Gaussian Shannon: High-Precision Diffusion Model Watermarking Based on Communication
高斯香农：基于通信的高精度扩散模型水印技术
AI总结 本文提出Gaussian Shannon水印框架，通过将扩散过程视为噪声通信信道，实现鲁棒追踪和精确位恢复，适用于无损元数据应用。
Comments Accepted by CVPR 2026 Findings
期刊&会议
CVPR
Conference on Computer Vision and Pattern Recognition · 会议 · Computer Vision
STAC: Plug-and-Play Spatio-Temporal Aware Cache Compression for Streaming 3D Reconstruction
STAC：用于流式3D重建的时空感知缓存压缩
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 本文提出STAC框架，通过时空感知缓存机制提升流式3D重建的内存效率和重建质量，减少内存消耗并加速推理。
Comments 10 pages, 6 figures. Accepted by CVPR 2026. This version includes supplementary material
From Orbit to Ground: Generative City Photogrammetry from Extreme Off-Nadir Satellite Images
从轨道到地面：从极端俯仰角卫星图像生成城市光束摄影测量
机构 * Peking University（北京大学） ； AMAP（高德地图） ； Ant Group（蚂蚁集团） ； Shandong University（山东大学） ； Beijing Academy of Artificial Intelligence（北京人工智能研究院）
AI总结 本文提出两种设计选择，通过2.5D高度图和可微渲染技术，解决从稀疏轨道图像合成地面视图的挑战，实现大规模城市重建。
Comments Accepted by CVPR 2026 Findings. Project page: https://pku-vcl-geometry.github.io/Orbit2Ground/
Asking like Socrates: Socrates helps VLMs understand remote sensing images
像苏格拉底提问：苏格拉底帮助VLMs理解遥感图像
机构 * School of Geosciences and Info-Physics, Central South University（中南大学地球科学与信息物理学院） ； Baidu Inc.（百度公司） ； School of Earth Sciences, Zhejiang University（浙江大学地球科学学院）
AI总结 本文提出RS-EoT方法，通过迭代视觉证据寻求机制和两阶段强化学习策略，解决遥感图像中伪推理问题，提升视觉证据基础的推理能力。
Comments Accepted by CVPR 2026
Exploring Conditions for Diffusion models in Robotic Control
探索扩散模型在机器人控制中的条件
机构 * KAIST AI（韩国科学技术院人工智能学院） ； NAVER AI Lab（NAVER人工智能实验室）
AI总结 本文研究利用预训练文本到图像扩散模型获取任务适应的视觉表示，提出ORCA方法以动态视觉信息提升机器人控制性能。
Comments Accepted to CVPR 2026. Project page: https://orca-rc.github.io/
MozzaVID: Mozzarella Volumetric Image Dataset
MozzaVID：莫扎瑞拉奶酪体积分类数据集
机构 * Technical University of Denmark（丹麦技术大学）
AI总结 本文提出MozzaVID数据集，用于体积分类任务，包含25种奶酪类型和149个样本，提供三种分辨率的数据，旨在促进体积分类算法的发展和食品结构研究。
Comments Accepted at MetaFood (CVPR 2026 Workshop)
AFL: A Single-Round Analytic Approach for Federated Learning with Pre-trained Models
AFL：基于预训练模型的联邦学习单轮分析方法
机构 * South China University of Technology（华南理工大学） ； Tsinghua University（清华大学） ； Beijing National Research Center for Information Science and Technology（北京信息科学与技术国家研究中心） ； The Hong Kong University of Science and Technology（香港科技大学） ； Microsoft（微软）
AI总结 本文提出AFL，一种利用分析解的联邦学习方法，通过单轮训练和绝对聚合法则，减少通信开销并提升收敛速度，具有数据分区不变性。
Comments Published in CVPR 2025
Beyond Loss Values: Robust Dynamic Pruning via Loss Trajectory Alignment
超越损失值：通过损失轨迹对齐实现鲁棒动态剪枝
机构 * National University of Singapore（新加坡国立大学） ； Wuhan University（武汉大学） ； Sichuan University（四川大学）
AI总结 本文提出AlignPrune模块，通过动态对齐得分改进动态剪枝在标签噪声下的鲁棒性，实验表明其在多个基准上提升精度达6.3%。
Comments Published in CVPR 2026 Findings
HIVE: Query, Hypothesize, Verify An LLM Framework for Multimodal Reasoning-Intensive Retrieval
HIVE：一种用于多模态推理密集检索的LLM框架
AI总结 HIVE通过引入LLM进行显式视觉-文本推理，提升多模态检索效果，达到41.7的nDCG@10，优于现有文本和多模态模型。
Comments accepted at CVPR 2026 Workshop GRAIL-V
BRIDGE: Multimodal-to-Text Retrieval via Reinforcement-Learned Query Alignment
BRIDGE：通过强化学习查询对齐实现多模态到文本检索
机构 * High institute for computer & information systems（高等计算机与信息系统学院） ； Chungbuk National University（忠北大学） ； Assiut University（艾斯尤特大学） ； University of Innsbruck（因斯布鲁克大学）
AI总结 BRIDGE通过强化学习查询对齐模型和增强神经搜索检索器，解决多模态查询在文本库中的检索问题，实现优于多模态编码器的nDCG@10性能。
Comments Accepted at CVPR 2026 Workshop GRAIL-V
Beyond the Mean: Modelling Annotation Distributions in Continuous Affect Prediction
超越均值：在连续情感预测中建模注释分布
AI总结 本文提出了一种基于Beta分布的框架，用于建模注释共识，以捕捉情感感知的中心趋势、变异性、不对称性和不确定性。
Comments This paper has been accepted at the CVPR 2026 Workshop on Affective Behavior Analysis in-the-wild (ABAW)
LaScA: Language-Conditioned Scalable Modelling of Affective Dynamics
LaScA：语言条件下的可扩展情感动态建模
机构 * University of Piraeus（比雷埃夫斯大学）
AI总结 本文提出LaScA框架，利用语言模型作为语义上下文条件器，结合手工制作的情感描述符建模情感变化，通过可解释的面部和声音特征提升预测准确性。
Comments This paper has been accepted at the CVPR 2026 Workshop on Affective Behavior Analysis in-the-wild (ABAW)
DINO-QPM: Adapting Visual Foundation Models for Globally Interpretable Image Classification
DINO-QPM：为全球可解释的图像分类适应视觉基础模型
机构 * Institute for Information Processing, L3S - Leibniz University Hannover（信息处理研究所，L3S - 莱布尼茨汉诺威大学）
AI总结 DINO-QPM通过将复杂特征转换为可解释的对比表示，提升图像分类的可解释性，同时在准确性和解释质量上优于DINOv2线性探针。
Comments Accepted to the 5th Explainable AI for Computer Vision (XAI4CV) Workshop at CVPR 2026
CSA-Graphs: A Privacy-Preserving Structural Dataset for Child Sexual Abuse Research
CSA-Graphs: 一种保护隐私的结构数据集用于儿童性虐待研究
机构 * Universidade Estadual de Campinas (UNICAMP)（坎皮纳斯州立大学） ； Instituto Federal de Educação, Ciência e Tecnologia de Minas Gerais (IFMG)（米纳斯吉拉斯联邦教育、科学和技术研究所） ； Universidade de São Paulo (USP)（圣保罗大学） ； Universidade Federal de Minas Gerais (UFMG)（米纳斯吉拉斯联邦大学） ； Polícia Federal (PF)（联邦警察） ； University of Sheffield（谢菲尔德大学）
AI总结 本文提出CSA-Graphs数据集，通过结构化表示替代原始图像，保留上下文信息以实现儿童性虐待图像分类，同时遵守法律和伦理限制。
Comments Conference on Computer Vision and Pattern Recognition (CVPR 2026), in the Workshop on Computer Vision for Children (CV4CHL)
ACE-Merging: Data-Free Model Merging with Adaptive Covariance Estimation
ACE-Merging：无数据模型融合与自适应协方差估计
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； University of Science and Technology of China（中国科学技术大学）
AI总结 本文提出ACE-Merging方法，通过自适应协方差估计实现无数据模型融合，解决专家模型间干扰问题，实验表明其在视觉和语言基准上优于现有方法。
Comments Accepted to CVPR 2026 (Main Track)
TopoMaskV3: 3D Mask Head with Dense Offset and Height Predictions for Road Topology Understanding
TopoMaskV3：用于道路拓扑理解的3D掩码头：具有密集偏移和高度预测
机构 * Graduate School of Informatics, Middle East Technical University（中东技术大学信息学研究生院） ； Togg/Trutek AI Team（Togg/Trutek 人工智能团队）
AI总结 TopoMaskV3通过引入密集偏移场和高度图，实现了3D道路拓扑理解的稳健预测，同时解决了地理数据泄露问题，取得了新的性能突破。
Comments Accepted to CVPR 2026 Workshops (AUTOPILOT 2026): 3rd Workshop on Autonomous Understanding Through Open-world Perception and Integrated Language Models for On-road Tasks
BrepGaussian: CAD reconstruction from Multi-View Images with Gaussian Splatting
BrepGaussian：从多视角图像中通过高斯点划进行CAD重建
机构 * State Key Laboratory of Novel Software Technology, Nanjing University（南京大学计算机软件新技术国家重点实验室） ； Nanjing Urban Construction Tunnel& Bridge Intelligent Management Co., Ltd.（南京城建隧道桥梁智能管理有限公司）
AI总结 本文提出BrepGaussian框架，通过学习2D图像中的3D参数化表示，实现从多视角图像中重建CAD模型，其核心方法是结合可学习特征的高斯点划渲染器和特定拟合策略，有效分离了几何重建与特征学习。
Comments Accepted to CVPR 2026
FlexAvatar: Learning Complete 3D Head Avatars with Partial Supervision
FlexAvatar：通过部分监督学习完整的3D头像
机构 * Technical University of Munich（慕尼黑工业大学）
AI总结 FlexAvatar通过结合单目和多视角数据，解决单目数据不足和多视角数据获取困难的问题，实现高质量的3D头像生成。
Comments Accepted to CVPR 2026, Project website: https://tobias-kirschstein.github.io/flexavatar/ , Video: https://youtu.be/g8wxqYBlRGY
MedGRPO: Multi-Task Reinforcement Learning for Heterogeneous Medical Video Understanding
MedGRPO：异构医学视频理解的多任务强化学习
机构 * Northeastern University（东北大学） ； United Imaging Intelligence（联影智能）
AI总结 本文提出MedGRPO框架，通过跨数据集奖励归一化和医学LLM评判器提升医学视频理解的训练效果，建立基础基准和训练方法。
Comments Accepted at CVPR 2026
PoM: A Linear-Time Replacement for Attention with the Polynomial Mixer
PoM：一种线性时间的注意力替代方案：多项式混合器
机构 * LIGM, CNRS, Univ Gustave Eiffel, ENPC, Institut Polytechnique de Paris（LIGM，法国国家科学研究中心，古斯塔夫·埃菲尔大学，巴黎高科路桥学院，巴黎综合理工学院） ； LIX, École Polytechnique, CNRS, IP Paris（LIX，巴黎综合理工学院，法国国家科学研究中心，巴黎综合理工学院） ； Department of Information Engineering, Università degli Studi di Padova（帕多瓦大学信息工程系） ； AMIAD, Pole recherche, EFEO（AMIAD，法国远东学院研究部） ； LASTIG, Univ Gustave Eiffel, IGN, Géodata Paris（LASTIG，古斯塔夫·埃菲尔大学，法国国家地理与森林信息研究所，巴黎地理数据）
AI总结 本文提出PoM，一种线性复杂度的替代注意力机制，通过学习多项式函数聚合输入令牌，实现高效序列处理，减少长序列计算成本。
Comments Accepted to CVPR Findings 2026
Extending ZACH-ViT to Robust Medical Imaging: Corruption and Adversarial Stress Testing in Low-Data Regimes
扩展ZACH-ViT以实现鲁棒医学影像：在低数据环境下对损坏和对抗性压力测试
机构 * BioML Lab, RI CODE, UniBw, Munich, Germany（慕尼黑联邦国防军大学，RI CODE，BioML实验室，德国慕尼黑） ； AUMC, Amsterdam, Netherlands（阿姆斯特丹大学医学中心，荷兰阿姆斯特丹）
AI总结 本文扩展ZACH-ViT，评估其在低数据环境下对常见图像损坏和对抗扰动的鲁棒性，发现其在清洁数据和常见损坏下表现优异，在对抗性压力下仍保持竞争力，但对抗鲁棒性仍是挑战。
Comments Accepted at CVPR 2026 Workshop (PHAROS-AIF-MIH)
PhySe-RPO: Physics and Semantics Guided Relative Policy Optimization for Diffusion-Based Surgical Smoke Removal
PhySe-RPO：物理与语义引导的相对策略优化用于基于扩散的手术烟雾去除
机构 * School of Computer Science and Engineering, Southeast University（东南大学计算机科学与工程学院） ； School of Future Technology, South China University of Technology（华南理工大学未来技术学院）
AI总结 本文提出PhySe-RPO框架，通过物理和语义引导的相对策略优化，解决手术烟雾去除中配对监督不足的问题，实现物理一致、语义忠实且临床可解释的扩散修复。
Comments 12 pages,7figures,published to CVPR
Diff4Splat: Controllable 4D Scene Generation with Latent Dynamic Reconstruction Models
Diff4Splat：基于潜在动态重建模型的可控4D场景生成
机构 * Peking University（北京大学） ； Xiamen University（厦门大学） ； CUHK（香港中文大学） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 Diff4Splat通过单张图像和相机轨迹生成可控的4D场景，结合视频扩散模型的生成先验与大规模4D数据集学习的几何和运动约束，在单次前向传递中直接预测可变形3D高斯场，无需测试时优化。
Comments Accepted to CVPR 2026. Project page: https://paulpanwang.github.io/Diff4Splat
BulletGen: Improving 4D Reconstruction with Bullet-Time Generation
BulletGen: 通过子弹时间生成提升4D重建
机构 * Meta Reality Labs（Meta 现实实验室）
AI总结 BulletGen利用生成模型在Gaussian动态场景表示中校正错误并补全缺失信息，通过对扩散视频生成模型输出与4D重建在单个冻结子弹时间步骤的对齐，实现新颖视角合成和2D/3D跟踪任务的最先进结果。
Comments Accepted at CVPR 2026 Workshop "4D World Models: Bridging Generation and Reconstruction"
Sparsity-Aware Voxel Attention and Foreground Modulation for 3D Semantic Scene Completion
稀疏感知体素注意力与前景调节用于3D语义场景补全
AI总结 本文提出VoxSAMNet，通过稀疏感知和语义引导设计，解决单目语义场景补全中体素分布不平衡和泛化能力差的问题，实现更高效准确的3D场景补全。
Comments Accepted at CVPR 2026
SVC 2026: the Second Multimodal Deception Detection Challenge and the First Domain Generalized Remote Physiological Measurement Challenge
SVC 2026: 第二届多模态欺骗检测挑战赛及首个领域通用远程生理测量挑战
机构 * Wuhan University（武汉大学） ； Great Bay University（大湾区大学） ； Tsinghua University（清华大学） ； The Chinese University of Hong Kong（香港中文大学） ； Sun Yat-sen University（中山大学） ； Hefei University of Technology（合肥工业大学） ； University of Barcelona（巴塞罗那大学）
AI总结 本文提出SVC 2026挑战赛，旨在通过多模态欺骗检测和远程脉搏波测速估计任务，推动对细微视觉信号的鲁棒表示学习研究。
Comments Accepted by the SVC workshop @ CVPR 2026
Controllable Image Generation with Composed Parallel Token Prediction
通过组合并行令牌预测实现可控图像生成
机构 * Durham University（杜伦大学）
AI总结 本文提出一种理论指导的离散生成过程组合方法，通过掩码生成（吸收扩散）实现多输入条件的精确组合，相比现有方法在误差率和FID上均有显著提升，并实现高效的文本到图像生成控制。
Comments 8 pages + references, 7 figures, accepted to CVPR Workshops 2026 (LoViF). arXiv admin note: substantial text overlap with arXiv:2405.06535
Beyond Semantics: Disentangling Information Scope in Sparse Autoencoders for CLIP
超越语义：在稀疏自编码器中解构信息范围以用于CLIP
机构 * KAIST（韩国科学技术院） ； Korea AI Safety Institute, ETRI（韩国电子通信研究院人工智能安全研究所）
AI总结 本文提出信息范围作为理解CLIP表示的新维度，通过Contextual Dependency Score量化稀疏自编码器特征的广度，揭示不同信息范围特征对CLIP预测和置信度的影响差异。
Comments CVPR 2026 Findings
GaussianGrow: Geometry-aware Gaussian Growing from 3D Point Clouds with Text Guidance
GaussianGrow：基于3D点云与文本引导的几何感知Gaussian生成
机构 * School of Software, Tsinghua University（清华大学软件学院） ； Kuaishou Technology（快手科技） ； CAIR and CIDSAI, NYU Abu Dhabi（纽约大学阿布扎比分校CAIR和CIDSAI）
AI总结 本文提出GaussianGrow，通过学习从3D点云中生长Gaussian，结合多视角扩散模型和文本引导，提升生成几何精度与质量。
Comments Accepted by CVPR 2026. Project page: https://weiqi-zhang.github.io/GaussianGrow
In Depth We Trust: Reliable Monocular Depth Supervision for Gaussian Splatting
深入信赖：为高斯散射可靠的单目深度监督
机构 * Queensland University of Technology（昆士兰科技大学）
AI总结 本文提出一种整合模糊和噪声深度先验的训练框架，以提升高斯散射的几何监督，从而提高渲染质量。
Comments accepted to CVPR 3DMV Workshop
