期刊&会议
Conference on Computer Vision and Pattern Recognition · 会议 · Computer Vision
D-Prism：用于结构动态建模的可微原始体
机构 * State Key Lab of CAD&CG, Zhejiang University（浙江大学计算机辅助设计与图形学国家重点实验室） ； Stanford University（斯坦福大学） ； Hangzhou Dianzi University（杭州电子科技大学）
AI总结 本文提出D-Prism框架，通过扩展可微原始体到动态领域，实现高保真的结构动态建模，结合3DGS和原始体的优势，引入变形网络和自适应控制策略，提升结构动态建模的精度和效率。
Comments Accepted to CVPR 2026. Project page: https://zju3dv.github.io/d-prism/
理解并强制任务算术中的权重解耦
机构 * State Key Laboratory for Novel Software Technology, Nanjing University, China（新型软件技术国家重点实验室，南京大学，中国） ； University of Wollongong, Australia（沃林根大学，澳大利亚） ； Nanyang Technological University, Singapore（南洋理工大学，新加坡）
AI总结 本文提出Task-Feature Specialization（TFS）作为权重解耦的根本原理，通过促进权重向量的正交性，提出OrthoReg正则化方法以提升任务算术方法的性能。
Comments CVPR 2026
OASIS：按需分层事件记忆用于流媒体视频推理
机构 * Sun Yat-sen University（中山大学） ； OPPO AI Center（OPPO人工智能中心） ； Shenzhen Loop Area Institute（深圳河套学院） ； Guangdong Key Laboratory of Big Data Analysis and Processing（广东大数据分析与处理重点实验室）
AI总结 OASIS通过结构化按需检索解决流媒体视频推理中记忆检索的挑战，提升长周期准确性和组合推理能力。
Comments Accepted by CVPR 2026
SIF：用于大视觉-语言模型的语义内分布指纹
机构 * University of Central Florida（中央佛罗里达大学）
AI总结 本文提出SIF，一种无需参数修改的非侵入性所有权验证框架，通过语义对齐指纹蒸馏和鲁棒指纹优化，提升大视觉-语言模型的版权保护能力。
Comments Accepted at CVPR 2026
TriTS：从多模态视角进行时间序列预测
机构 * School of Software Engineering, Beijing Jiaotong University（北京交通大学软件学院）
AI总结 TriTS从多模态视角提出新的跨模态解耦框架，通过时间、频率和2D视觉空间投影，结合周期感知重塑策略和视觉Mamba，实现高效的时间序列预测，实验表明其在多个基准数据集上达到SOTA性能。
Comments 9 pages, 3 figures. Accepted by the A2A-MML Workshop in conjunction with CVPR 2026
C-GenReg：基于多视角一致的几何到图像生成的无训练3D点云配准
机构 * Ben-Gurion University（本·古里安大学）
AI总结 C-GenReg通过多视角一致的几何到图像生成，结合概率模态融合，实现无训练的3D点云配准，解决了跨模态、采样差异和环境的泛化问题。
Comments CVPR 2026
穿透噪声：改进 gaze 估计中的领域泛化
机构 * Beijing Key Laboratory of Traffic Data Mining and Embodied Intelligence（北京交通大数据挖掘与具身智能重点实验室）
AI总结 本文提出 SeeTN 框架，通过缓解标签噪声提升 gaze 估计的领域泛化能力，通过构建语义嵌入空间和引入新的亲和力正则化，增强语义结构对齐和领域不变 gaze 关系，提升鲁棒性。
Comments Accepted to CVPR 2026
视角污染：跨多种3D重建系统的视角初始化污染
机构 * University of Trento（特伦托大学） ； Fondazione Bruno Kessler（布鲁诺·科斯勒基金会） ； Xi’an Jiaotong University（西安交通大学）
AI总结 本文提出PoInit-of-View方法，通过优化对抗扰动在不同3D重建系统中引发视角污染，破坏关键点检测和特征匹配，从而降低重建质量。
Comments Accepted by CVPR 2026
一种用于高效机器人导航的空间记忆表示综述
机构 * University of the Philippines Diliman（菲律宾大学杜马扬分校） ； University of Santo Tomas（圣托马斯大学）
AI总结 本文综述了88篇文献，探讨了空间记忆效率问题，提出α指标评估部署可行性，揭示了内存架构对实际部署的影响。
Comments Accepted at the Women in Computer Vision (WiCV) Workshop at CVPR 2026
视频扩散模型的潜在压缩变分自编码器
机构 * Aalto University（阿alto大学） ； ELLIS Institute Finland（ELLIS研究所芬兰） ； University of Oulu（奥卢大学）
AI总结 本文提出一种潜在压缩方法，通过去除视频潜在表示中的高频成分而非直接减少通道数，提升视频生成质量与压缩效率。
Comments Accepted to CVPR 2026 findings
异质自博弈用于逼真高速公路交通模拟
机构 * PlusAI
AI总结 本文提出PHASE框架，通过自博弈生成逼真高速公路场景，支持不同车辆类型并提升交互真实性，实现零样本迁移至512个真实场景。
Comments 8 pages, 2026 CVPR SAD Workshop
CSF：通过组合语义进行文本到图像模型的黑盒指纹识别
机构 * Seoul National University（首尔国立大学）
AI总结 本文提出CSF，一种基于组合语义的黑盒指纹识别方法，用于在不接触模型内部的情况下，通过查询访问确定文本到图像模型的版权归属。
Comments CVPR 2026
FoleyDirector: 通过结构化脚本实现视频到音频生成的细粒度时间控制
机构 * The State Key Lab of Brain-Machine Intelligence, Zhejiang University（浙江大学脑机智能State Key Lab） ； ReLER, CCAl, Zhejiang University（浙江大学ReLER, CCAl） ； Intelligent Creation, ByteDance, China（字节跳动智能创作）
AI总结 本文提出FoleyDirector框架，通过结构化时间脚本提升视频到音频生成的细粒度时间控制能力，同时保持音频质量并支持无缝切换生成与受控合成。
Comments Accepted at IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2026, 18 pages
Sky2Ground：一种适用于不同海拔的场地建模基准
机构 * Center for Research In Computer Vision（计算机视觉研究中心） ； University of Central Florida（佛罗里达大学）
AI总结 本文提出Sky2Ground基准，结合合成与真实图像，评估多视角定位与重建方法，发现卫星影像会降低性能，并提出SkyNet模型提升跨视角一致性，取得显著改进。
Comments Accepted to CVPR 2026
FrameDiT：基于矩阵注意力的扩散变换器用于高效视频生成
机构 * Applied Artificial Intelligence Initiative, Deakin University, Australia（德肯大学应用人工智能倡议，澳大利亚） ； FPT Smart Cloud, Vietnam（越南FPT智能云） ； Deakin University, Australia（德肯大学，澳大利亚）
AI总结 本文提出Matrix Attention，通过将帧视为矩阵来处理视频生成中的时空动态，结合FrameDiT-G和FrameDiT-H模型，在保持效率的同时提升了视频质量和时间一致性。
Comments Code: https://github.com/minhkhoale/FrameDiT Accepted at CVPR 2026 Findings
注意你选择负样本的方式：在使用VLMs进行OOD检测时追求距离一致性
机构 * Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所） ； School of Cyber Security, University of Chinese Academy of Sciences（中国科学院大学网络与信息安全学院） ； Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） ； School of Computer Science and Technology, University of Chinese Academy of Sciences（中国科学院大学计算机科学与技术学院） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院）
AI总结 本文提出InterNeg框架，通过统一的跨模态距离增强提升OOD检测性能，实验显示在ImageNet和Near-OOD基准上取得显著改进。
Comments Accepted by the main track of CVPR 2026
认证矛盾源于脱同步的溯源与水印
机构 * Case Western Reserve University（凯斯西储大学） ； University of California, Los Angeles（加州大学洛杉矶分校）
AI总结 研究揭示了溯源和水印验证层之间的矛盾，通过元数据清洗流程生成伪造内容，提出跨层审计协议实现100%准确分类。
Comments Accepted at CVPR 2026 Workshop Authenticity & Provenance in the Age of AI (APAI)
视角等变微调用于无地面真实多光谱去马赛克
机构 * School of Engineering（工程学院） ； University of Edinburgh（爱丁堡大学）
AI总结 本文提出PEFD框架，通过利用相机成像系统的投影几何，利用更丰富的群结构恢复更多空域信息，并通过微调预训练模型实现高效多光谱去马赛克，优于现有方法，接近监督学习性能。
Comments To appear in Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) Workshops, 2026
DP-FedAdamW: 一种用于差分隐私联邦大模型的高效优化器
机构 * School of Cyber Engineering, Xidian University（西安电子科技大学电子信息学院） ； College of Intelligence and Computing, Tianjin University（天津大学智能科学与计算学院）
AI总结 本文提出DP-FedAdamW，一种针对差分隐私联邦学习的AdamW优化器，通过稳定二阶矩方差、消除DP偏差和对齐局部更新以缓解客户端漂移，提升了收敛效率和鲁棒性。
Journal ref CVPR 2026
EgoSound：评估egocentric视频中声音理解的基准测试
机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； Nankai University（南开大学） ； East China Normal University（华东师范大学） ； KAUST（卡塔尔大学）
AI总结 EgoSound首次系统评估多模态大语言模型在egocentric视频中的声音理解能力，包含7个任务分类，揭示当前模型在空间和因果理解上的局限。
Comments Accepted by 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