期刊&会议
Conference on Computer Vision and Pattern Recognition · 会议 · Computer Vision
通过网络剪枝实现跨分辨率扩散模型
机构 * Westlake University（西湖大学） ； University of Electronic Science and Technology of China（电子科技大学）
AI总结 本文提出CR-Diff方法，通过参数剪枝提升扩散模型在不同分辨率下的视觉一致性，保持默认分辨率性能，支持提示特定优化。
Comments Accepted by CVPR Findings 2026
Thinking Diffusion: 通过惩罚和引导在扩散多模态语言模型中抑制和引导视觉推理
机构 * Department of Computer Science, Hanyang University（汉阳大学计算机科学系） ； Department of Artificial Intelligence, Hanyang University（汉阳大学人工智能系）
AI总结 本文针对扩散多模态语言模型在视觉推理中生成过早答案的问题，提出位置与步数惩罚和视觉推理引导方法，提升推理准确率并加快推理速度。
Comments CVPR 2026 - main
面向人类交互的单图像三维重建
机构 * Seoul National University（首尔大学）
AI总结 本文提出HUG3D框架，通过建模群体和实例级信息，解决多人类场景中的几何失真和交互问题，实现高保真三维重建。
Comments Accepted to CVPR 2026
超越语义检索：面向组合图像检索的指代锚定
机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Tencent Inc.（腾讯公司） ； PeopleAI Inc.（人民人工智能公司） ； HelloGroup Inc.（哈啰集团） ； ShanghaiTech University（上海科技大学）
AI总结 本文提出OACIR任务，通过引入对象锚定机制提升组合图像检索的实例一致性，构建了包含16万多个四元组的OACIRR基准，采用AdaFocal框架实现动态关注平衡，实验表明其在保持实例一致性方面表现优异。
Comments Accepted to CVPR 2026. Project page, dataset, and code are available at: https://hahajun1101.github.io/OACIR/
通过3D高斯散射实现大规模360°无人机拍摄影像中的室内资产检测
机构 * UC Berkeley（加州大学伯克利分校）
AI总结 本文提出一种基于3D高斯散射的室内资产检测方法，通过结合掩码语义和空间信息，提升多视角掩码关联和检测精度，实验显示在两个大型室内场景中，F1分数提升65%，mAP提升11%。
Comments Accepted to CVPR 2026 3DMV Workshop
多模态脑MRI的模态感知与解剖矢量量化自编码
机构 * Stanford University（斯坦福大学）
AI总结 本文提出NeuroQuant，一种基于模态感知和解剖学的3D矢量量化自编码器，用于多模态脑MRI重建，通过共享潜在表示和双流编码提升重建精度。
Comments CVPR Fingdings track
PR-IQA：基于扩散模型的新型视角合成的部分参考图像质量评估
机构 * Dongguk University（东国大学） ； NAVER WEBTOON AI
AI总结 PR-IQA通过部分参考图像评估扩散生成的视角合成图像质量，提升3D重建效果，无需真实地面真值。
Comments Accepted at CVPR 2026. Project Page: https://kakaomacao.github.io/pr-iqa-project-page/
PET-DINO：将视觉线索统一到Grounding DINO中通过提示增强训练
机构 * YouTu Lab, Tencent（腾讯优图实验室） ； Huazhong University of Science and Technology（华中科技大学） ； Kling Team, Kuaishou Technology（快手科技可灵团队）
AI总结 PET-DINO通过提示增强训练策略，统一视觉线索到Grounding DINO中，提升零样本目标检测性能。
Comments Accepted by CVPR 2026
SparseCam4D：从稀疏摄像机进行时空一致的4D重建
机构 * State Key Lab of CAD&CG, Zhejiang University（浙江大学CAD&CG国家重点实验室） ； InSpatio Research
AI总结 本文提出一种基于稀疏摄像机的动态重建框架，通过建模生成观测中的时空不一致性和开发完整流程，实现高保真4D重建并显著优于现有方法。
Comments CVPR 2026. Project page: https://inspatio.github.io/sparse-cam4d/ and code: https://github.com/inspatio/sparse-cam4d
UCAN：统一的卷积注意力网络用于轻量超分辨率中的扩展感受野
机构 * Ho Chi Minh City Open University（胡志明市开放大学） ； AI Tech Lab, Ho Chi Minh City University of Technology（胡志明市科技大学人工智能技术实验室） ； Code Mely AI Research Team（Code Mely 人工智能研究团队） ； Global College, Shanghai Jiao Tong University（上海交通大学全球学院） ； Ha Noi University of Science and Technology（河内科技大学） ； University of Manitoba（曼尼托巴大学）
AI总结 UCAN通过融合卷积与注意力机制，有效扩展感受野，采用Hedgehog注意力和蒸馏模块实现高效轻量化，适用于资源受限设备的超分辨率恢复。
Comments Accepted to CVPR 2026
MINERVA-Cultural: 一个用于文化和多语言长视频推理的基准
机构 * Google DeepMind（谷歌DeepMind） ； UC Berkeley（加州大学伯克利分校）
AI总结 本文提出MINERVA-Cultural基准，旨在解决现有视频评估中文化偏见问题，通过多语言多文化视频数据和原生语言问题，推动视频推理模型的发展。
Comments Accepted to CVPR 2026
RenderFlow：通过流匹配实现单步神经渲染
机构 * Disney Research|Studios（迪士尼研究院/工作室） ； ETH Zürich（苏黎世联邦理工学院）
AI总结 本文提出RenderFlow框架，通过流匹配方法实现单步神经渲染，解决传统渲染方法的效率与精度问题，提升渲染质量和视觉效果。
Comments CVPR 2026; Supplementary material included
图像扩散预览与一致性求解器
机构 * Google DeepMind（谷歌DeepMind） ； The Chinese University of Hong Kong（香港中文大学） ； Seoul National University（首尔大学）
AI总结 本文提出ConsistencySolver，通过强化学习优化的轻量高阶求解器，提升图像扩散预览的质量与一致性，减少推理步骤，提高交互效率。
Comments Accepted by CVPR 2026
TRANSPORTER：从VLM流形转移视觉语义
机构 * University of Twente, NL（荷兰特温特大学）
AI总结 本文提出TRANSPORTER方法，通过logits-to-video任务生成视频，揭示VLM预测背后的规则，为模型可解释性提供新方向。
Comments Accepted at IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2026, Project page: https://alexandrosstergiou.github.io/TRANSPORTER
LaSM：用于防御GUI代理中弹出攻击的分层缩放机制
机构 * Shanghai Jiao Tong University（上海交通大学）
AI总结 本文提出LaSM机制，通过分层放大关键层的注意力和MLP模块，提升模型对任务相关区域的对齐性，有效防御弹出攻击，同时不影响模型整体能力。
Comments Accepted by CVPR-26
HazeMatching：利用引导条件流匹配去雾光学显微镜图像
机构 * Human Technopole（人类技术中心） ； Technische Universität Dresden（德累斯顿工业大学）
AI总结 本文提出HazeMatching方法，通过引导条件流匹配框架平衡去雾图像的保真度与真实感，利用模糊观测引导生成过程，有效解决显微图像去雾中的保真与真实感平衡问题。
Comments Accepted to IEEE/CVF CVPR 2026 (Findings). 4 figures, 8 pages + refs, 45 pages total (including supplement), 28 supplementary figures
扰动与恢复：用于从CLIP中有效移除后门的微调
机构 * University of Tübingen & Tübingen AI Center（蒂宾根大学 & 蒂宾根人工智能中心） ； EPFL（瑞士联邦理工学院洛桑）
AI总结 本文提出PAR机制，通过微调有效移除CLIP中的后门，实验表明其在不同编码器和攻击类型上均能保持良好性能，且无需真实训练数据。
Comments CVPR 2026 Findings
DeepSpeak 数据集
机构 * University of California, Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学）
AI总结 本文提出DeepSpeak数据集，包含超过100小时的真实和深度伪造音频视频内容，旨在解决复杂的说话人头像场景。通过提供高质量的真实数据和生成的深度伪造数据，以及基于嵌入的身份匹配方法，提升深度伪造检测的鲁棒性。
Comments https://github.com/hfaridlab/deepspeak
Journal ref Published in CVPR 2026 Findings
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，提升图像生成的可控性和效率。
Comments 8 pages + references, 7 figures, accepted to CVPR Workshops 2026 (LoViF)
Vanast：通过合成三元监督实现的人像虚拟试穿
机构 * Seoul National University（首尔国立大学）
AI总结 Vanast通过统一框架直接从单张人体图像、服装图像和姿态引导视频生成服装转移的人形动画视频，解决传统两阶段流程导致的身份漂移、服装扭曲和前后不一致问题。
Comments Accepted to CVPR 2026, Project Page: https://hyunsoocha.github.io/vanast/
PointTPA：用于3D场景理解的动态网络参数适应
机构 * Huazhong University of Science and Technology（华中科技大学）
AI总结 PointTPA通过动态网络参数适应提升3D场景理解，采用SNG和DPP方法生成输入感知参数，实现参数高效且在ScanNet上取得78.4% mIoU。
Comments Accepted by CVPR 2026. The code is available at https://github.com/H-EmbodVis/PointTPA
一个标记值得一个标记：高效生成世界建模与Delta标记
机构 * Amazon（亚马逊） ； Eindhoven University of Technology（埃因霍温理工大学） ； Johns Hopkins University（约翰霍普金斯大学）
AI总结 本文提出DeltaTok和DeltaWorld，通过将视频特征差值编码为单个连续标记，实现高效生成世界建模，减少参数和计算量，提升预测多样性。
Comments CVPR 2026. Code and weights: https://deltatok.github.io
HorizonWeaver: 通用多级语义编辑用于驾驶场景
机构 * Simon Fraser University（西蒙菲莎大学） ； NEC Labs America（NEC美国实验室）
AI总结 本文提出HorizonWeaver，通过多级粒度、丰富高层语义和普遍领域转移解决驾驶场景编辑难题，构建大规模数据集并改进模型与训练方法，实现复杂驾驶场景的高质量指令驱动编辑。
Comments CVPR Findings 2026
通过标记表示实现统一的向量平面图生成
机构 * The University of Tokyo（东京大学）
AI总结 本文提出Floorplan Markup Language，通过统一的结构化语法生成平面图，开发出 FMLM 模型，在多种条件下生成高质量平面图，实验显示其优于以往专用方法。
Comments CVPR 2026. Webpage: https://mapooon.github.io/FMLPage
不要浪费比特！面向轻量级设备LLM的自适应KV缓存量化
机构 * Clemson University（克莱姆森大学）
AI总结 本文提出自适应KV缓存量化方法，通过动态调整token重要性分配比特数，减少内存和延迟并提升准确性。
Comments Accepted by the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2026
擦除或侵蚀？评估未学习文本到图像扩散模型中的组合退化
AI总结 本文通过组合文本到图像生成视角，评估未学习方法对 nudity 的影响，发现去除非目标概念与组合完整性之间存在权衡，现有评估方法存在局限。
Comments Accepted at CVPR 2026 Workshop on Machine Unlearning for Computer Vision
Saliency-R1: 通过显著图对齐奖励增强可解释性和忠实的视觉-语言推理
机构 * The Chinese University of Hong Kong（香港中文大学） ； City University of Hong Kong（香港城市大学）
AI总结 Saliency-R1通过显著图对齐奖励提升视觉-语言模型的推理可解释性和忠实性，利用显著图技术高效突出关键图像区域，结合GRPO优化策略增强模型对相关区域的关注，实验显示提升推理忠实性和任务性能。
Comments CVPR 2026
RAVEN：用于高效脉冲波束成像的雷达自适应视觉编码器
机构 * Georgia Institute of Technology（佐治亚理工学院）
AI总结 RAVEN通过高效处理雷达数据实现目标检测和分割，采用自适应编码和早退出机制提升效率，减少计算量和延迟。
Comments CVPR submission / conference paper
Journal ref Computer Vision and Pattern Recognition Conference 2026
TM-BSN：三角掩码盲 spot 网络用于真实世界自监督图像去噪
机构 * Department of ECE, INMC, Seoul National University（首尔大学电气与计算机工程系、INMC） ； IPAI, Seoul National University（首尔大学IPAI）
AI总结 本文提出TM-BSN网络，通过三角掩码建模真实sRGB噪声的空间相关性，无需下采样即可实现高效自监督图像去噪，实验表明其性能优于现有方法。
Comments Accepted to CVPR 2026
HandDreamer: 通过纠正手形引导实现零样本文本到3D手模型生成
机构 * Samsung R&D Institute India Bangalore（三星印度班加罗尔研发中心）
AI总结 本文提出HandDreamer，通过MANO手模型初始化和手骨骼引导扩散过程，解决零样本文本生成3D手模型中的视角不一致和细节丢失问题，提升手部结构的自洽性与多样性。
Comments Accepted at IEEE/CVF Conference on Computer Vision and Pattern Recognition (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