视觉大模型 / VLM

Unbiased Region-Language Alignment for Open-Vocabulary Dense Prediction

无偏区域-语言对齐用于开放词汇密集预测

Yunheng Li, Yuxuan Li, Quansheng Zeng, Wenhai Wang, Qibin Hou, Ming-Ming Cheng

机构 * VCIP, CS, Nankai University（南开大学计算机科学与技术学院） ； NKIARI, Shenzhen Futian（深圳福田国家信息研究院） ； OpenGVLab, Shanghai AI Laboratory（上海人工智能实验室） ； The Chinese University of Hong Kong（香港中文大学） 纠错

专题命中 视觉定位与Grounding ：vision-language model(abstract)；VLM(abstract)；分类 cs.CV

AI总结 DenseVLM通过无偏区域-语言对齐提升开放词汇密集预测性能

Comments Accepted at ICCV 2025. The code is available at https://github.com/HVision-NKU/DenseVLM

TexAvatars : Hybrid Texel-3D Representations for Stable Rigging of Photorealistic Gaussian Head Avatars

TexAvatars : 混合的texel-3D表示用于稳定驱动的逼真高斯头avatars

Jaeseong Lee, Junyeong Ahn, Taewoong Kang, Jaegul Choo

机构 * KAIST（韩国科学技术院） ； Hanyang University（翰阳大学） 纠错

专题命中 视觉定位与Grounding ：grounding(abstract)；分类 cs.CV、cs.AI

AI总结 TexAvatars通过混合texel-3D表示，结合分析rigging的几何基础与texel空间的连续性，实现逼真头avatars的稳定驱动和高保真表达。

Comments 3DV 2026, Project page with videos: https://summertight.github.io/TexAvatars/

SegMo: Segment-aligned Text to 3D Human Motion Generation

SegMo：基于段落的文本到3D人体运动生成

Bowen Dang, Lin Wu, Xiaohang Yang, Zheng Yuan, Zhixiang Chen

机构 * University of Sheffield（谢菲尔德大学） ； University of Glasgow（格拉斯哥大学） ； Queen Mary University of London（伦敦大学Queen Mary） 纠错

专题命中 视觉定位与Grounding ：grounding(abstract)；分类 cs.CV

AI总结 SegMo通过段落对齐实现文本与3D人体运动的精细生成与对齐，提升生成效果并拓展应用范围。

Comments The IEEE/CVF Winter Conference on Applications of Computer Vision 2026

ORCA: Object Recognition and Comprehension for Archiving Marine Species

ORCA：面向档案化海洋物种的对象识别与理解

Yuk-Kwan Wong, Haixin Liang, Zeyu Ma, Yiwei Chen, Ziqiang Zheng, Rinaldi Gotama, Pascal Sebastian, Lauren D. Sparks, Sai-Kit Yeung

机构 * Hong Kong University of Science and Technology（香港科技大学） ； University of Electronic Science and Technology of China（电子科学与技术大学） ； Indo Ocean Foundation Project（印度洋基金会项目） 纠错

专题命中 视觉定位与Grounding ：grounding(abstract)；分类 cs.CV

AI总结 ORCA提出一个多模态基准数据集，用于提升海洋物种识别与理解的研究水平，通过细粒度视觉和文本注释推动领域内方法学进展。

Comments Accepted by The IEEE/CVF Winter Conference on Applications of Computer Vision (WACV), 2026

Language-Guided Grasp Detection with Coarse-to-Fine Learning for Robotic Manipulation

基于粗到细学习的语言引导抓取检测用于机器人操作

Zebin Jiang, Tianle Jin, Xiangtong Yao, Alois Knoll, Hu Cao

专题命中 视觉定位与Grounding ：grounding(abstract)；分类 cs.CV

AI总结 本文提出基于粗到细学习的语言引导抓取检测方法，通过跨模态融合和动态卷积头提升抓取精度与鲁棒性，实验证明其在复杂环境中的有效性。

Comments Submitted to IEEE Journal

From Pilots to Practices: A Scoping Review of GenAI-Enabled Personalization in Computer Science Education

从飞行员到实践：关于生成式AI在计算机科学教育中实现个性化的一次范围综述

Iman Reihanian, Yunfei Hou, Qingquan Sun

机构 * School of Computer Science and Engineering, California State University, San Bernardino, CA 92407 , USA（计算机科学与工程学院，加州州立大学，桑 bernardino，CA 92407，美国） 纠错

专题命中 视觉定位与Grounding ：grounding(abstract)；分类 cs.AI

AI总结 本文通过综述32项研究，探讨生成式AI在计算机科学教育中的个性化应用，提出探索优先的采用框架，强调试点和证据驱动的扩展，以提升学习效果并应对相关风险。

Comments Review article. 23 pages, 7 figures, 8 tables. Published in AI (MDPI), 2026

Journal ref AI 2026, 7(1), Article 6

Interaction, Process, Infrastructure: A Unified Framework for Human-Agent Collaboration

交互、过程、基础设施：人机协作的统一框架

Yun Wang, Yan Lu

机构 * Microsoft Research Asia（微软亚洲研究院） 纠错

专题命中 视觉定位与Grounding ：grounding(abstract)；分类 cs.AI

AI总结 本文提出了一种统一框架，通过整合交互、过程和基础设施，解决人机协作中结构表示和适应性问题。

SPOC: Spatially-Progressing Object State Change Segmentation in Video

SPOC: 视频中空间性推进的对象状态变化分割

Priyanka Mandikal, Tushar Nagarajan, Alex Stoken, Zihui Xue, Kristen Grauman

专题命中 视觉定位与Grounding ：VLM(abstract)；分类 cs.CV

AI总结 SPOC提出空间性推进的对象状态变化分割任务，通过伪标签和动态约束方法，解决视频中对象变化位置和速度的精确定位问题。

Comments Accepted at WACV 2026