AI总结 本文提出IntrinsicWeather框架，通过内在空间编辑实现可控天气生成，利用内在映射提升大场景控制能力，并在合成与真实数据集上验证其优越性。

Comments Accepted to CVPR 2026 (Highlight)

PoseGen: In-Context LoRA Finetuning for Pose-Controllable Long Human Video Generation

PoseGen: 一种基于上下文LoRA微调的长人类视频生成框架

Jingxuan He, Busheng Su, Finn Wong

机构 * Xiaoice, China（小冰公司，中国） ； The University of Sydney, Australia（悉尼大学，澳大利亚） 纠错

AI总结 PoseGen通过上下文LoRA微调实现对人物姿态的精细控制，生成长时长视频，解决了身份漂移和视频长度限制问题。

Comments Accepted to CVPR 2026 Findings