WACV

MM-TS: Multi-Modal Temperature and Margin Schedules for Contrastive Learning with Long-Tail Data

MM-TS: 多模态温度和边距调度用于长尾数据的对比学习

Siarhei Sheludzko, Dhimitrios Duka, Bernt Schiele, Hilde Kuehne, Anna Kukleva

机构 * University of Bonn（波恩大学） ； MPI for Informatics, SIC（信息研究所） ； Tuebingen AI Center/University of Tuebingen（图宾根人工智能中心/图宾根大学） ； MIT-IBM Watson AI Lab（麻省理工-IBM Watson人工智能实验室） 纠错

AI总结 MM-TS通过动态温度和边距调度提升多模态对比学习在长尾数据上的性能，实现InfoNCE和最大边距方法的统一。

Comments 18 pages, 11 figures. Accepted at WACV 2026

Not Like Transformers: Drop the Beat Representation for Dance Generation with Mamba-Based Diffusion Model

不同于Transformer：用基于Mamba的扩散模型生成舞蹈，摒弃节奏表示

Sangjune Park, Inhyeok Choi, Donghyeon Soon, Youngwoo Jeon, Kyungdon Joo

机构 * Ulsan National Institute of Science and Technology, South Korea（乌山国立科学技术研究院，韩国） ； Daegu Gyeongbuk Institute of Science and Technology, South Korea（大邱庆北科学技术研究院，韩国） 纠错

AI总结 本文提出基于Mamba的扩散模型，用于生成舞蹈，通过替代Transformer并引入基于高斯的节奏表示，有效生成合理舞蹈动作，保持从短到长舞蹈的一致性。

Comments Accepted by WACV 2026

CONSTANT: Towards High-Quality One-Shot Handwriting Generation with Patch Contrastive Enhancement and Style-Aware Quantization

CONSTANT：通过补丁对比增强和风格感知量化实现高质量单次手写生成

Anh-Duy Le, Van-Linh Pham, Thanh-Nam Vo, Xuan Toan Mai, Tuan-Anh Tran

机构 * Viettel Artificial Intelligence and Data Services Center（越南 Viettel 人工智能与数据服务中心） ； Ho Chi Minh City University of Technology（胡志明市技术大学） 纠错

AI总结 CONSTANT通过补丁对比增强和风格感知量化，实现高质量单次手写生成，有效提升图像细节与风格适应性。

Comments Accepted as oral presentation at WACV 2026

SceneEval: Evaluating Semantic Coherence in Text-Conditioned 3D Indoor Scene Synthesis

SceneEval: 评估文本条件3D室内场景合成中的语义连贯性

Hou In Ivan Tam, Hou In Derek Pun, Austin T. Wang, Angel X. Chang, Manolis Savva

机构 * Simon Fraser University（西蒙弗雷泽大学） ； Alberta Machine Intelligence Institute (Amii)（阿尔伯塔人工智能研究所） 纠错

AI总结 SceneEval通过引入细粒度度量标准评估文本条件3D室内场景合成中的语义连贯性，揭示了现有方法的不足，推动更可控的场景生成研究。

Comments Accepted at WACV 2026 (Oral). Project page: https://3dlg-hcvc.github.io/SceneEval/ . Minor revisions for camera-ready version