期刊&会议
Conference on Computer Vision and Pattern Recognition · 会议 · Computer Vision
提示选择是否对无任务在线持续学习必要？
机构 * Sungkyunkwan University（成均馆大学）
AI总结 本文提出单提示方法，无需提示选择，通过优化分类器减少遗忘，实现无任务在线持续学习的最优性能。
Comments Accepted to CVPR Findings 2026. The code is available at https://github.com/efficient-learning-lab/SinglePrompt
3D-Fixer：从单张图像生成3D场景的粗到细就地补全
机构 * College of Computer Science, Nankai University（南开大学计算机科学学院） ； School of Intelligence Science and Technology, Nanjing University（南京大学智能科学与技术学院） ； Horizon Robotics（地平线机器人） ； D-Robotics
AI总结 本文提出3D-Fixer，通过粗到细的生成方案解决单张图像生成3D场景的布局和3D资产恢复问题，结合双分支条件网络和Occlusion-Robust Feature Alignment策略，提升生成精度和效率，同时引入ARSG-110K数据集提升训练效果。
Comments 17 pages, 10 figures, CVPR 2026, project page: https://zx-yin.github.io/3dfixer
强化以学习，选择以推理：视频推理的双范式
机构 * National University of Defense Technology（国防科技大学） ； Sun Yat-sen University（中山大学）
AI总结 本文提出RLER双范式，通过强化学习生成证据并验证推理一致性，提升视频推理的可靠性和可解释性，实验表明其在多个基准上均取得最佳性能。
Comments Accepted at CVPR 2026. Camera-ready version
图到帧RAG：面向无训练和可审计的视频推理的视觉空间知识融合
机构 * National University of Defense Technology（国防科技大学） ； Sun Yat-sen University（中山大学）
AI总结 本文提出G2F-RAG，通过视觉空间知识融合提升视频推理的可解释性和效率，减少认知负担并保留可追溯的证据轨迹。
Comments Accepted at CVPR 2026. Camera-ready version
OmniSonic: 向通用和整体音频生成迈进：从视频和文本生成音频
机构 * The University of Texas at Dallas（德克萨斯大学达拉斯分校） ； Clemson University（克莱姆森大学） ； University of Toronto（多伦多大学）
AI总结 本文提出UniHAGen任务，通过视频和文本生成涵盖屏幕内外声音的综合音频场景。OmniSonic基于流匹配扩散框架，采用TriAttn-DiT架构和MoE门控机制，实现屏幕内外声音和语音的联合生成，建立新的UniHAGen-Bench基准。
Comments CVPR 2026
高效的空间飞行器姿态估计：结合事件相机与神经形态硬件
机构 * University of Luxembourg（卢森堡大学） ； Fortiss GmbH（Fortiss有限公司） ； Technical University of Munich（慕尼黑工业大学） ； Paddington Robotics（Paddington机器人公司）
AI总结 本文提出一种结合事件相机与神经形态硬件的空间飞行器六自由度姿态估计方案，通过轻量事件-帧表示训练紧凑的MobileNet风格关键点回归网络，实现低功耗实时推理，展示了首个在Akida硬件上端到端运行的飞行器姿态估计演示。
Comments AI4SPACE workshop at CVPR 2026
MonoSAOD：基于稀疏标注标签的单目3D物体检测
机构 * Kyung Hee University（庆熙大学）
AI总结 本文提出MonoSAOD框架，通过Road-Aware Patch Augmentation和Prototype-Based Filtering实现稀疏标注下的单目3D物体检测，结合几何保留增强与原型引导伪标签，提升稀疏监督下的检测鲁棒性。
Comments Accepted to CVPR 2026
测试时适应中的神经塌陷
机构 * Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Peking University（北京大学） ； Sichuan University（四川大学） ； Shenzhen Technology University（深圳技术大学）
AI总结 本文基于神经塌陷理论，提出NCTTA方法，通过特征与分类器对齐缓解域偏移影响，实验证明其在ImageNet-C上优于Tent。
Comments Aceepted by CVPR 2026
通过潜在表示编辑视频中的生理信号
机构 * University College London（伦敦大学学院） ； UNC Chapel Hill（北卡罗来纳大学教堂山分校） ； NVIDIA（英伟达）
AI总结 本文提出了一种通过潜在空间编辑视频中生理信号的方法，利用3D VAE和FiLM技术实现视觉保真度与生理信号调节的平衡，实验显示在保持高质量的同时可有效控制心率。
Comments Accepted to CVPR 2026 Subtle Visual Computing Workshop, 13 pages, 8 figures, 7 tables
SciGA：用于学术论文中设计图形摘要的综合性数据集
机构 * Hosei University（法政大学）
AI总结 本文提出SciGA-145k数据集，用于支持图形摘要的选择与推荐，以及自动化生成研究。通过定义两个任务和新的评估指标CAR，推动AI for Science中的科学传播。
Comments 28 pages, 21 figures, 9 tables. Accepted to CVPR Findings 2026. Project page: https://iyatomilab.github.io/SciGA/
ZINA：多模态细粒度幻觉检测与编辑
机构 * Keio AI Research Center（庆应义塾大学人工智能研究中心） ； Keio University（庆应义塾大学） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 本文提出ZINA方法，用于多模态大语言模型的细粒度幻觉检测与编辑，通过构建VisionHall数据集验证了其在检测和编辑任务中的优越性。
Comments CVPR 2026 Main Conference
BePo：3D占用预测的双表示
机构 * Qualcomm AI Research（高通人工智能研究院） ； Qualcomm Technologies, Inc.（高通技术公司）
AI总结 本文提出BePo，通过结合BEV和稀疏点的双表示，解决小物体和大平面的占用预测问题，实验表明其在多个基准上表现优异且推理成本低。
Comments CVPR 2026 Workshop on Autonomous Driving
PhysGaia：一个包含多体相互作用的物理感知基准，用于动态新视角合成
机构 * Computer Vision Laboratory, Seoul National University（首尔大学计算机视觉实验室）
AI总结 PhysGaia是首个关注动态新视角合成中物理一致性重建的基准，包含复杂多体交互场景和多种材料，提供高保真物理模拟和真实轨迹数据以推动相关研究。
Comments Accepted at CVPR 2026 Project page: http://cvlab.snu.ac.kr/research/PhysGaia Dataset: https://huggingface.co/datasets/mijeongkim/PhysGaia/tree/main
姿态多样化扩散模型：用于人体重识别的姿态多样化增强
机构 * KAIST AI（韩国科学技术院人工智能学院） ； SK Telecom（SK电讯）
AI总结 本文提出Pose-dIVE，通过扩散模型结合姿态和视角信息，增强重识别模型对姿态和视角变化的鲁棒性，提升模型泛化能力。
Comments CVPR 2026 Findings, Project page: https://cvlab-kaist.github.io/Pose-dIVE
SketchDeco：无需训练的潜在空间构图用于精确草图着色
机构 * SketchX, CVSSP, University of Surrey（萨里大学CVSSP实验室SketchX团队）
AI总结 SketchDeco通过无需训练的潜在空间构图方法，实现精确草图着色，结合专业设计需求与直观区域控制，利用简单掩码和颜色调色板实现空间和色彩精确指定，无需手动分配或文本提示模糊性。
Comments Accepted in CVPR 2026. Project page available at https://chaitron.github.io/SketchDeco/
LAA-X：统一的局部化瑕疵注意力用于质量无关且可泛化的面部伪造检测
机构 * CRISTAL laboratory, ENSI, University of Manouba（马努巴大学ENSI学院CRISTAL实验室） ； SnT, University of Luxembourg（卢森堡大学SnT中心）
AI总结 本文提出LAA-X框架，通过多任务学习与数据合成结合，实现对高质量伪造和未知篡改的鲁棒检测，支持CNN和Transformer结构，提供LAA-Net和LAA-Former两种版本，能与最新方法在多个基准上竞争。
Comments Journal version of LAA-Net (CVPR 2024)
4C4D: 4台相机的4维高斯点散布
机构 * School of Software, Tsinghua University（清华大学软件学院） ； Kuaishou Technology（快手科技）
AI总结 本文提出4C4D框架，通过极稀疏相机拍摄实现高保真4维高斯点散布，解决视频中4维动态场景重建问题，提升几何建模能力。
Comments Accepted by CVPR 2026. Project page: https://junshengzhou.github.io/4C4D
具有自适应补丁代码书的分层点-补丁融合用于3D形状异常检测
机构 * The University of Melbourne（墨尔本大学） ； Tsinghua University（清华大学） ； The University of New South Wales（新南威尔士大学） ； Delft University of Technology（代尔夫特理工大学）
AI总结 本文提出一种分层点-补丁异常评分网络，通过联合建模区域部分特征和局部点特征，提升3D形状异常检测的鲁棒性。采用自适应补丁化模块捕捉复杂结构偏差，并在公开和工业数据集上取得优越的AUC-ROC和AUC-PR性能。
Comments 10 pages, 5 figures, 6 tables
Journal ref CVPR 2026
对角 tiled 混合精度注意力机制用于高效低比特 MXFP 推理
机构 * State Key Laboratory of Complex & Critical Software Environment (SKLCCSE), Beihang University（北京航空航天大学复杂关键软件环境国家重点实验室） ； 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） ； School of Artificial Intelligence, Beihang University（北京航空航天大学人工智能学院） ； Beijing Jiaotong University（北京交通大学）
AI总结 本文提出了一种低比特混合精度注意力核，利用MXFP数据格式在下一代GPU架构上实现高效低比特MXFP推理，通过融合核和硬件级并行性提升推理速度而不牺牲模型性能。
Comments CVPR Workshop EDGE 2026
通过半监督基础模型蒸馏训练学生专家
机构 * Texas A&M University（德克萨斯农工大学）
AI总结 本文提出半监督知识蒸馏框架，利用有限标注和大量未标注数据压缩预训练视觉基础模型，提升实例分割性能，通过对比学习和多目标损失提升学生模型效果。
Comments Accepted to the 2026 IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops (CVPRW). 14 pages, 9 figures
活动取证：一种全面的基准，用于定位视频中的篡改活动
机构 * College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； School of Electrical and Electronic Engineering, Nanyang Technological University（南洋理工大学电气与电子工程学院） ； School of Computing and Artificial Intelligence, Jiangxi University of Finance and Economics（江西财经大学计算机与人工智能学院） ； Jiangxi Provincial Key Laboratory of Multimedia Intelligent Processing（江西省多媒体智能处理重点实验室） ； Faculty of Engineering, Shenzhen MSU-BIT University（深圳北理莫斯科大学工程系） ； VinUniversity
AI总结 本文提出ActivityForensics基准，用于定位视频中被篡改的活动。该基准包含6000多个无缝融合的篡改视频片段，并引入了Temporal Artifact Diffuser方法，评估了多种最先进的伪造定位器。
Comments [CVPR 2026] The first benchmark for action-level deepfake localization
InCaRPose：车内相对相机姿态估计模型与数据集
机构 * University of Wuppertal（伍珀塔尔大学） ； Aptiv（Aptiv公司）
AI总结 本文提出InCaRPose模型，基于Transformer架构实现车内环境下高精度相机姿态估计，通过合成数据训练实现对鱼眼镜头畸变的鲁棒性，并在7-Scenes数据集上表现优异。
Comments Accepted at the CVPR 2026 Workshop on Autonomous Driving (WAD)
重新思考位置嵌入作为多参考和多镜头视频生成的上下文控制器
机构 * Wuhan University（武汉大学） ； University of Science and Technology of China（中国科学技术大学） ； Hong Kong University of Science and Technology（香港科技大学） ； Tsinghua University（清华大学）
AI总结 本文提出PoCo方法，通过引入位置嵌入作为额外的上下文控制，解决多参考和多镜头视频生成中参考混淆问题，提升跨镜头一致性和参考保真度。
Comments Accepted to CVPR 2026
CGHair: 基于卡聚类的紧凑高斯发丝重建
机构 * Carnegie Mellon University（卡内基梅隆大学） ； ShanghaiTech University（上海科技大学）
AI总结 本文提出一种紧凑的高保真发丝重建方法，通过卡聚类减少存储和渲染成本，同时保持视觉质量。
Comments Accepted to CVPR 2026. This arXiv version is not the final published version
XSeg：一个大规模X射线违禁品分割基准用于现实世界的安全筛查
机构 * Xi’an Jiaotong University（西安交通大学） ； South China University of Technology（华南理工大学） ； Shenzhen Loop Area Institute（深圳河套学院） ； Pazhou Laboratory（琶洲实验室）
AI总结 本文提出XSeg，首个大规模X射线违禁品分割数据集，包含98644张图像和295932个实例掩码，通过自定义数据清洗流程提升数据质量，并引入APSAM模型提升分割性能。
Comments 12 pages, 8 figures, Accepted to CVPR 2026
爱我，爱我的标签：重新思考标签在视觉上下文学习中的提示检索中的作用
机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； School of Computer Science and Engineering, Northeastern University（东北大学计算机科学与工程学院）
AI总结 本文提出LaPR框架，通过增强标签信息提升视觉上下文学习中提示检索的性能，实验表明其在分割、检测和着色任务中表现优异。
Comments Accepted to CVPR 2026. 10 pages, 5 figures, 3 tables
想象之前聚焦：扩散引导的寄存器增强部分相关视频检索
机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Peng Cheng Laboratory（鹏城实验室）
AI总结 本文提出DreamPRVR，通过粗到细的表示学习范式，利用扩散模型生成全局语义寄存器，提升部分相关视频检索的准确性与鲁棒性。
Comments Accepted to CVPR 2026. 15 pages, 7 figures, 3 tables
自然图像自编码器能否为长程动态建模紧凑地编码fMRI体积？
机构 * ECE, Seoul National University（首尔大学电气与计算机工程系） ； IPAI, Seoul National University（首尔大学IPAI研究所） ； BCS, Seoul National University（首尔大学生物与认知科学系） ； Psychology, Seoul National University（首尔大学心理学系） ； ASRI / INMC / AIIS, Seoul National University（首尔大学ASRI/INMC/AIIS研究所）
AI总结 本文提出TABLeT方法，利用预训练的2D自然图像自编码器对fMRI体积进行紧凑编码，以高效建模长程时空动态，优于现有方法并在计算和内存效率上取得显著提升。
Comments CVPR 2026
BlazeFL：快速且确定性的联邦学习仿真
机构 * Institute of Science Tokyo（东京科学大学）
AI总结 BlazeFL通过自由线程共享内存执行和确定性随机数管理，解决了联邦学习仿真中效率与可重复性之间的权衡问题，提升了仿真速度并保持轻量级依赖。
Comments 9 pages, 4 figures. Accepted to the FedVision at CVPR 2026 (CVPRW)
SBF：一种有效的表示方法用于增强基于视频的人体动作识别的骨架
机构 * The Hong Kong University of Science and Technology（香港科技大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
AI总结 本文提出SBF表示方法，通过引入尺度图、人体图和流图来增强骨架信息，提升动作识别精度。
Comments Accepted by ABAW2026 (CVPR Workshop)
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