WACV

Structure-aware Riemannian Growth Fields for 4D Plant Modeling

面向4D植物建模的结构感知黎曼生长场

Meng-Yu Jennifer Kuo, Ryo Kawahara

机构 * Nara Women’s University（奈良女子大学） ； Kyoto University（京都大学） 纠错

AI总结 该研究提出结构感知黎曼生长场框架，用于从稀疏时间观测重建4D植物生长，构建了10天双物种标注数据集，在几何精度与对应一致性上优于现有方法。

Comments Accepted to WACV 2027 (Round 1)

JUMP-lite: Compact, reproducible benchmarking of cell representations

JUMP-lite：紧凑、可复现的细胞表征基准测试

Alán F. Muñoz, Johan Fredin Haslum, Runxi Shen, Anne E. Carpenter, Shantanu Singh

AI总结 研究针对JUMP数据集体积过大导致细胞表征基准测试难以开展的问题，提出JUMP-lite压缩子集与Nahual框架，测试5种表征方法并验证压缩保留下游信号，为相关基准测试提供基础。

Comments Submitted to WACV 2027

You Only Flow Once: Calibrated and Real-Time Radar Pose Estimation with Multi-Hypothesis Normalizing Flows

仅一次流：基于多假设归一化流的校准且实时雷达位姿估计

Jonas Leo Mueller, Sebastian Hoefler, Dario Zanca, Naga Venkata Sai Jitin Jami, Thomas Altstidl, Bjoern M. Eskofier

机构 * Friedrich-Alexander-Universität Erlangen-Nürnberg（弗里德里希-亚历山大-埃尔兰根-纽伦堡大学） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） ； LMU München（慕尼黑大学） ； Helmholtz Zentrum München（慕尼黑亥姆霍兹中心） 纠错

AI总结 该研究针对雷达位姿估计的歧义问题，提出MH-NFPG方法，结合时空Transformer与归一化流，实现高效实时的校准位姿估计，性能优于扩散模型。

Comments Accepted at the Winter Conference on Applications of Computer Vision (WACV) 2027

MVMD: A Multi-View Approach for Enhanced Mirror Detection

MVMD：用于增强镜面检测的多视图方法

Yidan Shen, Yu Wen, Chen Zhang, Xin Fu, Renjie Hu

机构 * University of Houston（休斯顿大学） 纠错

AI总结 针对现有镜面检测仅关注单图像的局限，提出多视图镜面检测方法MVMD及首个多视图镜面检测数据库，通过三个模块提升检测效果，使准确率和IoU分别最高提升2.6%和11.1%，增强了镜面密集环境下的三维重建准确性。

Comments This work has already published at WACV 2025, just want more accessibility

Journal ref 2025 IEEE/CVF Winter Conference on Applications of Computer Vision (WACV)

CalibBEV: LiDAR-Camera Calibration via BEV Alignment

CalibBEV：基于鸟瞰图对齐的激光雷达-相机标定方法

Filippo D'Addeo, Lorenzo Cipelli, Adriano Cardace, Emanuele Ghelfi, Andrea Zinelli, Massimo Bertozzi

机构 * University of Bologna（博洛尼亚大学） ； University of Parma（帕尔马大学） ； Stanford University（斯坦福大学） ； VisLab srl（VisLab有限公司） ； Ambarella Inc.（安霸公司） 纠错

AI总结 CalibBEV是一种激光雷达-相机标定方法，通过两步BEV对齐结合CLIP对比损失实现跨模态统一，在KITTI、nuScenes基准上大幅降低了标定误差，达到最优性能。

Journal ref Proceedings of the IEEE/CVF Winter Conference on Applications of Computer Vision. 2026. p. 4345-4354

MIME: Multimodal Interactive Motion Encoder

MIME：多模态交互式运动编码器

Addison Zucek, Prerit Gupta, Kamila Kuatova, Aniket Bera

机构 * Purdue University（普渡大学） 纠错

AI总结 研究针对动画、AR/VR等场景中多人交互的文本-运动表示学习问题，提出多模态交互式运动编码器MIME，通过特定方法捕捉结构并训练，在文本-运动检索任务中表现出色，还能跨数据集支持下游运动生成。

Comments Under review at WACV 2027

Spatial Support Matters: Geometry-Aware Graph Fusion for Rainfall Field Reconstruction

空间支撑至关重要：面向降雨场重建的几何感知图融合

Low Jun Yu, Niramay Kachhadiya, Herath Mudiyanselage Viraj Vidura Herath, Sanka Rasnayaka, Lucy Amanda Marshall

机构 * School of Computing, National University of Singapore（新加坡国立大学计算机学院） ； Faculty of Engineering, The University of Sydney（悉尼大学工程学院） 纠错

AI总结 针对降雨场重建中多源观测支撑（点、线、面）的几何差异问题，提出几何感知多支撑异构图神经网络，通过跨支撑消息传递融合并重建降雨场，在新加坡数据上RMSE降低23.2%。

Comments Submitted to WACV 2027, applications track

BAFIS: Dataset + Framework to assess occupational Bias and Human Preference in modern Text-to-image Models

BAFIS：评估现代文本到图像模型中的职业偏见与人类偏好的数据集与框架

Thomas Klassert, Adrian Ulges, Biying Fu

机构 * RheinMain University of Applied Sciences（莱茵美因应用科学大学） 纠错

AI总结 本研究提出BAFIS平台和包含21,140张多语言提示生成图像的数据集，评估五种文本到图像模型在职业生成中的性别和种族偏见，结合人类偏好反馈，发现系统性偏见并强调纳入人类偏好的必要性。

Comments Accepted at the IEEE Winter Conference on Applications of Computer Vision, WACV 2026