期刊&会议
Conference on Computer Vision and Pattern Recognition · 会议 · Computer Vision
VerbalValue：面向销售驱动直播电商的社会智能虚拟主持人
机构 * Cornell University（康奈尔大学）
AI总结 本文提出VerbalValue，一种以销售转化为导向的虚拟主持人，通过构建产品知识库和销售术语词典，结合大语言模型微调，提升直播电商中的信息传达和说服力。
Comments 10 pages, 7 figures. An earlier version, titled "VerbalValue: A Socially Intelligent Virtual Host for Sales-Driven Live Commerce", was accepted to the CVPR 2026 HiGen Workshop (non-archival). This version extends it with a deployment study
鲁棒可提示视频对象分割
机构 * POSTECH ； Google（谷歌） ； ETH Zürich（苏黎世联邦理工学院）
AI总结 本文提出鲁棒可提示视频对象分割方法MoGA，通过内存对象条件门控适应处理视频对象分割中的退化问题，提升在真实环境下的鲁棒性。
Comments Accepted to CVPR 2026
超越平面标签：面向层次细粒度视觉分类的层级限制对比学习
机构 * The Ohio State University（俄亥俄州立大学） ； Washington University in St. Louis（圣路易斯华盛顿大学） ； Neuromatch ； Boston University（波士顿大学）
AI总结 针对多模态对比学习在层次标签空间中预测不一致的问题，提出层级限制对比学习，仅在同一层级内进行对比，并采用组平衡设计，显著提升层次一致性和分类精度。
Comments Accepted to CVPR 2026 FGVC Workshop
SMoES：在MoE-VLMs中的软模态引导专家专业化
机构 * Li Auto Inc.（李自动公司）
AI总结 本文提出SMoES，通过动态软模态评分、专家分组机制和互信息正则化，提升MoE-VLMs的模态感知专家专业化，实验显示在多模态和语言任务上平均提升0.9%和4.2%，通信开销降低56.1%，吞吐量提升12.3%。
Comments CVPR 2026
合成媒体的演变：跟踪AI生成多模态虚假信息的兴起、传播与可检测性
机构 * Centre for Research and Technology Hellas（希腊研究中心）
AI总结 本文提出CONVEX数据集，研究多模态虚假信息的传播与共识动态，发现AI生成内容虽传播迅速但依赖被动互动，且检测性能随生成模型发展而下降。
Journal ref Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) Workshops, 2026, pp. 8626-8635
GeoBridge：一种语义锚定的多视图基础模型，用于图像与文本之间的地理定位
机构 * School of Computer Science and Technology, Jilin University（吉林大学计算机科学与技术学院） ； School of Computer Science, Wuhan University（武汉大学计算机学院） ； Zhongguancun Academy, Beijing, China（中关村学院，北京，中国） ； State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University（武汉大学测绘遥感信息工程国家重点实验室）
AI总结 GeoBridge通过语义锚定机制实现多视图特征桥接，提升地理定位的鲁棒性和灵活性。该模型构建了首个大规模跨模态多视图对齐数据集GeoLoc，验证了预训练对地理定位精度和跨领域泛化能力的提升。
Comments Extended journal version of the CVPR 2026 paper. Code, dataset, and pretrained models will be released at https://github.com/MiliLab/GeoBridge
基于概念引导的微调：引导ViT远离虚假相关性以提高鲁棒性
AI总结 本文提出一种引导模型推理至概念层面语义的微调框架，通过优化内部相关性映射对齐空间 grounded 的概念掩码，提升模型在分布偏移下的鲁棒性。
Comments CVPR 2026 ; Project page: https://yonisgit.github.io/concept-ft/
几何-光度事件基于的3D高斯射线追踪
机构 * Keio University（庆应义塾大学） ； Technische Universität Berlin（柏林工业大学） ； Science of Intelligence Excellence Cluster（智能科学卓越集群） ； Einstein Center Digital Future（爱因斯坦数字未来中心） ； Robotics Institute Germany（德国机器人研究所） ； The University of Tokyo（东京大学）
AI总结 本文提出GPERT框架，通过分离事件渲染与快照渲染，解决事件基于3DGS的精度与时间分辨率平衡问题，实现高精度3D重建。
Comments 15 pages, 12 figures, 5 tables
Journal ref IEEE Conference on Computer Vision and Pattern Recognition (CVPR), Denver, 2026
OSPO: 以对象为中心的自我改进偏好优化用于文本到图像生成
机构 * Korea University（韩国大学）
AI总结 OSPO通过自构造对象中心偏好数据和对象加权损失，提升文本到图像生成中对象级对齐和保真度，优于现有自我改进方法和专门扩散模型。
Comments Accepted to CVPR 2026 (camera-ready version)
探索视觉基础模型在无监督域适应中的优势
机构 * Eindhoven University of Technology（埃因霍温理工大学）
AI总结 本研究证明视觉基础模型与无监督域适应在语义分割中互补，能提升性能并实现显著加速，为UDA设定新标准。
Comments CVPR 2024 Workshop Proceedings for the Second Workshop on Foundation Models
从被动执行到主动探索：真实环境中的智能体具身操作
机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院，清华大学）
AI总结 针对现有具身操作框架被动执行、难以应对真实环境中语义线索与不可见目标的问题，提出由规划、感知、执行三模块协作的主动探索框架及感知-执行交错策略，在真实Find-and-Place任务中验证了有效性。
Comments 1st Place in the CVPR 2026 GigaBrain Challenge
将视觉-语言-动作模型进化为具备即时工具使用能力的智能体
机构 * Astribot（星舟机器人） ； Tsinghua University（清华大学） ； Juxi Tech（矩芯科技） ； IntelliFusion Inc.（智融公司） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 该研究提出带工具使用的智能体机器人（ART）框架，调优VLA模型以利用工具模块，在模拟及真实任务中成功率较基线高20%，为VLA系统实际部署奠定基础。
Comments 12 pages, 4 figures. Accepted to the IEEE/CVF Conference on Computer Vision and Pattern Recognition Conference Findings (CVPRF 2026)
Journal ref Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition Findings (CVPRF), 2026, pp. 1346-1357
SatUnreal：基于虚幻引擎的卫星立体匹配高精度合成数据集
机构 * TelePIX
AI总结 提出基于虚幻引擎的合成数据集SatUnreal，通过物理几何模拟、时空一致性、地形多样性和数学标签完整性生成高精度立体图像对，训练模型在真实基准上取得优于真实数据的零样本迁移性能。
Comments Accepted at CVPR 2026 Workshop on EarthVision (CVPRW 2026), pp. 7990-7999. Code and dataset: https://github.com/jmp-Telepix/SatUnreal_A_High-Precision_Synthetic_Dataset_for_Satellite_Stereo_Matching_via_UnrealEngine Supplementary material: https://openaccess.thecvf.com/content/CVPR2026W/EarthVision/supplemental/Kim_SatUnreal_A_High-Precision_CVPRW_2026_supplemental.pdf
Journal ref Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) Workshops, 2026, pp. 7990-7999
多样性的设计：基于原型的可解释性的架构约束
机构 * Rochester Institute of Technology（罗切斯特理工学院）
AI总结 针对基于原型的神经网络原型冗余、缺乏多样性和定量评估的问题，提出DAPL，通过架构约束和前景感知训练提升原型多样性，在CUB-200-2011上以81.69%准确率实现最佳平衡。
Comments Accepted to CVPR 2026 Trustworthy, Robust, Uncertainty-Aware, and Explainable Visual Intelligence and Beyond (TRUE-V) Workshop
ReAlign：通过推理对齐表示实现通用图像伪造检测
机构 * School of Electronic and Computer Engineering, Peking University（北京大学电子与计算机工程学院） ； School of Future Technology, South China University of Technology（华南理工大学未来技术学院） ； School of Electronic and Information Engineering, South China University of Technology（华南理工大学电子与信息工程学院） ； Guangdong Provincial Key Laboratory of Ultra High Definition Immersive Media Technology, Shenzhen Graduate School, Peking University（广东省超高清沉浸媒体技术重点实验室，北京大学深圳研究生院）
AI总结 本文提出ReAlign框架，通过对比学习将LLM生成的高质量推理文本转化为轻量级AIGI检测器，提升检测准确性和泛化能力。
Comments Accepted by CVPR 2026
对抗GAN分类器的GAN顺序训练揭示独立训练的GAN实例间存在相关的“知识缺口”
机构 * Google Research（谷歌研究院）
AI总结 本研究通过顺序训练GAN分类器与GAN，发现StyleGAN2能在不降低输出质量的情况下欺骗分类器，而DCGAN不能，揭示了不同GAN实例间相关的知识缺口及其对训练的影响。
Journal ref 2023 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR)
多智能体视频预测：用于动态场景预测的自校正条件帧
AI总结 针对远程驾驶中网络延迟导致新物体出现时预测失效的问题，提出多智能体视频预测框架，结合连续预测与掩码引导条件重调节，实现语义恢复并保持质量与效率。
Comments Published in the IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops (CVPRW), 2026
Journal ref Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) Workshops, 2026, pp. 1087-1096
LiDAS: 基于光照的动态主动感知用于夜间感知
机构 * Valeo - Mines Paris PSL（Valeo - 巴黎 Mines 工程学院） ； Valeo ； Mines Paris PSL（巴黎 Mines 工程学院）
AI总结 LiDAS是一种基于光照的动态主动感知系统，通过自适应照明控制提升夜间感知性能，实现白天训练模型在夜间场景中的零样本泛化。
Comments Published at CVPR 2026. 12 pages, 9 figures. Project page: https://simondemoreau.github.io/LiDAS/
Journal ref In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2026
FlowSteer: 条件化流场以实现一致图像恢复
机构 * Purdue University（普渡大学） ； HKUST（香港科技大学） ； Texas A&M University（德克萨斯农工大学）
AI总结 提出FlowSteer，一种算子感知的条件化方案，通过在采样路径中注入测量先验，将冻结流的隐式引导与显式测量约束耦合，在零样本设置下实现超分辨率、去模糊、去噪和着色等任务的一致图像恢复。
Comments Accepted by CVPRF 2026. Camera Ready version. Project page is \href{https://tharindu-nirmal.github.io/FlowSteer/}{in this link}
Journal ref Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2026
RetouchIQ: 基于指令的图像修复MLLM代理与通用奖励模型
机构 * Adobe Research（Adobe研究院）
AI总结 RetouchIQ通过通用奖励模型提升指令基于图像编辑的语义一致性和感知质量，展现灵活可解释的编辑能力。
Comments 10 pages, 6 figures
Journal ref Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), pp. 12279-12288, 2026
当LoRA背叛时：通过伪装成无害适配器对文本到图像模型进行后门攻击
机构 * People’s Public Security University of China（中国人民公安大学）
AI总结 研究提出MasqLoRA攻击框架，通过独立LoRA模块在文本到图像扩散模型中隐蔽注入恶意行为，实验显示其攻击成功率高达99.8%。
Comments Accepted to CVPR 2026 main track(poster)
Journal ref Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2026
映射网络
机构 * National Institute of Technology Rourkela Odisha（印度奥迪沙省拉尔克ela国家理工学院）
AI总结 映射网络通过降低参数数量显著减少过拟合，实现复杂视觉任务中与目标网络相当或更好的性能。
Comments 10 pages
Journal ref Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2026, pp. 36215-36223
ALINA：高级线条识别与标注算法
机构 * Florida Institute of Technology（佛罗里达理工学院） ； NASA Langley Research Center（美国国家航空航天局兰利研究中心） ； BITS Pilani Dubai Campus（印度比拉斯布尔大学 Pilani 迪拜校区）
AI总结 本文提出ALINA标注框架及CIRCLEDAT算法，用于自动标注滑行道数据集，在60,249帧上实现98.45%的检测率，解决了传统标注成本高、隐私等问题。
Comments Paper has been accepted to The 3rd CVPR Workshop on Vision Datasets Understanding, 2024
弥合2D-3D鸿沟：面向视觉语言导航的分层语义几何地图
机构 * School of Computer Science and Technology, East China Normal University（东华大学计算机科学与技术学院） ； Bosch Corporate Research（博世企业研究） ； King Abdullah University of Science and Technology（卡布斯大学）
AI总结 提出分层语义几何地图（HSGM），将3D几何信息转化为VLM可理解的结构化表示，结合VLM高层语义规划与经典路径规划，实现零样本视觉语言导航，在R2R-CE和RxR-CE基准上达到最先进性能。
Journal ref Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2026, pp. 15243-15252
CLiViS: 通过语言-视觉协同释放认知地图用于具身视觉推理
机构 * School of Computer Science and Technology, East China Normal University（东华大学计算机科学与技术学院） ； King Abdullah University of Science and Technology（科廷大学） ； Fudan University（复旦大学）
AI总结 提出CLiViS框架，通过LLM进行高层任务规划并协调VLM驱动的开放世界视觉感知，构建动态认知地图以迭代更新场景上下文，实现无需训练的具身视觉推理。
Journal ref Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2026, pp. 5134-5143
非语言鸿沟：迈向更安全和公平的在线约会情感计算
机构 * University of Kansas（堪萨斯大学） ； University of Maryland（马里兰大学）
AI总结 本文探讨在线约会中非语言信息缺失的问题，提出以公平性为核心的研究议程，涵盖实时不适检测、互动不对称建模、知情同意互动设计及长期互动总结等能力领域，强调需建立公平评估体系和设备端处理架构以提升安全性和公平性。
Journal ref CVPR Humans of Generative AI (HuG) Workshop 2026
HyCal：一种无需训练的跨学科少样本类增量学习原型校准方法
机构 * Chung-Ang University（Chung-Ang 大学） ； KT Corporation（KT 公司） ； Dentium ； ETRI
AI总结 本文提出HyCal方法，通过结合余弦相似度和马氏距离，解决跨学科少样本类增量学习中的领域引力问题，提升在不平衡数据下的性能。
Comments Accepted to CVPR 2026. Eunju Lee and MiHyeon Kim contributed equally as co-first authors. Official code implementation is available at: https://github.com/EJLEE5826/HyCal-CIL
DNF-SR：用于真实世界图像超分辨率的双输入与负感知特征微调
机构 * Nankai University（南开大学） ； NKIARI, Shenzhen Futian（深圳福田NKIARI）
AI总结 提出DNF-SR，通过双输入拼接与负感知特征微调（NF2T），利用噪声多样性引导单步扩散模型，实现高保真且稳定的真实世界图像超分辨率。
Comments Accepted by CVPR 2026
基于令牌空间的掩码预测用于高效的视觉变换器分割
机构 * Université Paris-Saclay, CEA List（巴黎-萨克雷大学，CEA列表） ； U2IS, ENSTA Paris, Institut Polytechnique de Paris（U2IS，巴黎ENSTA，巴黎理工学院）
AI总结 本文提出TokenMask，一种直接从查询令牌亲和力计算掩码logits并进行logit空间插值的方法，从而在保持准确性的同时减少计算和内存需求，提高分割效率。
Comments Accepted at the CVPR 2026 Embedded Vision Workshop (EVW2026)
缺失的GAP：从解决正方形拼图到处理现实世界考古碎片
机构 * Stein Faculty of Computer and Information Science（Stein 计算机与信息科学学院）
AI总结 本文提出GAP数据集和PuzzleFlow框架，解决非正方形拼图问题，提升对考古碎片的处理能力。
Journal ref Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2026, pp. 3186-3196
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈