期刊&会议
Conference on Computer Vision and Pattern Recognition · 会议 · Computer Vision
通过执行反馈强化学习训练高阶调度器以实现长周期GUI自动化
机构 * School of Computer Science and Technology, Soochow University（苏州大学计算机科学与技术学院） ； School of Computer Science, Shanghai Jiao Tong University（上海交通大学计算机科学学院）
AI总结 本文提出CES多代理框架，通过训练高阶调度器解决GUI代理在长周期任务中的责任耦合和状态管理问题，提升任务规划与执行效率。
Comments Accepted to CVPR 2026
VideoChat-M1: 通过多智能体强化学习实现视频理解的协作策略规划
机构 * Shenzhen Key Lab of Computer Vision and Pattern Recognition（深圳计算机视觉与模式识别重点实验室） ； Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（中国科学院深圳先进技术研究院） ； School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； VIVO AI Lab（VIVO人工智能实验室） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Shenzhen Campus of Sun Yat-sen University（孙逸仙大学深圳校区） ； Shanghai Jiao Tong University（上海交通大学） ； Institute for AI Industry Research (AIR), Tsinghua University（清华大学人工智能产业研究院） ； Dept. of Comp. Sci. & Tech., Institute for AI, Tsinghua University（清华大学计算机科学与技术系，人工智能研究院）
AI总结 VideoChat-M1通过多智能体强化学习实现视频理解的协作策略规划，显著提升复杂视频任务的性能。
Comments Accepted by CVPR 2026
强化视频推理分割以在分割前思考
AI总结 Veason-R1通过组相对策略优化和链式思维初始化，提升视频推理分割的结构化推理能力，实现更准确的时空定位和鲁棒性。
Comments 12 pages
Journal ref CVPR 2026
D2Dewarp: 基于双维度几何表示学习的文档图像去畸变
机构 * Harbin Institute of Technology Shenzhen（哈尔滨工业大学深圳学院） ； PengCheng Laboratory（鹏城实验室）
AI总结 D2Dewarp通过双维度几何表示学习提升文档图像去畸变效果，提出细粒度变形感知模型和自动标注方法，构建新数据集并验证方法有效性。
Comments Accepted by CVPR 2026
薛定谔的相机：迈向基于量子的隐私保护相机的第一步
AI总结 本文提出了一种基于量子态的隐私保护图像存储方法，并利用双深度Q学习算法实现对图像匿名化的控制，展示了在量子基础上平衡隐私与效用的可行性。
Journal ref 2023 IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops (CVPRW), pp. 18-27
跨视觉协同的统一大视觉模型建模
机构 * National University of Singapore（新加坡国立大学） ； Nanyang Technological University（南洋理工大学）
AI总结 PolyV通过统一架构和协同训练方法，实现了跨视觉模态的协同推理，显著提升了多模态视觉任务的性能。
Comments 21 pages, 9 figures, 16 tables, CVPR
DuoMo：用于世界空间人体重建的双动差分
机构 * Meta Reality Labs ； University of Pennsylvania（宾夕法尼亚大学） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 DuoMo通过双扩散模型实现世界空间人体运动重建，有效处理噪声和不完整输入，提升重建精度。
Comments CVPR 2026. Project page: https://yufu-wang.github.io/duomo/
NOVA：无配对视频编辑的稀疏控制与密集合成
机构 * Nanjing University（南京大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； WeChat, Tencent（微信、腾讯） ； The University of Hong Kong（香港大学）
AI总结 NOVA提出了一种无配对视频编辑框架，通过稀疏控制与密集合成提升编辑保真度和时间一致性。
Comments Accepted by CVPR 2026
HiLoRA: 分层低秩适应用于个性化联邦学习
机构 * Beijing Normal University（北京师范大学） ； Zhengzhou University（郑州大学）
AI总结 HiLoRA通过分层低秩适应框架，解决联邦学习中客户端结构忽视问题，提升个性化和泛化性能。
Comments Accepted to the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2026
OnlineX: 一种基于主动到稳定状态演化的统一在线3D重建与理解方法
机构 * Tsinghua University（清华大学）
AI总结 OnlineX通过解耦主动到稳定状态演化范式，实现基于流式图像的统一在线3D重建与理解，提升重建质量和实时推理效率。
Comments Accepted by CVPR Finding 2026 (Project page: https://xiac20.github.io/OnlineX/)
SimRecon: 从真实视频中实现模拟准备的组合场景重建
机构 * Tsinghua University（清华大学） ； Galbot Project（Galbot项目）
AI总结 SimRecon通过引入主动视角优化和场景图合成器，解决了从真实视频中重建复杂场景时的视觉和物理真实性问题，实现了感知-生成-模拟的全流程流水线。
Comments Accepted by CVPR 2026 (Project page: https://xiac20.github.io/SimRecon/ )
递归思考-回答过程用于LLMs和VLMs
AI总结 本文提出递归思考-回答过程（R-TAP）以提升LLMs和VLMs的推理准确性，通过置信度生成器和双奖励机制实现迭代推理，减少错误输出并提高推理稳定性。
Comments CVPR 2026 Findings, Project page: https://litcoderr.github.io/rtap_page/
ShiftLUT: 基于空间位移增强的查找表用于高效的图像修复
机构 * Tsinghua University（清华大学） ； Kuaishou Technology（快手科技）
AI总结 ShiftLUT通过引入可学习空间位移模块和不对称双分支架构，实现了更大的感受野和更高的修复效率，同时保持低存储和计算开销。
Comments Accepted to CVPR 2026
差分隐私的2D人体姿态估计
机构 * School of Computing Science, University of Glasgow（计算机科学学院，格拉斯哥大学）
AI总结 本文提出了一种结合投影DP-SGD和特征差分隐私的混合框架，实现差分隐私下的2D人体姿态估计，有效平衡隐私与性能。
Comments Accepted at the IEEE/CVF Conference on Computer Vision and Pattern Recognition 2026
从更少样本到更少位数：将数据集蒸馏重新框架化为精度和紧凑性的联合优化
机构 * InterDigital Communications, Inc.（InterDigital通讯公司）
AI总结 QuADD通过联合优化数据集紧凑性和精度，在固定位预算下提升数据集蒸馏的效率和性能。
Comments Accepted to CVPR 2026 - Findings Workshop
OpenMarcie：工业环境中的多模态动作识别数据集
机构 * DFKI Kaiserslautern（DFKI凯撒斯劳滕） ； RPTU Kaiserslautern-Landau（RPTU凯撒斯劳滕-兰道） ； Korea University（韩国大学）
AI总结 OpenMarcie是首个大规模多模态数据集，用于工业环境中的动作识别，包含36名参与者在不同任务中的多模态数据，支持活动分类、开放词汇描述和跨模态对齐任务。
Comments Accepted in CVPR 2026
超越基于描述的查询的视频时刻检索
机构 * University of Barcelona（巴塞罗那大学） ； Computer Vision Center（计算机视觉中心） ； University of Bristol（布里斯托大学）
AI总结 本文提出了一种改进视频时刻检索方法，通过解决语言和多时刻查询的泛化问题，提升了搜索查询的性能。
Comments CVPR 2026 Camera-ready version
HAMMER: 通过跨模态整合利用大语言模型进行意图驱动的3D affordance grounding
机构 * The Hong Kong Polytechnic University（香港理工大学） ； Huazhong University of Science and Technology（华中科技大学）
AI总结 HAMMER通过跨模态整合多模态大语言模型，实现意图驱动的3D affordance grounding，提升3D表示的准确性和鲁棒性。
Comments Accepted by CVPR 2026. Project Page: https://rayyoh.github.io/Hammer
超越提示退化：基于原型的双池提示法用于增量物体检测
机构 * Northwestern Polytechnical University（西北工业大学）
AI总结 PDP提出双池提示解耦框架，通过分离任务通用和特定提示以缓解提示退化，提升增量物体检测的性能和稳定性。
Comments Our paper has been accepted to CVPR 2026
类增量学习中正负监督的时间不平衡
机构 * Purdue University（普渡大学）
AI总结 本文提出时间调整损失（TAL）以解决类增量学习中正负监督的时间不平衡问题，通过动态加权负监督减少灾难性遗忘并提升性能。
Comments Accepted to CVPR 2026
PromptStereo: 通过结构和运动提示实现零样本立体匹配
机构 * Huazhong University of Science and Technology（华中科技大学） ； Optics Valley Laboratory（光谷实验室）
AI总结 PromptStereo通过结构和运动提示提升零样本立体匹配的泛化性能，提出PRU模块增强单目深度模型的潜在表示。
Comments Accepted to CVPR 2026
连续曝光时间建模用于真实大气湍流合成
机构 * Nanjing University of Aeronautics and Astronautics（南京航空航天大学） ； School of Information Science and Engineering, Lanzhou University（兰州大学信息科学与工程学院）
AI总结 本文提出ET-MTF模型，通过连续曝光时间建模生成真实大气湍流数据集，提升图像恢复和泛化能力。
Comments Accepted to CVPR 2026!
马尔可夫尺度预测：视觉自回归生成的新时代
机构 * Tongji University（同济大学） ； University of Bristol（布里斯托大学） ； Macquarie University（麦考瑞大学）
AI总结 马尔可夫-VAR通过非全上下文马尔可夫过程提升视觉自回归生成的效率与效果
Comments Accepted to CVPR 2026
AdaBet: 无梯度层选择用于深度神经网络高效训练
机构 * MIT（麻省理工学院） ； Nokia Bell Labs（诺基亚贝尔实验室） ； University of Glasgow（格拉斯哥大学）
AI总结 AdaBet通过无梯度方法选择重要层，提升深度神经网络在边缘设备上的训练效率和准确率。
Comments Full Version accepted at CVPR 2026
SABER: 用于鸟瞰检测器的时空一致的3D通用对抗对象
机构 * School of Electronics and Information, Northwestern Polytechnical University & Shaanxi Key Laboratory of Information Acquisition and Processing, Xi’an, China（电子工程学院，西北工业大学 & 陕西省信息采集与处理重点实验室，西安，中国） ； School of Computing, Australian National University（计算学院，澳大利亚国立大学）
AI总结 SABER提出了一种生成通用、非侵入式且3D一致的对抗对象的方法，以揭示BEV 3D目标检测器的漏洞，并提供评估自动驾驶系统鲁棒性的实用流程。
Comments Accepted to CVPR 2026
多模态故障检测的自适应置信度正则化
机构 * Technical University of Munich（慕尼黑技术大学） ； ETH Zürich（苏黎世联邦理工学院） ； EPFL（苏黎世联邦理工学院） ； Fraunhofer IKS（弗劳恩霍夫研究所）
AI总结 本文提出自适应置信度正则化方法，通过检测多模态预测中的置信度退化，提升故障识别的可靠性。
Comments Accepted by CVPR 2026
重新思考相机选择：关于机器人操作中鱼眼相机属性的实证研究
AI总结 本文通过实证研究发现鱼眼相机在机器人操作中需考虑视场角、环境复杂性和随机尺度增强策略以提升性能。
Comments 22 pages, 15 figures, Accecpted by CVPR 2026
OmniLottie：通过参数化Lottie令牌生成向量动画
AI总结 OmniLottie通过参数化Lottie令牌生成高质量向量动画，结合多模态指令与大规模数据集提升动画生成能力。
Comments Accepted by CVPR 2026. Project Page: https://openvglab.github.io/OmniLottie/
FluxMem: 用于流视频理解的自适应分层内存
机构 * Institute of Trustworthy Embodied AI（可信具身人工智能研究所） ； Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； Shanghai Key Laboratory of Multimodal Embodied AI（上海多模态具身人工智能重点实验室） ； University of Maryland, College Park（马里兰大学 College Park 分校）
AI总结 FluxMem通过自适应分层内存压缩技术，在流视频理解中实现了高效处理，提升了实时性能和离线表现。
Comments Accepted at CVPR 2026. Project page: https://yiwengxie.com/FluxMem/
面向源感知的对象交换的初始噪声扰动
机构 * Shanghai Jiao Tong University（上海交通大学）
AI总结 SourceSwap通过初始噪声扰动实现自监督对象交换，无需额外数据即可实现高质量跨对象对齐和零样本推理。
Comments This paper is accepted by CVPR 2026 Findings
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