Meta

ATLAS: Agentic or Latent Visual Reasoning? One Word is Enough for Both

ATLAS：是代理还是潜在的视觉推理？一个词足以兼顾两者

Ziyu Guo, Rain Liu, Xinyan Chen, Pheng-Ann Heng

机构 * Meta AI ； The Chinese University of Hong Kong（香港中文大学） 纠错

AI总结 ATLAS结合代理推理与潜在推理，通过单一功能词实现两者结合，避免冗长中间视觉生成，保持与传统训练方法兼容。

Comments Project Page: https://atlas-oneword.github.io Code: https://github.com/ZiyuGuo99/ATLAS

VGGT-$Ω$

VGGT-Ω通过改进架构和训练方法，在静态和动态场景重建中提升精度与效率，同时减少内存消耗并利用更多数据

Jianyuan Wang, Minghao Chen, Shangzhan Zhang, Nikita Karaev, Johannes Schönberger, Patrick Labatut, Piotr Bojanowski, David Novotny, Andrea Vedaldi, Christian Rupprecht

机构 * Visual Geometry Group, University of Oxford（视觉几何组，牛津大学） ； Meta AI 纠错

AI总结 VGGT-Ω通过改进架构和训练方法，在静态和动态场景重建中提升精度与效率，同时减少内存消耗并利用更多数据。

Comments CVPR 2026 (Oral)

M$^2$E-UAV: A Benchmark and Analysis for Onboard Motion-on-Motion Event-Based Tiny UAV Detection

M$^2$E-UAV: 一个用于机载运动-运动事件基微型无人机检测的基准和分析

Weiqi Yan, Lixin Chen, Xiangrui Hou, Zhipeng Cai, Youbiao Wang, Yangyang Shi, Yu Zang, Cheng Wang

机构 * Fujian Key Laboratory of Urban Intelligent Sensing and Computing, School of Informatics, Xiamen University, Xiamen, China（福建城市智能感知与计算重点实验室，厦门大学信息学院，厦门，中国） ； Meta, Menlo Park, USA（Meta，Menlo Park，美国） 纠错

AI总结 针对机载运动-运动事件基微型无人机检测问题，本文提出首个包含传感平台和目标无人机运动的基准数据集，通过同步事件流和IMU数据评估现有基线方法的性能。

A Tale of Two Problems: Multi-Task Bilevel Learning Meets Equality Constrained Multi-Objective Optimization

双问题故事：多任务双层学习与等式约束多目标优化

Zhiyao Zhang, Myeung Suk Oh, Zhen Qin, Jiaxiang Li, Xin Zhang, Jia Liu

机构 * Department of Electrical and Computer Engineering, The Ohio State University, Columbus, OH, USA（电子与计算机工程系，俄亥俄州立大学，哥伦布，OH，USA） ； Meta Platforms, Inc., Menlo Park, CA, USA（Meta平台公司，Menlo Park，CA，USA） 纠错

AI总结 本文首次将双层优化扩展到多任务设置，通过将多任务双层学习问题转化为等式约束多目标优化问题，提出加权切比雪夫惩罚算法，实现有限时间收敛并系统探索帕累托前沿。

Self-Pruned Key-Value Attention: Learning When to Write by Predicting Future Utility

自修剪键值注意机制：通过预测未来效用学习何时写作

Gergely Szilvasy, Manuel Faysse, Maria Lomeli, Matthijs Douze, Pierre-Emmanuel Mazaré, Loïc Cabannes, Wen-tau Yih, Hervé Jégou

机构 * Meta FAIR 纠错

AI总结 本文提出自修剪键值注意机制，通过预测未来效用减少长序列的KV缓存大小，提升内存使用和解码速度，同时保持验证损失和下游任务性能。

Comments 28 pages, 8 figures, 8 tables

Realiz3D: 3D Generation Made Photorealistic via Domain-Aware Learning

Realiz3D: 通过领域感知学习实现逼真3D生成

Ido Sobol, Kihyuk Sohn, Yoav Blum, Egor Zakharov, Max Bluvstein, Andrea Vedaldi, Or Litany

机构 * Technion（技术学院） ； Meta AI 纠错

AI总结 Realiz3D通过分离控制信号与视觉领域，提升生成图像的逼真度和3D一致性，适用于文本到多视角生成和3D输入纹理生成。

Comments Accepted to CVPR 2026. Project page: https://idosobol.github.io/realiz3d/