CVPR

Registration-Free Learnable Multi-View Capture of Faces in Dense Semantic Correspondence

无需注册的可学习多视角面部密集语义对应捕捉

Panagiotis P. Filntisis, George Retsinas, Radek Daněček, Vanessa Sklyarova, Petros Maragos, Timo Bolkart

机构 * Institute of Robotics, Athena Research Center（机器人研究所，雅典研究中心） ； School of ECE, NTUA（电子工程学院，NTUA） ； HERON – Hellenic Robotics Center of Excellence（希腊机器人 excellence 中心） ； MPI for Intelligent Systems（智能系统研究所） ； ETH Zurich（苏黎世联邦理工学院） ； Google（谷歌） 纠错

AI总结 本文提出MOCHI框架，无需注册数据直接从多视角图像预测3D面部，通过伪线性逆运动学求解器确保拓扑一致性，改进损失函数提升重建精度。

Comments 19 pages, CVPR 2026

Rethinking Model Selection in VLM Through the Lens of Gromov-Wasserstein Distance

通过格罗莫夫-瓦瑟斯坦距离重新思考VLM中的模型选择

Muyang Li, Yucheng Liu, Jianbo Ma, Elliot Osborne, Bo Han, Tongliang Liu

机构 * Sydney AI Centre, The University of Sydney（悉尼人工智能中心，悉尼大学） ； Dolby Laboratories（杜比实验室） ； TMLR Group, Hong Kong Baptist University（香港 Baptist 大学 TMLR 团体） 纠错

AI总结 本文通过系统实验探讨视觉编码器选择的关键因素，发现模态间结构相似性通过格罗莫夫-瓦瑟斯坦距离衡量能提升VLM性能预测。

Comments Accepted as Highlight publication for CVPR 2026

CUE: Concept-Aware Multi-Label Expansion to Mitigate Concept Confusion in Long-Tailed Learning

CUE: 基于概念的多标签扩展以缓解长尾学习中的概念混淆

Ruichi Zhang, Chikai Shang, Jiacheng Yang, Mengke Li, Yang Zhou, Junlong Gao, Yang Lu

机构 * Key Laboratory of Multimedia Trusted Perception and Efficient Computing, Ministry of Education of China, Xiamen University, China（中国教育部多媒体可信感知与高效计算重点实验室，厦门大学，中国） ； College of Computer Science and Software Engineering, Shenzhen University, China（深圳大学计算机科学与软件工程学院，中国） ； Institute of High Performance Computing, A*STAR, Singapore（新加坡A*STAR高性能计算研究所） 纠错

AI总结 本文提出CUE，通过引入多标签概念信号缓解长尾分布下类别间关系的破坏，实验表明其在多个长尾基准上表现优异。

Comments 10 pages. Accepted by CVPR 2026

NAKUL-Med: Spectral-Graph State Space Models with Dynamics Kernels for Medical Signals

NAKUL-Med: 带动态核的谱-图状态空间模型用于医学信号

Badri N. Patro, Vijay S. Agneeswaran

机构 * Microsoft（微软） 纠错

AI总结 NAKUL-Med通过动态核生成、谱上下文建模和图引导的空间注意力，提升多通道生理信号分析的性能，实现高准确率和高效推理。

Comments Accepted CVPR Finding Track

Synthetic Designed Experiments for Diagnosing Vision Model Failure

合成设计实验用于诊断视觉模型失效

Krisanu Sarkar

机构 * Indian Institute of Technology Bombay（印度理工学院班加罗尔） 纠错

AI总结 本文提出SDRS方法，通过方差分析分解高效审计模型的因子敏感性，识别并解决类型I和II失效缺口，通过针对性合成数据提升模型性能。

Comments Under review at CVPR SynData4CV 2026

SpatialStack: Layered Geometry-Language Fusion for 3D VLM Spatial Reasoning

SpatialStack：用于3D VLM空间推理的分层几何-语言融合

Jian Zhang, Shijie Zhou, Bangya Liu, Achuta Kadambi, Zhiwen Fan

机构 * XMU（厦门大学） ； UCLA（美国大学） ； Google（谷歌） ； UW-Madison（威斯康星大学麦迪逊分校） ； TAMU（德克萨斯农工大学） 纠错

AI总结 本文提出SpatialStack框架，通过分层融合视觉、几何和语言表征，提升3D空间推理能力，实验表明其在多个基准上表现优异。

Comments CVPR 2026, Project Website: https://spatial-stack.github.io/

Grounding Synthetic Data Generation With Vision and Language Models

基于视觉和语言模型的合成数据生成基础

Ümit Mert Çağlar, Alptekin Temizel

机构 * Graduate School of Informatics（信息学院） 纠错

AI总结 本文提出一种视觉-语言 grounded 框架，用于可解释的遥感合成数据增强与评估，引入 ARAS400k 数据集，包含 100k 真实图像和 300k 合成图像，用于语义分割和图像描述生成。

Comments Accepted for presentation at IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), Synthetic Data for Computer Vision Workshop (SynData4CV) 2026

Refracting Reality: Generating Images with Realistic Transparent Objects

折射现实：生成具有真实透明物体的图像

Yue Yin, Enze Tao, Dylan Campbell

机构 * The Australian National University（澳大利亚国立大学） 纠错

AI总结 本文提出通过Snell定律在生成过程中同步像素，生成更符合物理约束的透明物体图像。

Comments CVPR 2026 (Highlight), Code: https://github.com/YueYin27/snellcaster, Project page: https://yueyin27.github.io/snellcaster-page/

Stepper: Stepwise Immersive Scene Generation with Multiview Panoramas

Stepper：基于多视角全景图的分步沉浸式场景生成

Felix Wimbauer, Fabian Manhardt, Michael Oechsle, Nikolai Kalischek, Christian Rupprecht, Daniel Cremers, Federico Tombari

机构 * Google（谷歌） ； University of Oxford（牛津大学） ； MCML ； Technical University of Munich（慕尼黑技术大学） 纠错

AI总结 Stepper通过分步扩展多视角全景图，解决传统方法在视觉保真度与可探索性之间的权衡问题，实现高质量沉浸式3D场景生成。

Comments Accepted at CVPR 2026 Findings; Find our project page under https://fwmb.github.io/stepper/

MMAudio-LABEL: Audio Event Labeling via Audio Generation for Silent Video

MMAudio-LABEL: 通过音频生成实现静音视频的音频事件标注

Kazuya Tateishi, Akira Takahashi, Atsuo Hiroe, Hirofumi Takeda, Shusuke Takahashi, Yuki Mitsufuji

机构 * Sony Group Corporation（索尼集团公司） ； Sony AI（索尼人工智能） 纠错

AI总结 本文提出MMAudio-LABEL框架，通过联合生成音频和帧对齐的声学事件预测，提升静音视频的音频事件标注精度，实验显示在起始点检测和材料分类任务中性能显著提升。

Comments Accepted to the CVPR 2026 Sight and Sound Workshop

MMAudioReverbs: Video-Guided Acoustic Modeling for Dereverberation and Room Impulse Response Estimation

MMAudioReverbs: 视频引导的声学建模用于去混响和房间脉冲响应估计

Akira Takahashi, Ryosuke Sawata, Shusuke Takahashi, Yuki Mitsufuji

机构 * Sony Group Corporation（索尼集团公司） ； Sony AI（索尼人工智能） 纠错

AI总结 本文提出MMAudioReverbs框架，利用预训练视频到音频模型进行去混响和房间脉冲响应估计，通过小数据集微调实现无需修改网络结构的统一处理。

Comments Accepted to the CVPR 2026 Sight and Sound Workshop

It's Never Too Late: Noise Optimization for Collapse Recovery in Trained Diffusion Models

迟到也不晚：通过噪声优化在训练好的扩散模型中恢复崩溃

Anne Harrington, A. Sophia Koepke, Shyamgopal Karthik, Trevor Darrell, Alexei A. Efros

机构 * UC Berkeley（加州大学伯克利分校） ； University of Tübingen, Tübingen AI Center（图宾根大学，图宾根人工智能中心） ； TU Munich, MCML（慕尼黑工业大学，MCML） 纠错

AI总结 本文通过噪声优化提升扩散模型生成多样性，减少模式崩溃，同时保持基础模型的保真度。

Comments CVPR 2026. Project page at https://akoepke.github.io/divgen/index.html

Residual Diffusion Bridge Model for Image Restoration

残差扩散桥模型用于图像修复

Hebaixu Wang, Jing Zhang, Haoyang Chen, Haonan Guo, Di Wang, Jiayi Ma, Bo Du

机构 * School of Electronic Information, Wuhan University（武汉大学电子信息学院） ； School of Computer Science, Wuhan University（武汉大学计算机学院） ； Zhongguancun Academy（中关村学院） ； State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University（武汉大学测绘遥感信息工程国家重点实验室） ； School of Robotics, Wuhan University（武汉大学机器人学院） 纠错

AI总结 本文提出残差扩散桥模型，通过理论重构扩散桥的随机微分方程，利用残差调节噪声注入与去除，实现自适应修复受损区域并保留完整区域，验证了模型的最优性。

Comments Accepted by CVPR 2026 as Highlight

PhyCo: Learning Controllable Physical Priors for Generative Motion

PhyCo：学习可控制的物理先验以生成运动

Sriram Narayanan, Ziyu Jiang, Srinivasa Narasimhan, Manmohan Chandraker

机构 * Carnegie Mellon University（卡内基梅隆大学） ； NEC Labs America（NEC美国实验室） ； UC San Diego（圣地亚哥大学） 纠错

AI总结 PhyCo通过整合物理可控的生成模型，实现了在视频生成中物理一致性和可控性的提升，无需模拟器或几何重建。

Comments CVPR 2026. Project Page: https://phyco-video.github.io/

ResiHMR: Residual-Limb Aware Single-Image 3D Human Mesh Recovery for Individuals with Limb Loss

ResiHMR: 基于残肢意识的单图像3D人体网格恢复用于残肢者

Jiaying Ying, Heming Du, Kaihao Zhang, Sean M. Tweedy, Xin Yu

机构 * The University of Queensland（昆士兰大学） ； Australian National University（澳大利亚国立大学） ； The University of Adelaide（阿德莱德大学） 纠错

AI总结 本文提出ResiHMR框架，通过引入残肢关键点和两个组件，实现残肢意识的人体网格恢复，提升残肢者3D模型重建质量。

Comments Highlight in CVPR 2026. Project at https://akitaraphael.github.io/ResiHMR/

FedHarmony: Harmonizing Heterogeneous Label Correlations in Federated Multi-Label Learning

FedHarmony: 谐调联邦多标签学习中异质标签相关性

Zhiqiang Kou, Junxiang Wu, Wenke Huang, Wenwen He, Ming-Kun Xie, Changwei Wang, Yuheng Jia, Di Jiang, Yang Liu, Xin Geng, Qiang Yang

机构 * School of Computer Science and Engineering, Southeast University, Nanjing, China（东南大学计算机科学与工程学院，中国南京） ； Key Laboratory of New Generation Artificial Intelligence Technology and Its Interdisciplinary Applications (Southeast University), Ministry of Education, China（新一代人工智能技术及其交叉应用关键实验室（东南大学），教育部，中国） ； Wuhan University, China（武汉大学，中国） ； RIKEN Center for Advanced Intelligence Project, Japan（日本RIKEN先进人工智能项目中心） ； Qilu University of Technology (Shandong Academy of Sciences), China（齐鲁工业大学（山东省科学院），中国） ； Academy for Artificial Intelligence, Hong Kong Polytechnic University, Hong Kong, China（香港理工大学人工智能学院，中国香港，中国） 纠错

AI总结 FedHarmony通过引入共识相关性，谐调联邦多标签学习中异质标签相关性，提升模型收敛速度和准确性。

Comments Accepted by CVPR 2026. 11 pages, 6 figures

Taming Noise-Induced Prototype Degradation for Privacy-Preserving Personalized Federated Fine-Tuning

抑制噪声诱导的原型退化以实现隐私保护的个性化联邦微调

Yuhua Wang, Qinnan Zhang, Xiaodong Li, Huan Zhang, Yifan Sun, Wangjie Qiu, Hainan Zhang, Yongxin Tong, Zhiming Zheng

机构 * School of Artificial Intelligence, Beihang University（北京航空航天大学人工智能学院） ； School of Statistics, Renmin University of China（中国人民大学统计学院） ； School of Computer Science and Engineering, Beihang University（北京航空航天大学计算机科学与工程学院） 纠错

AI总结 本文提出VPDR，通过引入自适应原型扰动和蒸馏引导裁剪正则化，改进原型基于个性化联邦学习，提升隐私保护与模型性能的平衡。

Comments Accepted by CVPR 2026 (Highlight)

Learning to Reason: Targeted Knowledge Discovery and Fuzzy Logic Update for Robust Image Recognition

学习推理：面向知识发现和模糊逻辑更新的鲁棒图像识别

Gurucharan Srinivas, Joshua Niemeijer, Frank Köster

机构 * German Aerospace Center (DLR)（德国航空航天中心（DLR）） 纠错

AI总结 本文提出一种针对知识发现和模糊逻辑更新的方法，通过可微知识单元调节分类器logits，提升图像识别鲁棒性，实验表明在多个数据集上表现优于基线。

Comments Accepted to CVPR Findings 2026

Omni-Attribute: Open-vocabulary Attribute Encoder for Visual Concept Personalization

Omni-Attribute: 用于视觉概念个性化的第一款开放词汇属性编码器

Tsai-Shien Chen, Aliaksandr Siarohin, Gordon Guocheng Qian, Kuan-Chieh Jackson Wang, Egor Nemchinov, Moayed Haji-Ali, Riza Alp Guler, Willi Menapace, Ivan Skorokhodov, Anil Kag, Jun-Yan Zhu, Sergey Tulyakov

机构 * Snap Inc. ； UC Merced（加州大学默塞德分校） ； CMU（卡内基梅隆大学） 纠错

AI总结 本文提出Omni-Attribute，通过联合设计数据与模型，学习高保真属性特定表示，解决现有方法中属性混杂的问题，提升开放词汇属性检索与生成性能。

Comments CVPR 2026. Project page: https://snap-research.github.io/omni-attribute

Mull-Tokens: Modality-Agnostic Latent Thinking

Mull-Tokens: 通用模态的潜在思考

Arijit Ray, Ahmed Abdelkader, Chengzhi Mao, Bryan A. Plummer, Kate Saenko, Ranjay Krishna, Leonidas Guibas, Wen-Sheng Chu

机构 * Google（谷歌） ； University of Washington（华盛顿大学） ； Stanford University（斯坦福大学） ； Boston University（波士顿大学） 纠错

AI总结 本文提出Mull-Tokens，一种无需模态切换的潜在令牌，用于空间、时间等多模态推理，通过预训练和微调在四个挑战性基准上实现3%-16%的提升。

Comments Project webpage: https://arijitray.com/multimodal_thinking/, Accepted to CVPR 2026 (Findings Track)

MoCapAnything: Unified 3D Motion Capture for Arbitrary Skeletons from Monocular Videos

MoCapAnything：统一的单目视频任意骨骼3D动作捕捉

Kehong Gong, Zhengyu Wen, Weixia He, Mingxi Xu, Qi Wang, Ning Zhang, Zhengyu Li, Dongze Lian, Wei Zhao, Xiaoyu He, Mingyuan Zhang

机构 * Huawei International Pte. Ltd.（华为国际有限公司） ； Huawei Central Media Technology Institute（华为中央媒体技术研究院） 纠错

AI总结 本文提出MoCapAnything，通过参考引导和分解框架实现任意骨骼的3D动作捕捉，利用三个可学习模块和轻量IK阶段生成高质量骨骼动画，并在真实数据集上验证了其跨物种重定向能力。

Comments Accepted to CVPR 2026

ELiC: Efficient LiDAR Geometry Compression via Cross-Bit-depth Feature Propagation and Bag-of-Encoders

ELiC：通过跨位深度特征传播和编码器袋方案实现高效的激光雷达几何压缩

Junsik Kim, Gun Bang, Soowoong Kim

机构 * Electronics and Telecommunications Research Institute（电子电信研究院） 纠错

AI总结 ELiC通过跨位深度特征传播和编码器袋方案，提升激光雷达几何压缩效率，实现实时高吞吐量压缩，达到SOTA性能。

Comments Accepted to CVPR 2026

Improving Calibration in Test-Time Prompt Tuning for Vision-Language Models via Data-Free Flatness-Aware Prompt Pretraining

通过数据无关的平坦性感知提示预训练提升视觉语言模型测试时提示调优的校准

Hyeonseo Jang, Jaebyeong Jeon, Joong-Won Hwang, Kibok Lee

机构 * Yonsei University（延世大学） ； ETRI（韩国电子技术研究院） 纠错

AI总结 本文提出FPP框架，通过在提示初始化时选择平坦区域，提升测试时提示调优的校准和性能，无需额外标注数据和计算成本。

Comments CVPR 2026

SECOS: Semantic Capture for Rigorous Classification in Open-World Semi-Supervised Learning

SECOS：面向开放世界半监督学习的语义捕获用于严格分类

Hezhao Liu, Jiacheng Yang, Junlong Gao, Mengke Li, Yiqun Zhang, Shreyank N Gowda, Yang Lu

机构 * Key Laboratory of Multimedia Trusted Perception and Efficient Computing, Ministry of Education of China, Xiamen University（中国教育部多媒体可信感知与高效计算重点实验室，厦门大学） ； College of Computer Science and Software Engineering, Shenzhen University（深圳大学计算机科学与软件工程学院） ； School of Computer Science and Technology, Guangdong University of Technology（广东工业大学计算机科学与技术学院） ； School of Computer Science, University of Nottingham（诺丁汉大学计算机科学学院） 纠错

AI总结 SECOS通过外部知识提取并对齐多模态语义表示，为新类别提供显式监督信号，提升开放世界半监督学习中的分类性能。

Comments Accepted by CVPR 2026

Online semi-supervised perception: Real-time learning without explicit feedback

在线半监督感知：无需显式反馈的实时学习

Branislav Kveton, Michal Valko, Matthai Phillipose, Ling Huang

机构 * Intel Labs（英特尔实验室） ； Department of Computer Science（计算机科学系） ； University of Pittsburgh（匹兹堡大学） 纠错

AI总结 本文提出一种无需显式反馈的实时学习算法，结合图上半监督学习和在线学习，通过迭代构建世界图表示并更新，利用离线标注数据和在线未标注数据提升性能，在实时人脸识别中取得优越精度和召回率。

Comments IEEE Computer Vision and Pattern Recognition Workshop on Online Learning for Computer Vision (CVPR 2010 OLCV)

REVIVE 3D: Refinement via Encoded Voluminous Inflated prior for Volume Enhancement

REVIVE 3D：通过编码的体积膨胀先验进行体积增强的细化

Hankyeol Lee, Wooyeol Baek, Seongdo Kim, Jongyoo Kim

机构 * Yonsei University（延世大学） 纠错

AI总结 本文提出REVIVE 3D框架，通过两阶段流程从二维图像生成体积丰富的3D资产，结合膨胀先验和3D潜在细化，引入紧凑性与法向异性指标评估体积与表面平滑度，实现高质量3D生成。

Comments Accepted by CVPR 2026

Context as Prior: Bayesian-Inspired Intent Inference for Non-Speaking Agents with a Household Cat Testbed

上下文作为先验：一种基于贝叶斯的意图推断方法用于非说话智能体的家用猫测试平台

Wenqian Zhang, Zehao Wang

机构 * University of California, Riverside（加州大学河滨分校） 纠错

AI总结 本文提出CatSignal框架，通过将空间上下文作为先验约束和行为观测作为证据，实现多模态意图推断，提升非说话智能体的意图识别精度。

Comments Accepted to the CVPR 2026 Animal Workshop

Softmax-GS: Generalized Gaussians Learning When to Blend or Bound

Softmax-GS: 通用高斯学习何时融合或边界

Chen Ziwen, Peng Wang, Hao Tan, Zexiang Xu, Li Fuxin

机构 * Adobe Research（Adobe研究院） ； Tripo AI（Tripo人工智能公司） ； Hillbot（Hillbot公司） ； Oregon State University（俄勒冈州立大学） 纠错

AI总结 Softmax-GS通过在重叠区域引入softmax竞争机制，解决3D GS中的视图不一致和模糊边界问题，提升重建质量和参数效率。

Journal ref IEEE/CVF Conference on Computer Vision and Pattern Recognition Findings (CVPRF), 2026

Iterative Definition Refinement for Zero-Shot Classification via LLM-Based Semantic Prototype Optimization

基于LLM的语义原型优化的零样本分类迭代定义细化

Naeem Rehmat, Muhammad Saad Saeed, Ijaz Ul Haq, Khalid Malik

机构 * University of Michigan-Flint（密歇根大学弗林特分校） 纠错

AI总结 本文提出一种无需训练的迭代定义优化框架，通过优化类别定义提升零样本网页内容分类性能，引入三种定义优化策略，并在13种前沿嵌入模型上验证了定义质量对分类效果的关键影响。

Comments Accepted at CVPR NeXD Workshop (2026)

HQF-Net: A Hybrid Quantum-Classical Multi-Scale Fusion Network for Remote Sensing Image Segmentation

HQF-Net：一种用于遥感图像分割的混合量子-经典多尺度融合网络

Md Aminur Hossain, Ayush V. Patel, Siddhant Gole, Sanjay K. Singh, Biplab Banerjee

机构 * Space Applications Centre, ISRO, India（印度航天研究组织空间应用中心） ； Indian Institute of Technology Bombay（印度班加罗尔理工学院） 纠错

AI总结 本文提出HQF-Net，通过融合多尺度语义指导和量子增强机制，提升遥感图像分割的精度与性能。

Comments 17 pages

Journal ref IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops, 2026