CVPR

MIDI: Multi-Instance Diffusion for Single Image to 3D Scene Generation

Zehuan Huang, Yuan-Chen Guo, Xingqiao An, Yunhan Yang, Yangguang Li, Zi-Xin Zou, Ding Liang, Xihui Liu, Yan-Pei Cao, Lu Sheng

机构 * Beihang University（北京航空航天大学） ； VAST ； Tsinghua University（清华大学） ； The University of Hong Kong（香港大学） 纠错

Comments Project page: https://huanngzh.github.io/MIDI-Page/

Journal ref Proceedings of the Computer Vision and Pattern Recognition Conference (CVPR), 2025, pp. 23646 - 23657

Strong Baseline: Multi-UAV Tracking via YOLOv12 with BoT-SORT-ReID

Yu-Hsi Chen

机构 * The University of Melbourne（墨尔本大学） 纠错

Comments 10 pages, 5 figures, 5 tables

Journal ref Proceedings of the Computer Vision and Pattern Recognition Conference (CVPR) Workshops, 2025, pp. 6573-6582

A Training-Free, Task-Agnostic Framework for Enhancing MLLM Performance on High-Resolution Images

Jaeseong Lee, Yeeun Choi, Heechan Choi, Hanjung Kim, Seonjoo Kim

机构 * Yonsei University（延世大学） 纠错

Comments Accepted at CVPR 2025 Workshop on Emergent Visual Abilities and Limits of Foundation Models

CuriosAI Submission to the EgoExo4D Proficiency Estimation Challenge 2025

Hayato Tanoue, Hiroki Nishihara, Yuma Suzuki, Takayuki Hori, Hiroki Takushima, Aiswariya Manojkumar, Yuki Shibata, Mitsuru Takeda, Fumika Beppu, Zhao Hengwei, Yuto Kanda, Daichi Yamaga

机构 * SoftBank Corp. AI & Data Technology Planning Division（软银公司人工智能与数据技术规划部门） 纠错

Comments The 2nd place solution for the EgoExo4D Proficiency Estimation Challenge at the CVPR EgoVis Workshop 2025

Pushing the Limits of Safety: A Technical Report on the ATLAS Challenge 2025

Zonghao Ying, Siyang Wu, Run Hao, Peng Ying, Shixuan Sun, Pengyu Chen, Junze Chen, Hao Du, Kaiwen Shen, Shangkun Wu, Jiwei Wei, Shiyuan He, Yang Yang, Xiaohai Xu, Ke Ma, Qianqian Xu, Qingming Huang, Shi Lin, Xun Wang, Changting Lin, Meng Han, Yilei Jiang, Siqi Lai, Yaozhi Zheng, Yifei Song, Xiangyu Yue, Zonglei Jing, Tianyuan Zhang, Zhilei Zhu, Aishan Liu, Jiakai Wang, Siyuan Liang, Xianglong Kong, Hainan Li, Junjie Mu, Haotong Qin, Yue Yu, Lei Chen, Felix Juefei-Xu, Qing Guo, Xinyun Chen, Yew Soon Ong, Xianglong Liu, Dawn Song, Alan Yuille, Philip Torr, Dacheng Tao

机构 * Beihang University（北航） ； Zhongguancun Laboratory（中关村实验室） ； Hefei Comprehensive National Science Center（合肥综合性国家科学中心） ； ETH Zürich（苏黎世联邦理工学院） ； Pengcheng Laboratory（鹏城实验室） ； Tsinghua University（清华大学） ； University of California, Berkeley（加州大学伯克利分校） ； Johns Hopkins University（约翰霍普金斯大学） ； University of Oxford（牛津大学） ； Meta ； Google Brain（谷歌脑） ； Nanyang Technological University（南洋理工大学） ； Aarhus University（哥本哈根大学） ； China University of Mining（中国矿业大学） ； University of Electronic Science（电子科学大学） ； School of Electronic, Electrical（电子、电气与通信工程学院） ； Key Laboratory of Intelligent Information Processing, Institute of Computing Technology, CAS（智能信息处理国家重点实验室） ； School of Computer Science（计算机科学学院） ； Key Laboratory of Big Data Mining（大数据挖掘国家重点实验室） ； Zhejiang Gongshang University（浙江工商大学） ； Binjiang Institute of Zhejiang University（浙江大学滨江学院） ； Zhejiang University（浙江大学） ； The Chinese University of Hong Kong（香港中文大学） 纠错

Comments AdvML@CVPR Challenge Report

Interpreting Large Text-to-Image Diffusion Models with Dictionary Learning

Stepan Shabalin, Ayush Panda, Dmitrii Kharlapenko, Abdur Raheem Ali, Yixiong Hao, Arthur Conmy

Comments 10 pages, 10 figures, Mechanistic Interpretability for Vision at CVPR 2025

Rethinking Query-based Transformer for Continual Image Segmentation

Yuchen Zhu, Cheng Shi, Dingyou Wang, Jiajin Tang, Zhengxuan Wei, Yu Wu, Guanbin Li, Sibei Yang

机构 * School of Information Science and Technology, ShanghaiTech University（信息科学与技术学院，上海科技大学） ； Sun Yat-sen University（中山大学） ； Wuhan University（武汉大学） 纠错

Comments This work is accepted by CVPR 2025

Scalable and Realistic Virtual Try-on Application for Foundation Makeup with Kubelka-Munk Theory

Hui Pang, Sunil Hadap, Violetta Shevchenko, Rahul Suresh, Amin Banitalebi-Dehkordi

机构 * Amazon（亚马逊） 纠错

Comments Presented at the workshop Three questions about virtual try-on at CVPR 2025

Localized Concept Erasure for Text-to-Image Diffusion Models Using Training-Free Gated Low-Rank Adaptation

Byung Hyun Lee, Sungjin Lim, Se Young Chun

机构 * Department of ECE（电子工程系） ； IPAI ； INMC ； Seoul National University（首尔国立大学） 纠错

Comments Accepted to CVPR 2025

FluidNexus: 3D Fluid Reconstruction and Prediction from a Single Video

Yue Gao, Hong-Xing Yu, Bo Zhu, Jiajun Wu

机构 * Stanford University（斯坦福大学） ； Microsoft（微软公司） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

Comments CVPR 2025 (oral). The first two authors contributed equally. Project website: https://yuegao.me/FluidNexus

Free on the Fly: Enhancing Flexibility in Test-Time Adaptation with Online EM

Qiyuan Dai, Sibei Yang

机构 * School of Information Science and Technology, ShanghaiTech University（信息科学与技术学院，上海科技大学） ； Sun Yat-sen University（孙中山大学） 纠错

Comments Accepted to CVPR 2025

Adaptive Part Learning for Fine-Grained Generalized Category Discovery: A Plug-and-Play Enhancement

Qiyuan Dai, Hanzhuo Huang, Yu Wu, Sibei Yang

机构 * School of Information Science and Technology, ShanghaiTech University（信息科学与技术学院，上海科技大学） ； Wuhan University（武汉大学） ； Sun Yat-sen University（中山大学） 纠错

Comments Accepted to CVPR 2025

Beyond Accuracy: Metrics that Uncover What Makes a 'Good' Visual Descriptor

Ethan Lin, Linxi Zhao, Atharva Sehgal, Jennifer J. Sun

机构 * Cornell University（康奈尔大学） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

Comments VisCon @ CVPR 2025

Correlative and Discriminative Label Grouping for Multi-Label Visual Prompt Tuning

LeiLei Ma, Shuo Xu, MingKun Xie, Lei Wang, Dengdi Sun, Haifeng Zhao

机构 * Anhui Provincial Key Laboratory of Multimodal Cognitive Computation, School of Computer Science and Technology, Anhui University（安徽省多模态认知计算重点实验室，计算机科学与技术学院，安徽大学） ； Nanjing University of Aeronautics and Astronautics（南京航空航天大学） ； Nanjing University of Science and Technology（南京理工大学） 纠错

Comments IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2025

Rethinking Diffusion for Text-Driven Human Motion Generation: Redundant Representations, Evaluation, and Masked Autoregression

Zichong Meng, Yiming Xie, Xiaogang Peng, Zeyu Han, Huaizu Jiang

机构 * Northeastern University（东北大学） 纠错

Comments CVPR 2025

MALT Diffusion: Memory-Augmented Latent Transformers for Any-Length Video Generation

Sihyun Yu, Meera Hahn, Dan Kondratyuk, Jinwoo Shin, Agrim Gupta, José Lezama, Irfan Essa, David Ross, Jonathan Huang

机构 * KAIST（韩国科学技术院） ； Google DeepMind（谷歌DeepMind） ； Georgia Tech（佐治亚理工学院） ； Luma AI ； Google Research（谷歌研究） 纠错

Comments CVPR 2025 Workshop on AI for Content Creation (Oral)

Nonisotropic Gaussian Diffusion for Realistic 3D Human Motion Prediction

Cecilia Curreli, Dominik Muhle, Abhishek Saroha, Zhenzhang Ye, Riccardo Marin, Daniel Cremers

机构 * Technical University of Munich（慕尼黑技术大学） ； Munich Center for Machine Learning（慕尼黑机器学习中心） 纠错

Comments CVPR 2025. Code availabe at https://ceveloper.github.io/publications/skeletondiffusion

Quantization without Tears

Minghao Fu, Hao Yu, Jie Shao, Junjie Zhou, Ke Zhu, Jianxin Wu

机构 * National Key Laboratory for Novel Software Technology, Nanjing University, China（国家新型软件技术重点实验室，南京大学，中国） ； School of Artificial Intelligence, Nanjing University, China（人工智能学院，南京大学，中国） 纠错

Comments CVPR 2025. The code is publicly available at https://github.com/wujx2001/QwT

SeaLion: Semantic Part-Aware Latent Point Diffusion Models for 3D Generation

Dekai Zhu, Yan Di, Stefan Gavranovic, Slobodan Ilic

机构 * Technical University of Munich（慕尼黑技术大学） ； Siemens AG（西门子股份公司） ； Munich Center for Machine Learning（慕尼黑机器学习中心） 纠错

Comments Accepted by CVPR 2025

Mitigating Bias Using Model-Agnostic Data Attribution

Sander De Coninck, Sam Leroux, Pieter Simoens

机构 * IDLab（ID实验室） ； Department of Information Technology at Ghent University（根特大学信息科技系） ； imec 纠错

Comments Accepted to the 2024 IEEE CVPR Workshop on Fair, Data-efficient, and Trusted Computer Vision. Code available at https://github.com/sdeconinck/ModelAgnosticDataAttribution

From Alexnet to Transformers: Measuring the Non-linearity of Deep Neural Networks with Affine Optimal Transport

Quentin Bouniot, Ievgen Redko, Anton Mallasto, Charlotte Laclau, Oliver Struckmeier, Karol Arndt, Markus Heinonen, Ville Kyrki, Samuel Kaski

机构 * LTCI, Télécom Paris, Institut Polytechnique de Paris（LTCI，巴黎电信学院，巴黎理工学院） ； Technical University of Munich（慕尼黑技术大学） ； Helmholtz Munich（海德堡-慕尼黑研究所） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心（MCML）） ； Noah’s Ark Lab, Paris（诺亚实验室，巴黎） ； Aalto University, Finland, Dept. of Electrical Engineering and Automation（阿莱克大学，芬兰，电气工程与自动化系） ； Nomagic（Nomagic公司） ； Aalto University, Finland, Department of Computer Science（阿莱克大学，芬兰，计算机科学系） ； University of Manchester, UK, Department of Computer Science（曼彻斯特大学，英国，计算机科学系） 纠错

Comments Code available at https://github.com/qbouniot/AffScoreDeep

Journal ref Proceedings of the Computer Vision and Pattern Recognition Conference (CVPR), 2025, pp. 25250-25260

Grounded Gesture Generation: Language, Motion, and Space

Anna Deichler, Jim O'Regan, Teo Guichoux, David Johansson, Jonas Beskow

机构 * KTH Royal Institute of Technology（皇家理工学院） ； Sorbonne University（索邦大学） 纠错

Comments Accepted as a non-archival paper at the CVPR 2025 Humanoid Agents Workshop. Project page: https://groundedgestures.github.io

Comprehensive Information Bottleneck for Unveiling Universal Attribution to Interpret Vision Transformers

Jung-Ho Hong, Ho-Joong Kim, Kyu-Sung Jeon, Seong-Whan Lee

机构 * Dept. of Artificial Intelligence, Korea University, Seoul, Korea（人工智能系，韩国大学） 纠错

Comments CVPR 2025 (highlight)

Domain Adaptation of VLM for Soccer Video Understanding

Tiancheng Jiang, Henry Wang, Md Sirajus Salekin, Parmida Atighehchian, Shinan Zhang

机构 * Massachusetts Institute of Technology（麻省理工学院） ； Amazon Web Services（亚马逊网络服务） 纠错

Comments 8 pages, 5 figures, accepted to the 11th IEEE International Workshop on Computer Vision in Sports (CVSports) at CVPR 2025; supplementary appendix included

ConceptMix++: Leveling the Playing Field in Text-to-Image Benchmarking via Iterative Prompt Optimization

Haosheng Gan, Berk Tinaz, Mohammad Shahab Sepehri, Zalan Fabian, Mahdi Soltanolkotabi

Comments An earlier version appeared in the CVPR 2025 Workshop on Generative Models for Computer Vision

FruitNinja: 3D Object Interior Texture Generation with Gaussian Splatting

Fangyu Wu, Yuhao Chen

机构 * University of Waterloo（滑铁卢大学） 纠错

Comments accepted in CVPR 2025, project page https://fanguw.github.io/FruitNinja3D

APT: Adaptive Personalized Training for Diffusion Models with Limited Data

JungWoo Chae, Jiyoon Kim, JaeWoong Choi, Kyungyul Kim, Sangheum Hwang

机构 * LG CNS AI Research（LG CNS人工智能研究） 纠错

Comments CVPR 2025 camera ready. Project page: https://lgcnsai.github.io/apt

Journal ref Proceedings of the Computer Vision and Pattern Recognition Conference (CVPR), 2025, pp. 28619-28628

DreamComposer++: Empowering Diffusion Models with Multi-View Conditions for 3D Content Generation

Yunhan Yang, Shuo Chen, Yukun Huang, Xiaoyang Wu, Yuan-Chen Guo, Edmund Y. Lam, Hengshuang Zhao, Tong He, Xihui Liu

机构 * The University of Hong Kong（香港大学） ； Tsinghua University（清华大学） ； Vast ； Shanghai AI Laboratory（上海人工智能实验室） 纠错

Comments Accepted by TPAMI, extension of CVPR 2024 paper DreamComposer

Benchmarking Generalizable Bimanual Manipulation: RoboTwin Dual-Arm Collaboration Challenge at CVPR 2025 MEIS Workshop

Tianxing Chen, Kaixuan Wang, Zhaohui Yang, Yuhao Zhang, Zanxin Chen, Baijun Chen, Wanxi Dong, Ziyuan Liu, Dong Chen, Tianshuo Yang, Haibao Yu, Xiaokang Yang, Yusen Qin, Zhiqiang Xie, Yao Mu, Ping Luo, Tian Nian, Weiliang Deng, Yiheng Ge, Yibin Liu, Zixuan Li, Dehui Wang, Zhixuan Liang, Haohui Xie, Rijie Zeng, Yunfei Ge, Peiqing Cong, Guannan He, Zhaoming Han, Ruocheng Yin, Jingxiang Guo, Lunkai Lin, Tianling Xu, Hongzhe Bi, Xuewu Lin, Tianwei Lin, Shujie Luo, Keyu Li, Ziyan Zhao, Ke Fan, Heyang Xu, Bo Peng, Wenlong Gao, Dongjiang Li, Feng Jin, Hui Shen, Jinming Li, Chaowei Cui, Yu Chen, Yaxin Peng, Lingdong Zeng, Wenlong Dong, Tengfei Li, Weijie Ke, Jun Chen, Erdemt Bao, Tian Lan, Tenglong Liu, Jin Yang, Huiping Zhuang, Baozhi Jia, Shuai Zhang, Zhengfeng Zou, Fangheng Guan, Tianyi Jia, Ke Zhou, Hongjiu Zhang, Yating Han, Cheng Fang, Yixian Zou, Chongyang Xu, Qinglun Zhang, Shen Cheng, Xiaohe Wang, Ping Tan, Haoqiang Fan, Shuaicheng Liu, Jiaheng Chen, Chuxuan Huang, Chengliang Lin, Kaijun Luo, Boyu Yue, Yi Liu, Jinyu Chen, Zichang Tan, Liming Deng, Shuo Xu, Zijian Cai, Shilong Yin, Hao Wang, Hongshan Liu, Tianyang Li, Long Shi, Ran Xu, Huilin Xu, Zhengquan Zhang, Congsheng Xu, Jinchang Yang, Feng Xu

机构 * HKU MMLab（香港大学多模态实验室） ； SJTU（上海交通大学） ； D-Robotics（D机器人） ； AgileX Robotics（AgileX机器人） ； Huawei Germany（华为德国分公司） ； SZU（深圳大学） ； THU（清华大学） ； NJU（南京大学） ； VIVO ； Jingdong Technology Information Technology Co., Ltd.（京东科技信息技术有限公司） ； Horizon Robotics ； SUST（上海大学） ； USST（上海理工大学） ； SYSU（南方科技大学） ； UESTC（电子科技大学） ； SCU（四川大学） ； Dexmal ； SWJTU（西南交通大学） ； HKUST（香港理工大学） ； BJTU（北京交通大学） ； BUAA（北京航空航天大学） ； NEU（东北大学） ； SHU（上海大学） ； Sangfor Technologies Inc.（深信服技术有限公司） ； CAUC（中国科学院大学） ； HUST（华中科技大学） ； Reconova Technologies Co.（Reconova技术有限公司） 纠错

Comments Challenge Webpage: https://robotwin-benchmark.github.io/cvpr-2025-challenge/

Soft Self-labeling and Potts Relaxations for Weakly-Supervised Segmentation

Zhongwen Zhang, Yuri Boykov

机构 * University of Waterloo（滑铁卢大学） 纠错

Comments published at CVPR 2025