期刊&会议
Conference on Computer Vision and Pattern Recognition · 会议 · Computer Vision
BlankSkip： Nano无人机上的早期退出目标检测
机构 * Politecnico di Torino（都灵理工大学）
AI总结 本文提出BlankSkip，一种用于无人机目标检测的自适应网络，通过简单辅助分类任务实现早期退出，提升推理效率，实验显示在Nano无人机平台上实现24%的吞吐量提升，仅牺牲0.015mAP。
Comments Accepted for publication in the Embedded Vision Workshop of the 2026 Computer Vision and Pattern Recognition (CVPR) conference
RecycleLoRA: 基于秩揭示QR分解的双LoRA子空间适应用于领域泛化的语义分割
机构 * Machine Intelligence Laboratory, University of Seoul, Korea（韩国首尔大学机器智能实验室）
AI总结 RecycleLoRA通过秩揭示QR分解系统利用视觉基础模型的子空间结构，提升LoRA的表示丰富性，实现领域泛化语义分割的高性能表现。
Comments Accepted to CVPR 2026 (Findings)
MedLoc-R1: 为基于GRPO的医疗视觉接地任务的性能感知课程奖励调度
机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Emory University（埃默里大学） ； Peking University（北京大学） ； Shandong University（山东大学）
AI总结 本文提出MedLoc-R1框架，通过性能感知奖励调度提升医疗视觉接地任务的定位准确性和训练稳定性，无需引入辅助网络。
Comments 2026 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR)
SHARP：短窗口流式处理用于运动预测中的准确性和鲁棒性
机构 * Institute of Visual Computing, Graz University of Technology（格拉茨技术大学视觉计算研究所）
AI总结 本文提出了一种基于流式处理的运动预测框架，通过逐步处理输入观测窗口和实例感知上下文流，提升在动态交通环境中的预测准确性与鲁棒性。
Comments CVPR 2026. Project page at https://a-pru.github.io/sharp
4DSurf：高保真动态场景表面重建
机构 * Australian National University（澳大利亚国立大学） ； NVIDIA（英伟达） ； Amazon（亚马逊）
AI总结 本文提出4DSurf框架，解决动态场景表面重建问题，通过高斯变形和重叠分段策略实现大变形和时间一致性，实验显示在Chamfer距离上优于现有方法。
Comments Accepted to CVPR 2026
基于物理的高动态范围新型视图合成的高斯点散射
机构 * Department of Electrical and Computer Engineering, Northeastern University（东北大学电气与计算机工程系） ； Khoury College of Computer Science, Northeastern University（东北大学Khoury计算机科学学院）
AI总结 本文提出PhysHDR-GS框架，通过建模内在反射率和可调环境光照，改进HDR-NVS在动态细节重建和光照依赖外观捕捉中的性能，实验表明在真实和合成数据集上具有更高的PSNR和实时渲染速度。
Comments Accepted to CVPR 2026
AffordMatcher: 从视觉符号中学习3D场景中的 affordance
机构 * University of Liverpool（利物浦大学） ； AIOZ Ltd.（AIOZ有限公司） ； National Tsing Hua University（国立清华大学） ； MBZUAI（穆罕默德·本·扎耶德人工智能大学） ； University of Western Australia（西澳大学） ； Indian Institute of Science（印度科学理工学院） ； NVIDIA（英伟达）
AI总结 本文提出AffordMatcher，通过结合点云和图像实例，利用视觉符号实现更精确的affordance区域识别，基于大规模数据集验证了方法有效性。
Comments 14 pages. Accepted to CVPR 2026
Hg-I2P：通过异构图实现通用的图像到点云配准
机构 * Huazhong University of Science and Technology（华中科技大学） ； Northwestern Polytechnical University（西北工业大学） ； Huazhong Agricultural University（华中农业大学） ； Delft University of Technology（代尔夫特理工大学）
AI总结 本文提出Hg-I2P方法，通过异构图融合多模态特征，提升图像与点云配准的泛化能力和精度。
Comments Accepted to CVPR 2026
从跨视图关系学习多视图空间推理
机构 * KAIST（韩国科学技术院） ； Config ； Hanyang University（汉阳大学） ； Yonsei University（延世大学） ； Seoul National University（首尔国立大学）
AI总结 本文提出Cross-View Relations数据集，通过训练视觉语言模型提升多视图空间推理能力，在MindCube和RoboSpatial基准测试中取得显著提升，并在RoboCasa任务中提高机器人操作成功率。
Comments Accepted to CVPR 2026
RINO：旋转不变非刚性对应
机构 * TUM（慕尼黑工业大学） ； Stanford University（斯坦福大学） ； MCML（慕尼黑机器学习中心） ； MIT（麻省理工学院）
AI总结 本文提出RINO框架，通过旋转不变的特征提取器实现非刚性形状匹配，无需预对齐或手工特征，提升非等距变形等任务的性能。
Comments 17 pages, 36 Figures, Computer Vision and Pattern Recognition (CVPR) 2026
Journal ref Computer Vision and Pattern Recognition (CVPR) 2026
CPUBone：为低并行化能力设备设计的高效视觉骨干网络
机构 * University of Udine, Italy（意大利乌迪内大学） ； York University, Canada（加拿大约克大学）
AI总结 本文提出CPUBone，一种针对CPU推理优化的视觉骨干网络，通过改进卷积操作降低计算成本，实现高效的Speed-Accuracy Trade-offs。
Comments Accepted at CVPR Findings 2026
PhysVid: 基于物理的局部条件生成视频模型
机构 * Eindhoven University of Technology（埃因霍温理工大学）
AI总结 PhysVid通过引入物理感知的局部条件生成视频，提升物理合理性。在VideoPhy上，其物理常识得分比基线模型提高约33%，在VideoPhy2上提高约8%。
Comments Accepted for publication in CVPR 2026
PAD-Hand: 基于物理的扩散方法用于手部运动恢复
机构 * Michigan State University（密歇根州立大学） ； Independent Researcher（独立研究者）
AI总结 本文提出了一种物理感知的条件扩散框架，通过MeshCNN-Transformer架构，利用欧拉-拉格朗日动力学提升手部运动的物理一致性，并通过方差估计增强运动的可解释性。
Comments Accepted to CVPR 2026
Wan-Weaver：通过解耦训练实现交错多模态生成
机构 * Tongyi Lab（通义实验室） ； Tsinghua University（清华大学）
AI总结 本文提出Wan-Weaver，通过解耦训练实现交错多模态生成，利用文本规划和视觉一致性建模，生成长文本连贯性和视觉一致性。
Comments CVPR 2026 Camera-ready, Webpage: https://doubiiu.github.io/projects/WanWeaver
A$^3$：迈向广告审美评估
机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Institute of Image Communication and Network Engineering, Shanghai Jiao Tong University（上海交通大学图像通信与网络工程研究所） ； School of Information and Electronic Engineering, East China Normal University（华东师范大学信息与电子工程学院） ； School of Computer Science and Technology, Xi’an Jiaotong University（西安交通大学计算机科学与技术学院）
AI总结 本文提出A$^3$框架，通过理论驱动的A$^3$-Law、大规模标注数据集A$^3$-Dataset、多模态大语言模型A$^3$-Align及基准A$^3$-Bench，解决广告审美评估中主观性、缺乏标准等问题。
Comments Accepted to CVPR 2026
OddGridBench: 暴露多模态大语言模型在细粒度视觉差异敏感性方面的不足
机构 * College of Computer Science and Software Engineering, Shenzhen University（深圳大学计算机与软件学院） ； Guangdong Laboratory of Artificial Intelligence and Digital Economy (SZ)（广东省人工智能与数字经济实验室（深圳）） ； Shenzhen Technology University（深圳技术大学） ； Tsinghua Shenzhen International Graduate School（清华大学深圳国际研究生院） ； Meituan（美团）
AI总结 本文提出OddGridBench基准，评估多模态大语言模型的视觉差异敏感性，发现其检测能力远低于人类，提出OddGrid-GRPO框架提升模型细粒度视觉辨别能力。
Comments accepted by CVPR 2026
$ϕ$-DPO：面向大多模态模型持续学习的公平性直接偏好优化方法
机构 * CVIU Lab, University of Arkansas（阿肯色大学 CVIU 实验室） ； Dep. of Geosciences, University of Arkansas（阿肯色大学地球科学系） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 本文提出$ϕ$-DPO框架，通过直接偏好优化缓解持续学习中的灾难性遗忘问题，并解决数据不平衡导致的公平性问题，实验表明其在多个基准上表现优异。
Comments Accepted to CVPR'26
ConceptPrism：通过残差标记优化实现个性化扩散模型的概念解耦
机构 * KAIST（韩国科学技术院） ； Hanbat National University（韩巴大学）
AI总结 本文提出ConceptPrism框架，通过残差标记优化实现个性化扩散模型中的概念解耦，提升生成图像的质量与准确性。
Comments Accepted to CVPR 2026
VerseCrafter：基于4D几何控制的动态真实视频世界模型
机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； HKU（香港大学） ； ARC Lab, Tencent PCG（腾讯PCG ARC实验室）
AI总结 本文提出VerseCrafter，通过4D几何控制生成动态真实视频，相比传统方法更精确控制相机和多物体运动。
Comments Project Page: https://sixiaozheng.github.io/VerseCrafter_page/, Accepted by CVPR 2026
OccuFly：一种用于从空中视角进行语义场景补全的3D视觉基准
机构 * Fraunhofer Institute IVI（弗劳恩霍夫交通与基础设施系统研究所） ； TU Munich（慕尼黑工业大学） ； MCML（慕尼黑机器学习中心） ； UCLA（加州大学洛杉矶分校）
AI总结 本文提出OccuFly基准，通过无LiDAR相机数据生成框架，提供21类语义的20000+样本，评估视觉模型在空中场景中的局限性。
Comments Accepted to CVPR 2026
OMG-Bench：一种新的挑战性基准，用于基于骨架的在线微手部手势识别
机构 * School of Systems Science and Engineering, Sun Yat-sen University（中山大学系统科学与工程学院） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； Shanghai Jiao Tong University（上海交通大学） ； Nankai University（南开大学） ； Defense Innovation Institute, Academy of Military Sciences（军事科学院国防创新研究院） ； Tianjin Artificial Intelligence Innovation Center（天津人工智能创新中心）
AI总结 本文提出OMG-Bench，首个大规模公开基准，用于基于骨架的在线微手势识别，包含40个细粒度手势类别，提出HMATr框架提升识别性能。
Comments Accepted by CVPR 2026
脱离网格：用于前馈3D高斯散射的原始形检测
机构 * Huawei Noah’s Ark Lab（华为诺亚方舟实验室）
AI总结 本文提出了一种前馈架构，通过子像素级检测3D高斯原始形，替代传统网格，提升质量和效率。结合预训练的3D重建模型，无需3D标注即可生成逼真3DGS场景，实现最先进的视图合成。
Comments CVPR 2026 camera ready version
LitePT: 更轻更强大的点云变换器
机构 * ETH Zurich（苏黎世联邦理工学院） ； University of Oxford（牛津大学） ； University of Zurich（苏黎世大学）
AI总结 本文提出LitePT模型，通过在早期阶段使用卷积层，后期切换至注意力机制，减少参数并提升效率，同时在多个任务和数据集上表现优异。
Comments CVPR 2026, Project page: https://litept.github.io/
VideoARM：基于分层记忆的代理推理用于长视频理解
AI总结 VideoARM通过自适应代理推理和分层记忆结构，有效降低长视频理解的token消耗，优于现有方法DVD。
Comments Accepted to CVPR 2026, code available at https://milvlg.github.io/videoarm/
BabyVLM-V2：迈向基于发展基础的视觉基础模型预训练与基准测试
机构 * Boston University（波士顿大学） ； Sony Group Corporation（索尼集团公司）
AI总结 BabyVLM-V2通过纵向多维预训练集、灵活模型和DevCV工具箱，提升婴儿启发式视觉语言模型性能，实验证明其在基准测试中表现优异。
Comments Accepted to CVPR 2026 main track
UniLS: 端到端的音频驱动统一说话和倾听虚拟角色
机构 * Shanda AI Research Tokyo（盛大人工智能研究院东京） ； The University of Tokyo（东京大学） ； Institute of Science Tokyo（东京科学大学）
AI总结 UniLS通过双轨音频驱动，提出端到端框架生成统一的说话和倾听表达，解决听众动作建模难题，提升倾听表现达44.1%。
Comments CVPR 2026, code is available at https://github.com/xg-chu/UniLS, more demos are available at https://xg-chu.site/project_unils/
LAMP：语言辅助运动规划用于可控视频生成
机构 * Koç University（科奇大学） ； University College London（伦敦大学学院） ； Hacettepe University（哈斯特帕大学） ； Adobe Research（Adobe研究院）
AI总结 LAMP通过大语言模型生成3D轨迹，实现基于自然语言的视频生成，提升运动可控性和用户意图对齐。
Comments CVPR 2026. Project Page: https://cyberiada.github.io/LAMP/
从观察到行动：用于工业场景中VLA预训练的基于动作的潜在原始分割
AI总结 本文提出了一种无监督框架，利用连续工业视频流中的大量未标记人类示范数据进行VLA模型预训练。方法首先训练了一个轻量级运动分词器来编码运动动态，然后利用新的'潜在动作能量'度量来发现和分割语义连贯的动作原始片段。
Comments 10 pages, 5 figures, Accepted to CVPR 2026
UniGame: 将统一多模态模型转变为自身对手
机构 * William & Mary（威廉与玛丽学院） ； Independent（独立研究者） ； Carnegie Mellon University（卡内基梅隆大学） ； University of Wisconsin–Madison（威斯康星大学麦迪逊分校）
AI总结 UniGame通过自对抗框架提升多模态模型的一致性与鲁棒性，显著增强理解、生成和对抗鲁棒性。
Comments Accepted to CVPR 2026
统一球面前端：从任何相机学习旋转等变的球面图像表示
机构 * Carnegie Mellon University, Robotics Institute（卡内基梅隆大学机器人研究所）
AI总结 本文提出USF框架，通过射线方向对应将任意相机图像映射到单位球面，实现旋转等变的球面卷积，提升宽视场图像处理性能。
Comments Accepted to CVPR 2026. Camera-ready version. Added computation benchmark
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