CVPR

Real Image Denoising with Knowledge Distillation for High-Performance Mobile NPUs

面向高性能移动NPU的真实图像去噪知识蒸馏

Faraz Kayani, Sarmad Kayani, Asad Ahmed, Radu Timofte, Dmitry Ignatov

机构 * Computer Vision Lab, CAIDAS & IFI, University of Würzburg, Germany（计算机视觉实验室，CAIDAS与IFI，乌尔姆大学，德国） 纠错

AI总结 提出NPU感知的硬件-算法协同设计方法，通过知识蒸馏将高容量教师网络的知识迁移到轻量级学生网络，在移动NPU上实现高效去噪，PSNR仅损失0.05 dB，推理速度比GPU快3.88倍。

Journal ref Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) Workshops, 2026, pp. 3792-3800

Dataset Usage Inference without Shadow Models or Held-out Data

无需影子模型或保留数据的数据集使用推断

Wojciech Łapacz, Stanisław Pawlak, Jan Dubiński, Franziska Boenisch, Adam Dziedzic

机构 * Warsaw University of Technology（华沙理工大学） ； NASK National Research Institute（NASK国家研究所） ； CISPA Helmholtz Center for Information Security（CISPA亥姆霍兹信息安全中心） 纠错

AI总结 提出一种无需影子模型和真实保留数据的数据集使用推断方法，通过生成合成非成员样本并利用混合比例估计来量化训练数据占比。

Comments Accepted at the 2nd Workshop on Synthetic & Adversarial ForEnsics (SAFE), CVPR 2026 (non-archival)

Compiling OpenSCENARIO 2.1 for Scenario-Based Testing in CARLA

将OpenSCENARIO 2.1编译为基于场景的测试在CARLA中

Thoshitha Gamage, Lasanthi Gamage

机构 * Department of Computer Science（计算机科学系） ； Southern Illinois University Edwardsville（南伊利诺伊大学埃文斯顿分校） ； Webster University（韦伯斯特大学） 纠错

AI总结 本文提出一种多阶段编译器架构，将OpenSCENARIO 2.1 DSL直接编译为CARLA可执行行为，通过ANTLR4前端生成AST，语义中间件和运行时后端合成py_trees行为树，实现与CARLA过程API的直接映射，验证了并发动作、动态数学表达式和异步信号的处理能力。

Journal ref Presented at the 3rd Workshop on Simulation for Autonomous Driving (SAD) at CVPR 2026

Sign Language Recognition in the Age of LLMs

在大语言模型时代的手语识别

Vaclav Javorek, Jakub Honzik, Ivan Gruber, Tomas Zelezny, Marek Hruz

机构 * University of West Bohemia（西波西米亚大学） ； Eindhoven University of Technology（埃因霍温理工大学） 纠错

AI总结 研究探讨现代VLMs在零样本条件下进行孤立手语识别的能力，发现开源模型表现欠佳，而大模型在精度上表现突出，强调模型规模和训练数据多样性的重要性。

Comments Accepted at the CVPR 2026 Workshop on Multimodal Sign Language Research (MSLR), 8 pages, 3 figures

Journal ref Proc. IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops (CVPRW), 2026, pp. 10511-10519