IJCV

Hallucination Early Detection in Diffusion Models

扩散模型中的幻觉早期检测

Federico Betti, Lorenzo Baraldi, Lorenzo Baraldi, Rita Cucchiara, Nicu Sebe

机构 * University of Trento（特伦托大学） ； Università di Pisa（比萨大学） ； University of Modena and Reggio Emilia（摩德纳和雷吉奥艾米利亚大学） 纠错

AI总结 本文提出HEaD+方法，通过整合交叉注意力图和文本信息，早期检测扩散模型生成中的幻觉问题，提高生成完整图像的准确率并减少生成时间。

Comments 21 pages, 6 figures, 4 tables. Published in International Journal of Computer Vision (IJCV)

Journal ref Int. J. Comput. Vis. 134, 35 (2026)

Towards Symmetry-sensitive Pose Estimation: A Rotation Representation for Symmetric Object Classes

迈向对称敏感的姿态估计：一种用于对称物体类别的旋转表示

Andreas Kriegler, Csaba Beleznai, Margrit Gelautz

机构 * Assistive and Autonomous Systems（辅助与自主系统） ； AIT Austrian Institute of Technology（奥地利技术研究院） ； Visual Computing and Human-Centered Technology（视觉计算与以人为中心的技术） ； TU Wien（维也纳技术大学） 纠错

AI总结 本文提出SARR旋转表示，通过修改三角恒等式以考虑物体形状的对称性，解决对称物体姿态估计中的方向模糊问题，通过标准CNN实现3D姿态估计，并在两个数据集中取得优于现有方法的性能。

Comments Published Open-Access in IJCV, see https://link.springer.com/article/10.1007/s11263-026-02770-x . 28 pages, 6 figures, 9 tables, 1 algorithm

Journal ref Int J Comput Vis 134, 212 (2026)

NOOUGAT: Towards Unified Online and Offline Multi-Object Tracking

NOOUGAT：迈向统一的在线和离线多目标跟踪

Benjamin Missaoui, Orcun Cetintas, Guillem Brasó, Tim Meinhardt, Laura Leal-Taixé

机构 * NVIDIA ； Technical University of Munich（慕尼黑技术大学） 纠错

AI总结 NOOUGAT提出一种统一的多目标跟踪框架，通过图神经网络和自回归长时跟踪层处理非重叠子片段，实现灵活的时间范围，提升在线和离线跟踪性能。

Comments Accepted to International Journal of Computer Vision (IJCV)

UNBOX: Unveiling Black-box visual models with Natural-language

UNBOX：通过自然语言揭示黑盒视觉模型

Simone Carnemolla, Chiara Russo, Simone Palazzo, Quentin Bouniot, Daniela Giordano, Zeynep Akata, Matteo Pennisi, Concetto Spampinato

机构 * University of Catania（卡塔尼亚大学） ； Technical University of Munich（慕尼黑技术大学） ； Helmholtz Munich（海德堡-慕尼黑马克斯·普朗克研究所） 纠错

AI总结 UNBOX在无数据、无梯度、无反向传播约束下，利用大语言模型和扩散模型生成可解释文本描述，揭示模型隐含概念与潜在偏见，通过实验验证其在ImageNet-1K等数据集上的有效性。

Comments Under review at IJCV

Pictorial and apictorial polygonal jigsaw puzzles from arbitrary number of crossing cuts

具有任意交叉切割的图形和非图形多边形拼图

Peleg Harel Ofir Itzhak Shahar, Ohad Ben-Shahar

机构 * Department of Computer Science, Ben-Gurion University of the Negev（贝纳-朱尔大学纳夫塔分校计算机科学系） 纠错

AI总结 本文提出了一种新的拼图问题，通过任意数量的直线切割生成一般凸多边形拼图，并通过多体弹簧质量动力系统和分层重建过程解决其中的挑战，实验表明可自动解决图形和非图形拼图。

Journal ref In the International Journal of Computer Vision, 132(9), pp 3428-3462, 2024

Near OOD Detection for Vision-Language Prompt Learning with Contrastive Logit Score

面向视觉-语言提示学习的近分布外检测

Myong Chol Jung, Joanna Dipnall, Belinda Gabbe, He Zhao

机构 * Monash University（莫纳什大学） 纠错

AI总结 本文提出对比logit分数方法，用于提升预训练视觉-语言提示学习模型的近分布外检测性能，无需修改模型结构或重新训练，实验显示在AUROC上提升11.67%。

Comments Published at International Journal of Computer Vision (IJCV)

Looking Beyond the Obvious: A Survey on Abstract Concept Recognition for Video Understanding

超越显而易见：视频理解中抽象概念识别的综述

Gowreesh Mago, Pascal Mettes, Stevan Rudinac

AI总结 本文综述了视频理解中抽象概念识别的挑战与方法，强调基础模型的进步对高阶抽象理解的重要性，指出需结合多模态基础模型避免重复发明轮子。

Comments Accepted at IJCV

Journal ref International Journal of Computer Vision 134, 217 (2026)

SoftHGNN: Soft Hypergraph Neural Networks for General Visual Recognition

SoftHGNN: 用于通用视觉识别的软超图神经网络

Mengqi Lei, Yihong Wu, Siqi Li, Xinhu Zheng, Juan Wang, Shaoyi Du, Yue Gao

机构 * Tsinghua University（清华大学） ； Yangtze Delta Region Institute of Tsinghua University, Zhejiang（清华大学长三角研究院（浙江）） ； Taiyuan University of Technology（太原理工大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； The Hong Kong University of Science and Technology（香港科技大学） 纠错

AI总结 本文提出SoftHGNN，通过引入软超边和稀疏选择机制，提升视觉识别中高阶关联的建模能力，实现更高效的语义推理。

Comments This paper has been accepted by the International Journal of Computer Vision (IJCV)

Privacy-Preserving Semantic Segmentation from Ultra-Low-Resolution RGB Inputs

隐私保护的超低分辨率RGB输入语义分割

Xuying Huang, Sicong Pan, Olga Zatsarynna, Juergen Gall, Maren Bennewitz

机构 * University of Bonn（波恩大学） ； Lamarr Institute for Machine Learning and Artificial Intelligence（拉马尔机器学习和人工智能研究所） ； Center for Robotics（机器人中心） 纠错

AI总结 本文提出一种全新联合学习框架，解决超低分辨率RGB输入下的语义分割难题，通过实验验证方法在隐私保护与分割性能间取得良好平衡，并在真实机器人任务中成功应用。

Comments Submit to IJCV Special Issue on Responsible Imaging

Local Variation as a Statistical Hypothesis Test

局部变化作为统计假设检验

Michael Baltaxe, Peter Meer, Michael Lindenbaum

机构 * Orbotech Ltd.（奥宝科技有限公司） ； Technion - Israel Institute of Technology（以色列理工学院） ； Rutgers University（罗格斯大学） 纠错

AI总结 本文研究了局部变化算法，通过不同的统计模型和决策设计出类似算法，提供理论依据解释其高性能。提出的概率局部变化算法在保持计算复杂度的同时达到最新性能。

Journal ref International Journal of Computer Vision 117 (2016)

Robust Shape from Focus via Multiscale Directional Dilated Laplacian and Recurrent Network

通过多尺度方向稀疏拉普拉斯和循环网络实现鲁棒的形变从聚焦

Khurram Ashfaq, Muhammad Tariq Mahmood

机构 * Korea University of Technology and Education（韩国技术教育大学） 纠错

AI总结 本文提出混合框架，利用方向稀疏拉普拉斯核计算多尺度聚焦体积，再通过轻量级GRU模块迭代优化深度估计，最后用学习的凸上采样模块生成高分辨率深度图，实验表明在合成和真实数据集上性能优于现有方法。

Comments Accepted to IJCV

Journal ref International Journal of Computer Vision, Volume 134, article number 115, (2026)

Knowledge-Guided Adversarial Training for Infrared Object Detection via Thermal Radiation Modeling

基于热辐射建模的知识引导对抗训练用于红外目标检测

Shiji Zhao, Shukun Xiong, Maoxun Yuan, Yao Huang, Ranjie Duan, Qing Guo, Jiansheng Chen, Haibin Duan, Xingxing Wei

机构 * Institute of Artificial Intelligence, Beihang University（北京航空航天大学人工智能研究院） ； Security Department, Alibaba Group（阿里巴巴集团安全部） ； School of Computer Science, Nankai University（南开大学计算机学院） ； School of Computer and Communication Engineering, University of Science and Technology Beijing（北京科技大学计算机与通信工程学院） ； School of Automation Science and Electrical Engineering, Beihang University（北京航空航天大学自动化科学与电气工程学院） 纠错

AI总结 本文提出KGAT方法，利用红外物理知识提升目标检测的鲁棒性，通过热辐射关系建模优化对抗训练，实验表明在三个数据集上提升了准确性和抗攻击能力。

Comments Accepted for publication in the International Journal of Computer Vision (IJCV)

SynMVCrowd: A Large Synthetic Benchmark for Multi-view Crowd Counting and Localization

SynMVCrowd：一个多视角人群计数和定位的大规模合成基准

Qi Zhang, Daijie Chen, Yunfei Gong, Hui Huang

机构 * Visual Computing Research Center, College of Computer Science and Software Engineering（视觉计算研究中心，计算机科学与软件工程学院） 纠错

AI总结 本文提出SynMVCrowd基准，用于更实际地评估多视角人群计数和定位任务，包含50个合成场景，具有大量多视角帧和相机视角，以及更大的人群数量，同时提出了优于现有方法的基线模型。

Comments IJCV 2026

Let Synthetic Data Shine: Domain Reassembly and Soft-Fusion for Single Domain Generalization

让合成数据发光：单域泛化中的领域重组与软融合

Hao Li, Yubin Xiao, Ke Liang, Mengzhu Wang, Long Lan, Kenli Li, Xinwang Liu

AI总结 本文提出DRSF框架，通过领域重组与软融合处理合成数据与真实目标域之间的分布偏差，提升单域泛化性能，适用于图像分类、目标检测和语义分割。

Comments 26 pages, 10 figures (Accepted by IJCV)

Scene Prior Filtering for Depth Super-Resolution

场景先验过滤用于深度超分辨率

Zhengxue Wang, Zhiqiang Yan, Ming-Hsuan Yang, Jinshan Pan, Guangwei Gao, Ying Tai, Jian Yang

机构 * PCA Lab, Nanjing University of Science and Technology, China（南京理工大学科学与工程学院实验室） ； National University of Singapore（新加坡国立大学） ； University of California, USA, and Yonsei University, South Korea（美国加州大学和韩国延世大学） ； PCA Lab, Nanjing University, China（南京大学实验室） 纠错

AI总结 本文提出SPFNet网络，利用大尺度模型的表面法线和语义图作为先验信息，通过多模态先验传播和一对一先验嵌入减少纹理干扰并提升边缘表示，实现在真实和合成数据集上的超分辨率性能。

Comments Accepted to IJCV 2026

Is Contrastive Distillation Enough for Learning Comprehensive 3D Representations?

对比蒸馏是否足以学习全面的3D表示？

Yifan Zhang, Junhui Hou

机构 * School of Mechatronic Engineering and Automation, Shanghai University, Shanghai, China（上海大学机械与自动化工程学院） ； Department of Computer Science, City University of Hong Kong, Hong Kong SAR, China（香港城市大学计算机科学系） 纠错

AI总结 本文提出CMCR框架，通过整合模态共享和特定特征，改进传统方法，引入掩码图像建模和占用估计任务，提升3D表示学习效果。

Comments Accepted to IJCV 2026

Mutually Causal Semantic Distillation Network for Zero-Shot Learning

互因果语义蒸馏网络用于零样本学习

Shiming Chen, Shuhuang Chen, Guo-Sen Xie, Xinge You

机构 * Huazhong University of Science and Technology（华中科技大学） ； National Anti-Counterfeit Engineering Research Center（国家防伪工程技术研究中心） ； Nanjing University of Science and Technology（南京理工大学） 纠错

AI总结 本文提出互因果语义蒸馏网络MSDN++，通过双向因果注意力子网络学习视觉与属性间的内在语义表示，提升零样本学习性能。

Comments Accepted to IJCV. arXiv admin note: text overlap with arXiv:2203.03137

Variational Rectification Inference for Learning with Noisy Labels

变分校正推断用于有噪声标签的学习

Haoliang Sun, Qi Wei, Lei Feng, Yupeng Hu, Fan Liu, Hehe Fan, Yilong Yin

AI总结 本文提出变分校正推断（VRI），将损失函数的自适应校正建模为变分推断问题，在元学习框架下推导证据下界。通过将校正向量作为隐变量，利用额外的随机正则化提升对噪声标签的鲁棒性，并通过元网络近似后验分布，避免模型崩溃，提高泛化性能。

Journal ref International Journal of Computer Vision, 2025

When Visual Privacy Protection Meets Multimodal Large Language Models

当视觉隐私保护与多模态大语言模型相遇

Xiaofei Hui, Qian Wu, Haoxuan Qu, Majid Mirmehdi, Hossein Rahmani, Jun Liu

AI总结 本文研究多模态大语言模型在提供便利性的同时如何保护视觉隐私，提出基于黑盒模型的优化框架，通过帕累托最优和关键历史增强优化实现隐私与性能的平衡。

Journal ref Int J Comput Vis (IJCV) 134, 167 (2026)

Unveiling Deep Shadows: A Survey and Benchmark on Image and Video Shadow Detection, Removal, and Generation in the Deep Learning Era

揭示深层阴影：深度学习时代图像和视频阴影检测、去除与生成的综述与基准

Xiaowei Hu, Zhenghao Xing, Tianyu Wang, Chi-Wing Fu, Pheng-Ann Heng

机构 * School of Future Technology, South China University of Technology（华南理工大学未来技术学院） ； Department of Computer Science and Engineering, The Chinese University of Hong Kong（香港中文大学计算机科学与工程学院） ； Adobe Research（Adobe研究） 纠错

AI总结 本文综述并建立了深度学习时代图像和视频阴影检测、去除与生成的统一基准，揭示了现有研究中的不一致、模型设计依赖性和跨数据集泛化限制，并提出了未来研究方向。

Comments Accepted by International Journal of Computer Vision (IJCV). Publicly available results, trained models, and evaluation metrics at https://github.com/xw-hu/Unveiling-Deep-Shadows

Journal ref International Journal of Computer Vision (IJCV), vol.134, article 158, 2026

Object-Scene-Camera Decomposition and Recomposition for Data-Efficient Monocular 3D Object Detection

面向数据高效的单目3D物体检测的物体-场景-相机分解与重组

Zhaonian Kuang, Rui Ding, Meng Yang, Xinhu Zheng, Gang Hua

机构 * Institute of Artificial Intelligence and Robotics（人工智能与机器人研究院） ； Xi'an Jiaotong University（西安交通大学） ； Intelligent Transportation Thrust of the Systems Hub（系统枢纽智能交通事业部） ； Hong Kong University of Science and Technology (GZ)（香港科技大学（广州）） ； Amazon Alexa AI（亚马逊Alexa AI） 纠错

AI总结 本文提出了一种在线分解与重组数据处理方案，通过生成多样化的物体-场景-相机组合数据，提升单目3D物体检测模型的性能。

Comments IJCV

Journal ref Int J Comput Vis 134, 155 (2026)

Catch Me If You Can Describe Me: Open-Vocabulary Camouflaged Instance Segmentation with Diffusion

捕捉我如果你能描述我：基于扩散的开放词汇伪装实例分割

Tuan-Anh Vu, Duc Thanh Nguyen, Qing Guo, Nhat Chung, Binh-Son Hua, Ivor W. Tsang, Sai-Kit Yeung

机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） ； CFAR & IHPC, A*STAR（CFAR与IHPC，A*STAR） ； Deakin University（德克萨斯大学） ； Nankai University（南开大学） ； National University of Singapore（新加坡国立大学） ； Trinity College Dublin（都柏林大学） 纠错

AI总结 本文提出基于扩散模型的开放词汇伪装实例分割方法，通过多尺度文本-视觉特征学习，提升伪装对象和新类别分割的性能。

Comments Accepted to IJCV 2026

Neural Discrimination-Prompted Transformers for Efficient UHD Image Restoration and Enhancement

神经判别提示变换器用于高效超高清图像恢复与增强

Cong Wang, Jinshan Pan, Liyan Wang, Wei Wang, Yang Yang

机构 * Shenzhen Campus of Sun Yat-Sen University（中山大学深圳校区） ； The Hong Kong Polytechnic University（香港理工大学） ； Nanjing University of Science and Technology（南京理工大学） ； Dalian University of Technology（大连理工大学） ； University of California, San Francisco（加州大学旧金山分校） 纠错

AI总结 UHDPromer通过神经判别提示机制提升超高清图像恢复与增强的效率和性能。

Comments Accepted by IJCV'26; code is available at https://github.com/supersupercong/uhdpromer

A polynomial formula for the perspective four points problem

视角四点问题的多项式公式

David Lehavi, Brian Osserman

AI总结 本文提出了一种基于多项式公式的视角四点问题求解方法，通过变量分离和绝对定向问题转换，实现高效且准确的解决方案。

Comments 17 pages

Journal ref International Journal of Computer Vision, Volume 134, article number 133, (2026)

Ctrl-GenAug: Controllable Generative Augmentation for Medical Sequence Classification

Ctrl-GenAug: 可控生成增强用于医学序列分类

Xinrui Zhou, Yuhao Huang, Haoran Dou, Shijing Chen, Ao Chang, Jia Liu, Weiran Long, Jian Zheng, Erjiao Xu, Jie Ren, Alejandro F. Frangi, Ruobing Huang, Jun Cheng, Xiaomeng Li, Wufeng Xue, Dong Ni

机构 * National-Regional Key Technology Engineering Laboratory for Medical Ultrasound（国家级区域医疗超声关键技术工程实验室） ； School of Biomedical Engineering（生物医学工程学院） ； Medical School（医学院） ； Shenzhen University（深圳大学） ； Medical UltraSound Image Computing (MUSIC) Lab（医学超声图像计算（MUSIC）实验室） ； School of Artificial Intelligence（人工智能学院） ； The Hong Kong University of Science and Technology（香港科学与技术大学） ； Department of Electronic and Computer Engineering（电子与计算机工程系） ； The University of Manchester（曼彻斯特大学） ； The Third Affiliated Hospital of Sun Yat-sen University（中山大学第三附属医院） ； Longgang District People’s Hospital of Shenzhen（深圳龙岗区人民医院） ； The Second Affiliated Hospital of The Chinese University of Hong Kong（香港中文大学第二附属医院） ； School of Biomedical Engineering and Informatics（生物医学工程与信息学学院） ； NIHR Manchester Biomedical Research Centre（NIHR曼彻斯特生物医学研究中心） 纠错

AI总结 Ctrl-GenAug通过可控生成增强方法提升医学序列分类性能，解决语义和序列可控性不足及噪声样本问题。

Comments Accepted by International Journal of Computer Vision, 30 pages, 11 figures, 11 tables

A Survey on Human Interaction Motion Generation

人类交互运动生成的综述

Kewei Sui, Anindita Ghosh, Inwoo Hwang, Bing Zhou, Jian Wang, Chuan Guo

机构 * Snap Inc. ； Saarland Informatics Campus, DFKI, MPI Informatics（萨尔兰州信息学校区、DFKI、MPI信息学） ； Seoul National University（首尔国立大学） 纠错

AI总结 本文综述了人类交互运动生成领域的研究，系统回顾了现有方法、数据集及评估指标，并探讨了未来研究方向。

Comments The repository listing relevant papers is accessible at: https://github.com/soraproducer/Awesome-Human-Interaction-Motion-Generation

Journal ref International Journal of Computer Vision, 2026

Deep Learning-Based Object Pose Estimation: A Comprehensive Survey

基于深度学习的对象位姿估计：全面综述

Jian Liu, Wei Sun, Hui Yang, Zhiwen Zeng, Chongpei Liu, Jin Zheng, Xingyu Liu, Hossein Rahmani, Nicu Sebe, Ajmal Mian

AI总结 本文综述了基于深度学习的对象位姿估计的最新进展，涵盖实例级、类别级和未见过对象的位姿估计，分析了当前方法的挑战与未来方向。

Comments Accepted by IJCV 2026, 45 pages, 13 figures

Journal ref International Journal of Computer Vision, 2026

Anonymization Prompt Learning for Facial Privacy-Preserving Text-to-Image Generation

面向面部隐私保护的匿名化提示学习

Liang Shi, Jie Zhang, Shiguang Shan

机构 * University of Chinese Academy of Sciences（中国科学院大学） 纠错

AI总结 本文提出匿名化提示学习方法，通过训练可学习的提示前缀，实现文本到图像生成中面部身份的匿名化，以保护隐私并防止深度伪造风险。

Comments Accepted by IJCV

Efficient4D: Fast Dynamic 3D Object Generation from a Single-view Video

Efficient4D: 从单视角视频快速生成动态3D对象

Zijie Pan, Zeyu Yang, Xiatian Zhu, Li Zhang

机构 * School of Data Science, Fudan University（复旦大学数据科学学院） ； University of Surrey（Surrey大学） 纠错

AI总结 Efficient4D通过高效框架实现从单视角视频快速生成动态3D对象，提升速度10倍并保持高质量

Comments IJCV version

Implicit Non-Causal Factors are Out via Dataset Splitting for Domain Generalization Object Detection

隐式非因果因素通过数据集分割被排除以实现领域泛化目标检测

Zhilong Zhang, Lei Zhang, Qing He, Shuyin Xia, Guoyin Wang, Fuxiang Huang

机构 * Chongqing University（重庆大学） ； Chongqing University of Posts and Telecommunications（重庆邮电大学） ； Chongqing Normal University（重庆师范大学） ； Lingnan University（岭南大学） 纠错

AI总结 本文提出GB-DAL方法，通过数据集分割和模拟非因果因素模块提升领域泛化目标检测的性能。

Comments To appear in IJCV