CVPR

Personalized Generative Models for Contextual Debiasing

用于上下文去偏的个性化生成模型

Xinran Liang, Esin Tureci, Prachi Sinha, Ye Zhu, Vikram V. Ramaswamy, Olga Russakovsky

机构 * Department of Computer Science, Princeton University（普林斯顿大学计算机科学系） ； LIX, CNRS, École Polytechnique（巴黎政治学院LIX研究所，法国国家科学研究中心） 纠错

AI总结 提出DecoupleGen方法，利用个性化文本到图像扩散模型生成罕见上下文图像，作为训练增强以缓解视觉识别中的上下文偏差。

Comments CVPR 2026 Workshop on Synthetic Data for Computer Vision and Generative Models for Computer Vision. Code available at https://github.com/princetonvisualai/DecoupleGen

Frequency-Guided Fusion For RGB-Thermal Semantic Segmentation

频率引导的RGB-热红外语义分割融合

İsmail Emre Canıtez, Özgür Erkent

机构 * Hacettepe University（哈切特佩大学） 纠错

AI总结 提出一种基于双ConvNeXt V2骨干网络的多模态融合架构，通过频率分解和置信门控残差机制融合RGB与热红外特征，在MFNet和PST900上以较低参数量实现先进性能。

Comments 9 pages, 7 figures, To be Presented at Perception Beyond the Visible Spectrum workshop series (IEEE PBVS) at CVPR, 2026

RoMo: A Large-Scale, Richly Organized Dataset and Semantic Taxonomy for Human Motion Generation

RoMo：用于人体运动生成的大规模、丰富组织的数据集和语义分类体系

Jiahao Zhang, Joseph Liu, Young-Yoon Lee, Seonghyeon Moon, Victor Zordan, Guy Tevet, Karen Liu, Stephen Gould, Oren Jacob, Haomiao Jiang, Mubbasir Kapadia, Yizhak Ben-Shabat

机构 * Australian National University（澳大利亚国立大学） ； Roblox ； Stanford University（斯坦福大学） ； Rutgers University（罗格斯大学） 纠错

AI总结 提出RoMo数据集，通过分类感知过滤流水线确保质量，并采用三级语义分类体系组织数据，使训练模型在保真度和多样性上达到最优，同时提升对复杂文本提示的理解。

Comments Accepted to CVPR'26

When Does Adaptive Guidance Help? Belief-Aware Privileged Distillation for Autonomous Driving Under Partial Observability

自适应引导何时有帮助？部分可观测条件下自动驾驶的信念感知特权蒸馏

Mehmet Haklidir

机构 * TUBITAK BILGEM Artificial Intelligence Institute（土耳其TUBITAK BILGEM人工智能研究所） 纠错

AI总结 本文提出信念感知GSAC（BA-GSAC），通过集成分歧动态调节蒸馏系数，系统研究自适应引导在部分可观测自动驾驶中的有效性，发现严重遮挡下系数过早崩溃，并揭示可观测性盲区问题。

Comments 9 pages, 3 figures, 7 tables. Accepted at CVPR 2026 Workshop on Autonomous Driving (WAD)

Global Structure-from-Motion Meets Feedforward Reconstruction

全局运动恢复结构与前馈重建的结合

Linfei Pan, Johannes Schönberger, Marc Pollefeys

机构 * ETH Zurich（苏黎世联邦理工学院） ； Meta Reality Labs（Meta现实实验室） ； Microsoft（微软公司） 纠错

AI总结 提出一种结合经典SfM和前馈重建优势的新流水线，在多种场景下实现最先进的重建结果。

Comments CVPR 2026, Highlight

From Contrast to Consistency: Rethinking Event-based Continuous-Time Optical Flow Estimation

从对比到一致性：重新思考基于事件的连续时光流估计

Rui Hu, Song Wu, Wen Yang, Jinjian Wu

机构 * Xidian University（西安电子科技大学） 纠错

AI总结 提出一种基于时空结构一致性（STSC）的混合监督框架，结合双向互补多尺度架构和课程引导混合训练策略，在连续时间和标准光流估计中达到最先进性能。

Comments Accepted by CVPR 2026

SRL-CLIP: Efficient CLIP Video Adaptation via Structured Semantic Role Labels

SRL-CLIP: 通过结构化语义角色标签实现高效的CLIP视频适配

Darshan Singh, Zeeshan Khan, Makarand Tapaswi

机构 * CVIT, IIIT Hyderabad（IIIT海得拉巴计算机视觉研究所） ； Inria, École normale supérieure, CNRS, PSL Research University（法国国家信息与自动化研究所、巴黎综合理工学院、国家科学研究中心、巴黎高等研究大学） 纠错

AI总结 本文提出SRL-CLIP，利用结构化语义角色标签（SRL）生成规则化字幕，仅用23k视频-字幕对进行对比微调，即可高效适配CLIP用于通用视频理解，在零样本文本-视频检索上性能优于参数多4-8倍、数据多6000倍的模型。

Comments Accepted to the CV4Smalls Workshop at CVPR 2026

DirectFisheye-GS: Enabling Native Fisheye Input in Gaussian Splatting with Cross-View Joint Optimization

DirectFisheye-GS: 在三维高斯泼溅中通过跨视图联合优化实现原生鱼眼输入

Zhengxian Yang, Fei Xie, Xutao Xue, Rui Zhang, Taicheng Huang, Yang Liu, Mengqi Ji, Tao Yu

机构 * BNRist, Tsinghua University（北京理工大学，清华大学） ； Beihang University（北航） ； JD.com, Beijing, China（京东（北京，中国）） ； Shanghai AI Lab（上海人工智能实验室） 纠错

AI总结 针对鱼眼相机输入导致的信息丢失和细节模糊问题，提出将鱼眼相机模型集成到3DGS框架中，并引入基于特征重叠的跨视图联合优化策略，实现无需预处理的原生鱼眼图像训练，提升重建质量。

Comments CVPR 2026 Highlight; Fix NSFC ID

GS-CLIP: Zero-shot 3D Anomaly Detection by Geometry-Aware Prompt and Synergistic View Representation Learning

GS-CLIP: 基于几何感知提示与协同视图表示学习的零样本3D异常检测

Zehao Deng, An Liu, Yan Wang

机构 * School of Computer Science and Technology, Soochow University（苏州大学计算机科学与技术学院） ； Institute for AI Industry Research (AIR), Tsinghua University（清华大学人工智能产业研究院） 纠错

AI总结 提出GS-CLIP框架，通过几何感知提示和协同视图表示学习，在零样本设置下有效检测3D点云中的几何异常。

Comments Accepted by CVPR 2026

LuxRemix: Lighting Decomposition and Remixing for Indoor Scenes

LuxRemix: 室内场景的光照分解与重新混合

Ruofan Liang, Norman Müller, Ethan Weber, Duncan Zauss, Nandita Vijaykumar, Peter Kontschieder, Christian Richardt

机构 * Meta Reality Labs（Meta现实实验室） ； University of Toronto（多伦多大学） 纠错

AI总结 提出一种基于图像的光照分解模型，从多视图场景捕获中分解室内光照为独立光源，并通过多视图光照协调集成到可重光照的3D高斯溅射表示中，实现交互式光源编辑。

Comments CVPR 2026. Project page: https://luxremix.github.io

Structured Relational Reasoning for Group Activity Assessment

结构化关系推理用于群体活动评估

Thinesh Thiyakesan Ponbagavathi, Chengzheng Yang, Alina Roitberg

机构 * University of Stuttgart（斯图加特大学） ； University of Hildesheim（希尔德斯海姆大学） 纠错

AI总结 提出ProGraD框架，利用冻结视觉基础模型和轻量级GroupContext Transformer，通过结构化关系推理在单次前向传播中联合推断群体位置、成员关系和活动，仅用10M参数即在Cafe和Social-CAD基准上取得最优性能。

Comments Accepted to CVPR 2026 Workshop (SAUAFG)

Efficient All-Pairs Correlation Volume Sampling for Optical Flow Estimation

高效的全对相关性体素采样用于光流估计

Karlis Martins Briedis, Markus Gross, Christopher Schroers

机构 * DisneyResearch|Studios（迪士尼研究与工作室） ； ETH Zürich（苏黎世联邦理工学院） 纠错

AI总结 提出一种内存和计算高效的算法，实现全对相关性体素采样的精确数学运算，在保持低内存占用的同时显著提升速度，并应用于高分辨率光流估计达到最优性能。

Comments CVPR 2026

V2V3D: View-to-View Denoised 3D Reconstruction for Light-Field Microscopy

V2V3D：用于光场显微镜的视图到视图去噪三维重建

Jiayin Zhao, Zhenqi Fu, Tao Yu, Hui Qiao

机构 * Tsinghua University, Beijing 100084, China（清华大学，北京100084，中国） ； Shanghai AI Laboratory, China（上海人工智能实验室，中国） 纠错

AI总结 提出无监督视图到视图框架V2V3D，联合优化图像去噪和三维重建，利用噪声独立性实现噪声到噪声去噪，并设计基于波动光学的特征对齐技术恢复高频细节，在效率和性能上超越现有方法。

Comments CVPR 2025; New version: Fix NSFC ID

ImViD: Immersive Volumetric Videos for Enhanced VR Engagement

ImViD：用于增强VR沉浸感的沉浸式体积视频

Zhengxian Yang, Shi Pan, Shengqi Wang, Haoxiang Wang, Li Lin, Guanjun Li, Zhengqi Wen, Borong Lin, Jianhua Tao, Tao Yu

机构 * Tsinghua University（清华大学） ； Migu Beijing Research Institute（中国移动北京研究院） ； Institute of Automation, Chinese Academy of Science（中国科学院自动化研究所） 纠错

AI总结 提出ImViD多视角多模态数据集，支持移动中捕获完整场景，为6自由度多模态沉浸式VR体验提供基准和重建管线。

Comments CVPR 2025 Highlight; Fix NSFC ID

Addressing Exacerbated Attention Sink for Source-Free Cross-Domain Few-Shot Learning

应对源自由跨域小样本学习中加剧的注意力汇聚问题

Shuai Yi, Yixiong Zou, Yuhua Li, Ruixuan Li

机构 * Huazhong University of Science and Technology（华中科技大学） 纠错

AI总结 针对跨域小样本学习中标准微调加剧注意力汇聚导致判别性下降的问题，提出基于令牌动态重加权的方法抑制简单令牌依赖并增强困难令牌学习，实现新最优性能。

Comments Accepted by CVPR 2026

OMGTex: One-stage Multi-style Facial Texture Reconstruction without Geometry Guidance

OMGTex: 无需几何引导的一阶段多风格面部纹理重建

Zitong Xiao, Yuda Qiu, Zisheng Ye, Xiaoguang Han

机构 * School of Science and Engineering, The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）科学与工程学院） ； Guangdong Provincial Key Laboratory of Future Networks of Intelligence（广东省未来网络智能化重点实验室） ； FNii-Shenzhen（FNii-深圳） 纠错

AI总结 提出OMGTex，一种端到端的扩散框架，无需3D几何先验，直接从多风格面部图像重建高质量、可编辑的UV纹理，通过梯度引导推理和语义感知训练实现鲁棒重建与编辑。

Comments CVPR 2026 (Poster)

ComPose: A Unified Completion-Pose Framework for Robust Category-Level Object Pose Estimation

ComPose：用于鲁棒类别级物体姿态估计的统一补全-姿态框架

Huan Ren, Yihan Chen, Chuxin Wang, Nailong Liu, Wenfei Yang, Tianzhu Zhang

机构 * University of Science and Technology of China（中国科学技术大学） ； National Key Laboratory of Deep Space Exploration, Deep Space Exploration Laboratory（国家空间科学探测重点实验室，深空探测实验室） ； Beijing Institute of Control Engineering（北京控制工程研究所） 纠错

AI总结 提出ComPose框架，通过关键点渐进补全模块和几何关系一致性损失，将形状补全与姿态估计紧密集成，在不依赖类别级形状先验的情况下提升点云不完整场景下的姿态估计精度和效率。

Comments Accepted by CVPR 2026 (Oral, Best Paper Award Candidate). Project page is available at renhuan1999.github.io/ComPose

MTLLFM: Multimodal-Temporal Laughter Localization: UR-FUNNY-Temporal and SMILE-Temporal Benchmarks with an Adaptive Multimodal Fusion Model

MTLLFM: 多模态时间笑声定位——UR-FUNNY-Temporal和SMILE-Temporal基准数据集与自适应多模态融合模型

Eyal Hanania, Nadav Kirsch, Daniel Arkushin, Jonathan Benvenisti, Amos Bercovich, Elie Zemmour, Sahar Froim

机构 * WSC-Sports（WSC-体育） 纠错

AI总结 针对现有方法无法精确捕捉短暂笑声事件时间边界的问题，本文提出两个完全标注的时间笑声数据集（UR-FUNNY-Temporal和SMILE-Temporal）和一个轻量级弱监督框架，通过固定HuBERT和MAE编码器结合时间softmax池化与自适应模态门控，实现从片段级标签到帧级时间定位，在体育广播数据上达到99% F1和68.1%定位精度，并将下游笑声推理CIDEr提升227%。

Comments Accepted to the Workshop on Affective & Behavior Analysis in-the-wild, CVPR 2026

When Interpretability Becomes a Liability: Adversarial Attacks on CBM Concept Layers

当可解释性成为负担：针对CBM概念层的对抗攻击

Aditya Sridhar

机构 * Independent Researcher（独立研究者） 纠错

AI总结 本文系统研究了概念瓶颈模型（CBM）中概念层的对抗性脆弱性，提出了一种基于语义扰动的稳定性正则化防御方法SPECTRA，显著提高了攻击所需的最小扰动范数，同时保持了分类精度。

Comments Accepted to CVPR 2026 (Findings). 9 pages, 6 figures

CounterFlow: A Two-Phase Inference-Time Sampling for Counterfactual Video Foley Generation

CounterFlow: 一种用于反事实视频拟音生成的两阶段推理时采样方法

Gyubin Lee, Junwon Lee, Juhan Nam

机构 * Kim Jaechul Graduate School of AI, KAIST（金 Jaechul人工智能研究生院，韩国科学技术院） 纠错

AI总结 提出CounterFlow，一种两阶段推理时采样方案，用于预训练的流匹配VT2A模型，以生成与视觉证据矛盾但时间同步的反事实视频拟音，并通过新指标评估替换质量。

Comments accepted to CVPR 2026 Workshop on Sight and Sound

EgoMind: Activating Spatial Cognition through Linguistic Reasoning in MLLMs

EgoMind: 通过多模态大语言模型中的语言推理激活空间认知

Zhenghao Chen, Huiqun Wang, Di Huang

机构 * State Key Laboratory of Complex and Critical Software Environment（复杂与关键软件环境国家重点实验室） ； School of Computer Science and Engineering（计算机科学与工程学院） 纠错

AI总结 提出EgoMind框架，通过角色扮演描述和渐进空间分析的无几何空间推理方法，仅用少量数据即可在多基准测试中提升MLLMs的空间推理能力。

Comments Accepted by CVPR 2026

Spatial-aware Vision Language Model for Autonomous Driving

面向自动驾驶的空间感知视觉语言模型

Weijie Wei, Zhipeng Luo, Ling Feng, Venice Erin Liong

机构 * Motional ； University of Amsterdam（阿姆斯特丹大学） 纠错

AI总结 提出LVLDrive框架，通过融合LiDAR点云与视觉语言模型，利用渐进融合Q-Former和空间感知问答数据集，解决3D度量空间推理瓶颈，提升自动驾驶场景理解与决策可靠性。

Comments Accepted to CVPR AutoPilot Workshop 2026

DASH: A Meta-Attack Framework for Synthesizing Effective and Stealthy Adversarial Examples

DASH：一种用于合成有效且隐蔽的对抗样本的元攻击框架

Abdullah Al Nomaan Nafi, Habibur Rahaman, Zafaryab Haider, Tanzim Mahfuz, Fnu Suya, Swarup Bhunia, Prabuddha Chakraborty

机构 * University of Maine（缅因大学） ； University of Florida（佛罗里达大学） ； University of Tennessee, Knoxville（田纳西大学，基洛纳） 纠错

AI总结 提出DASH元攻击框架，通过多阶段自适应组合Lp约束攻击方法，生成有效且感知对齐的对抗样本，在多个数据集上优于现有方法。

Comments Accepted to CVPR 2026

Residual Connections Harm Generative Representation Learning

残差连接损害生成式表示学习

Xiao Zhang, Ruoxi Jiang, William Gao, Rebecca Willett, Michael Maire

机构 * University of Chicago（芝加哥大学） ； Fudan University（复旦大学） ； Tencent（腾讯） ； Shanghai Academy of AI for Science（上海人工智能科学研究院） 纠错

AI总结 通过减少残差网络中恒等捷径的权重，显著提升掩码自编码器和扩散模型等生成式表示学习框架中的语义特征学习质量。

Comments accepted to CVPR 2026

You Can Ground Earlier than See: An Effective and Efficient Pipeline for Temporal Sentence Grounding in Compressed Videos

你可以比看见更早定位：一种用于压缩视频中时序句子定位的高效流程

Xiang Fang, Daizong Liu, Pan Zhou, Guoshun Nan

机构 * The Hubei Engineering Research Center on Big Data Security, School of Cyber Science and Engineering, Huazhong University of Science and Technology（大数据安全湖北工程研究中心，网络安全科学与工程学院，华中科技大学） ； Peking University（北京大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） 纠错

AI总结 提出一种三分支压缩域时空融合框架（TCSF），直接从压缩视频中提取I帧、运动向量和残差特征，实现高效准确的时序句子定位。

Comments Accepted by CVPR 2023

Multi-view Consistent 3D Gaussian Head Avatars 'without' Multi-view Generation

无需多视图生成的多视图一致3D高斯头部头像

Aviral Chharia, Fernando De la Torre

机构 * Carnegie Mellon University（卡内基梅隆大学） 纠错

AI总结 提出MVCHead，一种直接从随机采样的2D图像学习3D高斯头部模型的方法，通过层次状态空间块和SE(3)多视图评判器实现多视图一致性，无需多视图数据或3D监督。

Comments CVPR 2026; Project Website: https://humansensinglab.github.io/MVCHead/

Journal ref CVPR, Denver, CO, USA, 2026, pp. 40163-40174

PQDT: Pseudo-Query Dual Transformer for Robust Point Cloud Restoration

PQDT: 伪查询双Transformer用于鲁棒点云修复

Haoqing Wu, Alexa Nawotki, Jochen Garcke

机构 * Mercedes-Benz AG（梅赛德斯-奔驰集团） ； University of Bonn（波恩大学） ； Fraunhofer SCAI（弗劳恩霍夫SCAI研究所） 纠错

AI总结 提出一种基于伪查询模块和Transformer主干网络的统一3D修复网络，通过两阶段几何变换增强结构清晰度和局部细节，在多种退化场景下超越现有方法。

Comments To be published in The IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2026

Learning from Semantic Dictionaries: Discriminative Codebook Contrastive Learning for Unified Visual Representation and Generation

从语义字典中学习：面向统一视觉表示与生成的判别式码本对比学习

Imanol G. Estepa, Jesús M Rodríguez-de-Vera, Bhalaji Nagarajan, Petia Radeva

机构 * Universitat de Barcelona（巴塞罗那大学） ； Barcelona Supercomputing Center (BSC)（巴塞罗那超级计算中心） 纠错

AI总结 提出LEASE框架，通过配对生成-判别码本设计，在离散标记空间中联合优化掩码重建损失和码本对比损失，实现统一视觉表示与生成，在ImageNet-1K上达到最先进性能。

Comments Accepted at CVPR'26

Tempered Self-Similarity Alignment for Physically Plausible Video Generation

Tempered Self-Similarity Alignment for Physically Plausible Video Generation

Manjin Kim, Suha Kwak, Minsu Cho

机构 * Pohang University of Science and Technology (POSTECH)（浦项科学技术大学） 纠错

AI总结 提出Tempered Self-Similarity Alignment (TSA)损失函数，通过将视觉基础模型中的时空自相似性关系知识迁移到视频生成模型中，以改善视频的物理合理性。

Comments Accepted to the CVPR 2026 Workshop on Video Generative Models: Benchmarks and Evaluation (VGBE)

Three-Step Conditional Diffusion 3D Reconstruction for Light-Field Microscopy

三步条件扩散光场显微三维重建

Qihong Zhao, Shaokang Yan, Zhimin Qiao, Jinjia Wang, Bo Xiong

机构 * Yanshan University（雁山大学） ； Peking University（北京大学） 纠错

AI总结 针对光场显微成像中传统算法分辨率低、伪影重、计算成本高，以及现有学习方法重建精度和泛化能力不足的问题，提出一种基于三步条件扩散的高保真三维重建方法，通过确定性三步采样和轻量条件U-Net实现快速准确重建，并引入类间检测模块增强稳定性。

Comments 10 pages, 6 figures. Accepted to CVPR 2026 Findings