CVPR

Detecting AI-Generated Forgeries via Iterative Manifold Deviation Amplification

通过迭代流形偏差放大检测AI生成的伪造

Jiangling Zhang, Shuxuan Gao, Bofan Liu, Siqiang Feng, Jirui Huang, Yaxiong Chen, Ziyu Chen

机构 * Wuhan University of Technology（武汉理工大学） 纠错

AI总结 提出IFA-Net通过迭代流形偏差放大技术，实现对AI生成伪造的高精度检测，提升篡改区域定位的准确性和泛化能力。

Comments Accepted to CVPR 2026

Learning Multi-Modal Prototypes for Cross-Domain Few-Shot Object Detection

跨域少样本目标检测中的多模态原型学习

Wanqi Wang, Jingcai Guo, Yuxiang Cai, Zhi Chen

机构 * University of Chinese Academy of Sciences（中国科学院大学） ； The Hong Kong Polytechnic University（香港理工大学） ； Zhejiang University（浙江大学） ； The University of Southern Queensland（昆士兰大学） 纠错

AI总结 本文提出LMP方法，通过结合文本和视觉信息，提升跨域少样本目标检测的精度和性能。

Comments Accepted to CVPR 2026 Findings

ReMoRa: Multimodal Large Language Model based on Refined Motion Representation for Long-Video Understanding

ReMoRa：基于精细运动表示的多模态大语言模型用于长视频理解

Daichi Yashima, Shuhei Kurita, Yusuke Oda, Komei Sugiura

机构 * Keio University（庆应大学） ； NII（日本信息处理学会） ； NII LLMC（日本信息处理学会语言模型中心） 纠错

AI总结 ReMoRa通过精细运动表示实现长视频理解，有效压缩视频数据并提升多模态大语言模型性能。

Comments Accepted to CVPR 2026

Perception Characteristics Distance: Measuring Stability and Robustness of Perception System in Dynamic Conditions under a Certain Decision Rule

感知特性距离：在特定决策规则下动态条件下感知系统稳定性与鲁棒性测量

Boyu Jiang, Liang Shi, Zhengzhi Lin, Lanxin Xiang, Loren Stowe, Feng Guo

机构 * Department of Statistics, Virginia Tech（弗吉尼亚理工学院统计学系） ； Virginia Tech Transportation Institute（弗吉尼亚理工学院交通研究所） 纠错

AI总结 提出感知特性距离（PCD）作为衡量动态条件下感知系统稳定性与鲁棒性的新指标，并通过SensorRainFall数据集验证其有效性。

Comments This paper has been accepted to the CVPR 2026 Main Conference

Speedy-Splat: Fast 3D Gaussian Splatting with Sparse Pixels and Sparse Primitives

Speedy-Splat: 通过稀疏像素和稀疏原语实现快速3D高斯点播

Alex Hanson, Allen Tu, Geng Lin, Vasu Singla, Matthias Zwicker, Tom Goldstein

机构 * University of Maryland, College Park（马里兰大学 College Park分校） 纠错

AI总结 Speedy-Splat通过优化渲染管线和引入剪枝技术，显著提升了3D高斯点播的渲染速度，模型大小和训练时间也得到优化。

Comments CVPR 2025, Project Page: https://speedysplat.github.io/

Journal ref Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2025, pp. 21537-21546