期刊&会议
Conference on Computer Vision and Pattern Recognition · 会议 · Computer Vision
Tell2Adapt：通过视觉基础模型实现源无关无监督领域自适应的统一框架
AI总结 Tell2Adapt通过视觉基础模型实现源无关无监督领域自适应，利用上下文感知提示正则化和视觉合理性细化提升医学图像分割性能。
Comments Accepted by IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR 2026)
思考，然后验证：一种用于长视频理解的假设-验证多智能体框架
机构 * College of Computer Science, Zhejiang University of Technology（浙江工业大学计算机科学学院） ； Zhejiang Key Laboratory of Visual Information Intelligent Processing（浙江视觉信息智能处理重点实验室） ； UC Berkeley（伯克利大学） ； College of Computer Science and Technology, East China Normal University（华东师范大学计算机科学与技术学院）
AI总结 VideoHV-Agent通过结构化假设-验证流程提升长视频理解的准确性、可解释性和效率。
Comments Accepted at CVPR 2026
FedAFD: 通过对抗融合与蒸馏实现多模态联邦学习
机构 * Zhejiang Key Laboratory of Space Information Sensing and Transmission, Hangzhou Dianzi University（浙江空间信息感知与传输重点实验室，杭州电子大学） ； Laboratory of Complex Systems Modeling and Simulation, School of Computer Science and Technology, Hangzhou Dianzi University（复杂系统建模与仿真实验室，计算机科学与技术学院，杭州电子大学） ； Alibaba International Digital Commerce Group（阿里巴巴国际数字商业集团） ； College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院）
AI总结 FedAFD通过对抗融合与蒸馏方法，解决多模态联邦学习中的模态差异、任务差异和模型异质性问题，提升客户端与服务器的学习性能。
Comments Accepted by CVPR 2026
MASQuant: 多模态大语言模型的模态感知平滑量化
机构 * Alibaba Cloud Computing, Alibaba Group（阿里巴巴云 computing，阿里巴巴集团）
AI总结 MASQuant通过模态感知平滑和跨模态补偿技术，解决多模态大语言模型的量化问题，实现稳定且高效的量化性能。
Comments Accepted to CVPR 2026
迈向真实世界红外图像超分辨率：一个统一的自回归框架和基准数据集
机构 * School of Computer Science, Northwestern Polytechnical University（西北工业大学计算机学院） ； School of Software Technology & DUT-RU International School of ISE, Dalian University of Technology（大连理工大学软件学院及DUT-RU国际信息工程学院） ； School of Computer Science, Zhejiang University（浙江大学计算机学院） ； College of Information Science and Technology, Dalian Maritime University（大连海事大学信息科学与技术学院）
AI总结 本文提出Real-IISR框架和FLIR-IISR数据集，通过热-结构引导的自回归方法提升真实世界红外图像超分辨率性能。
Comments This paper was accepted by CVPR 2026
PinPoint：评估组合图像检索的综合基准，包含显式负样本、多图像查询和同义词测试
AI总结 PinPoint提出一个综合基准测试，通过多正确答案、显式负样本和同义词测试评估组合图像检索的鲁棒性和公平性。
Comments Accepted for CVPR 2026
Dr.Occ: 从环绕视图摄像头获取3D占用的深度和区域引导方法用于自动驾驶
机构 * School of Electronic Information, Wuhan University（武汉大学电子信息学院） ； Horizon Robotics ； Wuhan University Shenzhen Research Institute（武汉大学深圳研究院）
AI总结 Dr.Occ通过深度和区域引导方法提升自动驾驶中3D占用预测的几何对齐和语义学习效果。
Comments 10 pages, 6 figures. Accepted at CVPR 2026
AlignVAR: 向图像超分辨率的全局一致视觉自回归模型
机构 * University of Electronic Science and Technology of China（电子科技大学） ； Ubiquitous Intelligence and Trusted Services Key Laboratory of Sichuan Province（四川省 ubiquitous intelligence and trusted services 重点实验室）
AI总结 AlignVAR 通过空间一致性自回归和层次一致性约束提升图像超分辨率的全局一致性与效率。
Comments Accepted to CVPR 2026 Findings
学习驾驶是免费礼物：从未经处理的现实视频中进行大规模无标签自主性预训练
机构 * Applied Intuition ； Stanford University（斯坦福大学） ； UC Berkeley（加州大学伯克利分校）
AI总结 本文提出一种无标签、教师引导的框架，通过未经处理的现实视频学习自动驾驶表示，无需姿态、标签或LiDAR，实现高效的自动驾驶感知和规划。
Comments Accepted at CVPR 2026
MorphAny3D: 解锁结构潜在力量在3D变形中的应用
机构 * Nanjing University（南京大学） ； Peking University（北京大学）
AI总结 MorphAny3D通过结构潜在表示实现高质量3D变形，利用注意力机制生成合理变形序列，并支持解耦变形和3D风格迁移。
Comments Accepted by CVPR 2026; Project page: https://xiaokunsun.github.io/MorphAny3D.github.io
ViRC: 通过推理分块增强视觉交错数学思维链
AI总结 ViRC通过引入推理分块机制，提升多模态数学任务中的推理能力，实现18.8%的性能提升。
Comments Accepted to CVPR 2026 (Main Track)
STAvatar: 基于软绑定与时间密度控制的单目3D头部人偶重建
机构 * MAIS, Institute of Automation, Chinese Academy of Sciences（自动化研究所，中国科学院） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； CAIR, HKISI, Chinese Academy of Sciences（中国科学院计算技术研究所） ； SCSE, FIE, M.U.S.T（M.U.S.T）
AI总结 STAvatar通过软绑定与时间密度控制方法，实现了单目视频中高保真3D头部人偶的重建，尤其在细粒度细节和遮挡区域的重建上表现优异。
Comments Accepted to CVPR 2026. Project page: https://jiankuozhao.github.io/STAvatar/
Graph2Eval: 通过知识图谱实现自动多模态任务生成
机构 * Zhejiang University（浙江大学） ； Xiameng University（Xmeng大学） ； The Ohio State University（俄亥俄州立大学） ； Ant Group（蚂蚁集团）
AI总结 Graph2Eval通过知识图谱生成多模态任务，提升智能体任务的语义一致性和可解性，提供新的评估视角。
Comments Accepted at CVPR 2026 Main Conference
阐明基于任意噪声的扩散模型的设计空间
机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Case Western Reserve University（凯斯西储大学）
AI总结 EDA通过扩展噪声模式灵活性并保持模块化，提升图像恢复任务的泛化能力。
Comments 16 pages, 4 figures, accepted by CVPR 2026
HypeVPR: 在超球面空间中探索视角到等距投影的视觉位置识别
机构 * Yonsei University（延世大学） ； Kookmin University（韩国庆熙大学） ； Korea Institute of Science and Technology (KIST)（韩国科学技术院）
AI总结 HypeVPR通过在超球面空间中利用分层嵌入框架，提升视角到等距投影的视觉位置识别的精度与效率。
Comments CVPR 2026
CubeComposer: 从视角视频生成空间-时间自回归4K 360°视频
机构 * The Chinese University of Hong Kong（香港中文大学） ； ARC Lab, Tencent PCG Project lead（腾讯PCG项目负责人）
AI总结 CubeComposer通过空间-时间自回归扩散模型实现4K分辨率360°视频生成，提升VR沉浸体验
Comments Accepted to CVPR 2026
ViterbiPlanNet: 通过可微Viterbi注入过程性知识以在教学视频中进行规划
机构 * University of Catania（卡塔尼亚大学） ； University of Bath（巴斯大学）
AI总结 ViterbiPlanNet通过可微Viterbi层整合过程性知识，实现高效的教学视频规划，提升样本效率和鲁棒性。
Comments Accepted at CVPR 2026
EmbodiedSplat: 在线前馈语义3DGS用于开放词汇3D场景理解
机构 * National University of Singapore（新加坡国立大学）
AI总结 EmbodiedSplat通过在线前馈3DGS实现开放词汇3D场景理解，结合CLIP编码和3D U-Net提升语义重建效率与泛化能力。
Comments CVPR 2026, Project Page: https://0nandon.github.io/EmbodiedSplat/
EgoPoseFormer v2：面向AR/VR的精准自体中心人体运动估计
机构 * Meta ； KAUST ； Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所）
AI总结 EgoPoseFormer v2通过Transformer模型和自动标注系统，在AR/VR中实现更准确的自体中心人体运动估计，准确率提升12.2%-19.4%，时间抖动降低22.2%-51.7%。
Comments Accepted to CVPR 2026
通过锚定描述实现的判别感知用于推理分割
机构 * Northwestern Polytechnical University（西北工业大学）
AI总结 本文提出DPAD方法，通过生成描述性标题来增强推理分割的判别能力，提升推理链的聚焦性和效率。
Comments Accepted by CVPR 2026
UniRain: 基于RAG的数据蒸馏和多目标重加权优化的统一图像去雨
机构 * Dalian Polytechnic University（大连理工大学） ； Nanjing University of Science and Technology（南京理工大学）
AI总结 UniRain通过基于RAG的数据蒸馏和多目标重加权优化，实现统一图像去雨，有效应对不同雨损场景。
Comments Accepted by CVPR 2026; Project Page: https://github.com/QianfengY/UniRain
结构动作变换器用于3D灵巧操作
机构 * MoE Key Laboratory of Brain-inspired Intelligent Perception and Cognition, University of Science and Technology of China（脑启发智能感知与认知国家重点实验室，中国科学技术大学） ； Institute of Artificial Intelligence, Hefei Comprehensive National Science Center（人工智能研究院，合肥综合性国家科学中心）
AI总结 本文提出结构动作变换器，通过结构化视角解决高自由度机械手的跨身体技能转移问题，实现更高效的灵巧操作。
Comments Accepted by CVPR
细粒度图像审美评估：从相对排名学习判别分数
机构 * School of Artificial Intelligence（人工智能学院） ； State Key Laboratory of EMIM（电磁信息学国家重点实验室）
AI总结 本文提出FGAesthetics数据库和FGAesQ框架，通过细粒度排名学习提升图像审美评估的判别能力。
Comments The paper has been accepted by CVPR 2026
DeepScan: 一种无需训练的框架，用于大视觉-语言模型中的视觉引导推理
机构 * East China Normal University（东华大学） ； Sichuan University（四川大学） ； Shanghai AI Laboratory（上海人工智能实验室）
AI总结 DeepScan是一种无需训练的框架，通过层次扫描、聚焦和证据增强推理提升大视觉-语言模型在视觉任务中的表现。
Comments 18 pages 17 figures
Journal ref Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2026
通过层次语义表示进行进化多模态推理以实现意图识别
AI总结 HIER通过层次语义表示与进化推理提升多模态意图识别性能，实现更准确的意图推断。
Comments Accepted by CVPR 2026
TAP：一种用于无训练扩散加速的令牌自适应预测框架
机构 * Tsinghua University（清华大学） ； ByteDance（字节跳动）
AI总结 TAP通过为每个令牌自适应选择预测器，实现无训练的扩散模型加速，提升生成效率并减少感知质量损失。
Comments Accepted by CVPR 2026
InEdit-Bench：智能图像编辑模型中间逻辑路径的基准测试
机构 * State Key Laboratory of Optical Field Manipulation Science and Technology, Institute of Optics and Electronics, Chinese Academy of Sciences（光学场操控科学与技术国家重点实验室，光学电子研究所，中国科学院） ； National Laboratory on Adaptive Optics（自适应光学国家实验室） ； University of Chinese Academy of Sciences（中国科学院大学）
AI总结 InEdit-Bench通过评估图像编辑模型在中间逻辑路径推理中的表现，揭示了现有模型在动态推理和多步骤演变建模方面的不足，推动更智能的多模态生成模型发展。
Comments CVPR findings. Project page: https://github.com/SZStrong1/InEdit-Bench
视差对齐所有内容：一种用于分布式多视图图像压缩的 OmniParallax 注意机制
机构 * The National Engineering Laboratory for Video Technology, School of Computer Science, Peking University（国家视频技术工程实验室，计算机科学学院，北京大学） ； Institute for AI Industry Research (AIR), Tsinghua University（人工智能产业研究院（AIR），清华大学） ； Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院，清华大学）
AI总结 ParaHydra通过OmniParallax注意机制和多信息融合模块，实现了分布式多视图图像压缩的高效编码与解码，显著提升压缩效率并降低计算开销
Comments Accepted by CVPR 2026
MoECLIP：面向零样本异常检测的补丁专业化专家
机构 * Yonsei University（延世大学）
AI总结 MoECLIP通过补丁专业化专家架构提升零样本异常检测性能，采用动态路由和正交特征分离技术，实现更高效的异常检测。
Comments Accepted by CVPR 2026
VidEoMT：你的ViT其实也暗中是视频分割模型
机构 * Eindhoven University of Technology（埃因霍温理工大学） ； RWTH Aachen University（亚琛工业大学）
AI总结 VidEoMT通过轻量级查询传播和融合策略，实现无需专用跟踪模块的高效视频分割，速度提升5-10倍，精度与传统方法相当。
Comments CVPR 2026. Code: https://www.tue-mps.org/videomt/
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