期刊&会议
Conference on Computer Vision and Pattern Recognition · 会议 · Computer Vision
FineCog-Nav：整合细粒度认知模块以实现零样本多模态无人机导航
机构 * Northwestern Polytechnical University（西北工业大学） ； Nanjing University（南京大学）
AI总结 本文提出FineCog-Nav框架，通过细粒度认知模块提升无人机零样本多模态导航性能，构建了AerialVLN-Fine基准测试集，实验表明其在指令遵循、长视距规划和环境泛化方面优于基线方法。
Comments Accepted by CVPR 2026 Findings
增强雾状野生动物图像：AnimalHaze3k和IncepDehazeGan
机构 * Department of Computer Science（计算机科学系） ； Manipal Institute of Technology（马普尔理工学院）
AI总结 本文提出AnimalHaze3k数据集和IncepDehazeGan模型，通过物理模拟生成雾状图像，提升野生动物图像清晰度，改进检测与跟踪性能。
Comments Accepted at CV4Animals Workshop, CVPR 2025
视觉-语言模型在何处失效？面向图像地理定位的世界尺度分析
机构 * University of Central Florida（中央佛罗里达大学）
AI总结 本文评估了多种先进视觉-语言模型在国家层面图像地理定位中的表现，揭示了模型在粗粒度地理定位中的潜力及当前模型在细粒度地理线索捕捉上的局限。
Comments Accepted to the CVPR EarthVision 2026 Workshop
阐明扩散概率模型的SNR-t偏差
机构 * Lanzhou University（兰州大学） ； AMAP Alibaba Group（AMAP阿里巴巴集团）
AI总结 本文揭示了扩散模型在推理阶段SNR与时间步的不匹配问题，提出差分校正方法提升生成质量，实验表明在多种模型和数据集上效果显著。
Comments Accepted to CVPR 2026, 19pages, with appendix
TokenLight: 利用属性标记实现图像中的精确光照控制
机构 * Yale University（耶鲁大学） ； Adobe
AI总结 本文提出一种图像再照明方法，通过属性标记编码多种光照属性，实现精确连续控制，并在合成和真实图像上验证了其性能。
Comments 32 pages, CVPR 2026, Project Page: https://vrroom.github.io/tokenlight/
通过文本语义增强视觉表示：基于文本语义的原型用于异构联邦学习
机构 * State Key Laboratory of Virtual Reality Technology and Systems, School of Computer Science and Engineering, Beihang University, Beijing, China（虚拟现实技术与系统国家重点实验室，计算机科学与工程学院，北京航空航天大学，北京，中国） ； Zhongguancun Laboratory, Beijing, China（中关村实验室，北京，中国） ； Center for AI Business Innovation, Department of Management Science and Systems, School of Management, University at Buffalo, USA（人工智能商业创新中心，管理科学与系统系，管理学院，布法罗大学，美国）
AI总结 本文提出FedTSP，利用预训练语言模型构建语义丰富的原型，以解决异构联邦学习中的数据异质性问题，提升模型收敛速度和泛化能力。
Comments Accepted by CVPR 2026 (Highlight)
IA-CLAHE：用于CLAHE的图像自适应剪裁限估计
机构 * NEC Corporation（日本电报电话公司）
AI总结 本文提出IA-CLAHE，通过自适应估计图像剪裁限来改进CLAHE，解决了传统CLAHE中固定剪裁限导致的过增强问题，无需任务特定数据即可实现跨条件泛化。
Comments Accepted to NTIRE 2026 Workshop at CVPR 2026
MMGait：迈向多模态步态识别
机构 * School of Artificial Intelligence, Beijing Normal University（北京师范大学人工智能学院）
AI总结 本文提出MMGait多模态步态基准，整合五种异构传感器数据，评估单模态、跨模态和多模态步态识别方法，引入Omni Multi-Modal Gait Recognition任务和OmniGait基线模型。
Comments CVPR 2026
层次编码扩散用于视频到语音生成
机构 * Fudan University（复旦大学） ； Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳））
AI总结 本文提出HiCoDiT，利用残差向量量化编码的层次结构，通过低层和高层块生成不同层级的语音令牌，以实现强音频视觉对齐，实验表明其在保真度和表达性上优于基线。
Comments CVPR 2026
AHS: 通过合成数据增强实现自适应头部合成
机构 * KAIST（韩国国立科学技术院） ； Korea University（韩国大学） ； FLIPTION
AI总结 本文提出AHS方法，通过合成数据增强解决头部合成中视角和表情多样性的限制，提升真实场景下的泛化能力。
Comments CVPR 2026, Project Page : https://keh0t0.github.io/AHS/
超越文本提示：通过文本图像协作实现精确概念消除
机构 * Nanjing University of Information Science and Technology（南京信息工程大学） ； Southeast University（东南大学） ； Nanjing University of Science and Technology（南京理工大学）
AI总结 本文提出TICoE框架，通过连续凸概念流形和分层视觉表征学习，实现精确且忠实的概念消除，同时保留无关语义和视觉内容，并引入基于保真度的评估策略，实验表明其在概念消除精度和内容保真度上优于现有方法。
Comments 25 pages, accepted by CVPR 2026
SSFT：一种轻量级的光谱-空间融合Transformer用于通用超光谱分类
机构 * Mannheim University of Applied Sciences（曼海姆应用科学大学）
AI总结 本文提出SSFT，通过光谱与空间路径融合，提升超光谱分类性能，实现参数更少但效果更优。
Comments This paper has been accepted at IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops (CVPRW), 2026
对视觉-语言模型所见所感知进行对齐与适应性信息流
机构 * KAIST（韩国科学技术院） ； POSTECH
AI总结 本文提出通过调节信息流提升视觉-语言模型的感知能力，通过动态令牌方法确定视觉令牌的重要性，从而提高视觉问答、视觉定位等任务的性能。
Comments CVPR 2026. Project page: https://cxliu0.github.io/AIF/
TTL: 用于基于预训练视觉-语言模型的分布外检测的测试时文本学习
机构 * Sun Yat-sen University（中山大学） ； China United Network Communications Corporation Limited Guangdong Branch（中国联合网络通信集团有限公司广东分公司） ； Peng Cheng Laboratory（鹏城实验室） ； Hong Kong University of Science and Technology（香港科技大学） ； Key Laboratory of Machine Intelligence and Advanced Computing, MOE（教育部机器智能与高级计算重点实验室）
AI总结 本文提出TTL框架，通过动态学习测试流中的分布外文本语义提升测试时分布外检测性能，实验表明其在多个基准上均取得最优效果。
Comments Accepted to CVPR 2026
APC：可转移且高效的对抗点反击用于鲁棒的3D点云识别
机构 * Department of Artificial Intelligence, University of Seoul, South Korea（首尔大学人工智能系，韩国） ； Department of Geo Informatics, University of Seoul, South Korea（首尔大学地理信息系，韩国）
AI总结 本文提出APC，一种轻量级输入级净化模块，通过生成实例特定的对抗扰动有效中和攻击，并通过混合训练策略提升跨不同攻击的泛化能力，实验表明其在3D识别基准上达到最先进的防御性能。
Comments Accepted by CVPR 2026 Findings
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
CodeMMR：连接自然语言、代码和图像以实现统一检索
机构 * MBZUAI ； Linköping University（林雪平大学） ； University of Groningen（格罗宁根大学） ； TU Darmstadt（图宾根大学）
AI总结 本文提出CodeMMR，通过指令式多模态对齐，将自然语言、代码和图像嵌入共享语义空间，实现跨模态和语言的强泛化，优于基线模型，并提升RAG中的代码生成精度与视觉 grounding。
Journal ref CVPR 2026
面向频率的流匹配用于高质量图像生成
机构 * Johns Hopkins University（约翰霍普金斯大学） ； ByteDance（字节跳动）
AI总结 本文提出FreqFlow，通过时间依赖的自适应加权将频率感知条件融入流匹配框架，以提升图像生成的全局结构和细节质量，在ImageNet-256上取得最佳FID成绩。
Comments Accepted by CVPR 2026
RelativeFlow: 通过噪声参考驯服医学图像去噪学习
机构 * School of Computer Science and Engineering, Southeast University, China（东南大学计算机科学与工程学院，中国） ； Department of Biomedical Engineering, Case Western Reserve University, USA（凯斯西储大学生物医学工程系，美国） ； School of Instrument Science and Engineering, Southeast University, China（东南大学仪器科学与工程学院，中国） ； Department of Optical Sciences, University of Arizona, USA（亚利桑那大学光学科学系，美国）
AI总结 针对医学图像去噪中噪声参考问题，提出RelativeFlow框架，通过分解绝对噪声到清洁映射为相对更噪声到噪声映射，结合一致传输和模拟基速度场提升去噪性能。
Comments Accepted by CVPR 2026
面向设计合成
机构 * Carnegie Mellon University（卡内基梅隆大学） ； IIT Kharagpur（印度理工学院哈里科特） ； IIT Kanpur（印度理工学院坎普尔） ； Adobe Research（Adobe研究）
AI总结 本文提出GIST，一种无需训练的身份保持图像合成器，用于提升组件到设计流程中的视觉和谐与美学质量。
Comments Accepted to CVEU workshop at CVPR 2026
通过簇感知再利用增强专家混合专业化
机构 * LG AI Research（LG人工智能研究）
AI总结 本文提出簇感知再利用策略，通过语义聚类初始化MoE模型，打破专家对称性并促进早期专业化，提升模型性能。
Comments Accepted to CVPR 2026
神经分布先验用于激光雷达分布外检测
机构 * The University of Melbourne（墨尔本大学）
AI总结 本文提出神经分布先验框架，通过动态捕捉训练数据的logit分布模式和引入Perlin噪声生成策略，提升激光雷达分布外检测性能，实验显示在STU数据集上达到61.31%的AP，优于现有方法。
Comments CVPR 2026
跨模态情绪迁移用于谈话人脸视频中的情绪编辑
机构 * Ulsan National Institute of Science and Technology (UNIST)（乌山国立科学技术研究院）
AI总结 本文提出跨模态情绪迁移(C-MET)方法，通过建模语音与视觉特征空间间的情绪语义向量，提升生成视频的情绪表达与真实感，实验表明其在MEAD和CREMA-D数据集上比现有方法提升14%的情绪准确性。
Comments Accepted to CVPR 2026. Project Page: https://chanhyeok-choi.github.io/C-MET/
InstructTable: 通过指令提升表格结构识别
机构 * Meituan（美团） ； Beijing Institute of Technology（北京理工大学）
AI总结 本文提出InstructTable框架，通过指令引导多阶段训练提升表格结构识别，结合指令预训练和细调，构建BCDSTab基准，实现在复杂表格识别中的最优性能。
Comments 2026 IEEE/CVF Conference on Computer Vision and Pattern Recognition- FINDINGS Track (CVPRF)
HiFi-Inpaint：迈向高保真参考基于修复生成细节保留的人-产品图像
机构 * University of Chinese Academy of Sciences（中国科学院大学） ； The Chinese University of Hong Kong（香港中文大学） ； Zhejiang University（浙江大学）
AI总结 本文提出HiFi-Inpaint框架，通过Shared Enhancement Attention和Detail-Aware Loss解决人-产品图像生成中的细节保留问题，并构建了HP-Image-40K数据集，实验表明其在生成高保真图像方面表现优异。
Comments Accepted by CVPR 2026 (Project page: https://correr-zhou.github.io/HiFi-Inpaint/)
DriveLaW：在潜在驾驶世界中统一规划与视频生成
机构 * Huazhong University of Science and Technology（华中科技大学） ； Xiaomi EV（小米电动车）
AI总结 DriveLaW通过统一视频生成与运动规划，提升自动驾驶中的预测与规划性能，实现视频生成与轨迹规划的一致性，取得新的state-of-the-art结果。
Comments 18 pages, 6 figures, CVPR 2026
PULSE：从丰富到可部署传感器的特权知识转移以实现具身多感官学习
机构 * University of California San Diego（加州大学圣迭戈分校） ； University of California Davis（加州大学戴维斯分校） ； IC Lab, Futurewei Technologies Inc.（未来科技公司IC实验室）
AI总结 PULSE框架通过从信息丰富的教师传感器向更廉价的部署传感器转移知识，解决具身智能系统中传感器不对称问题，实现多感官学习。
Comments v2: Accepted at the CVPR 2026 Workshop on Sense of Space. 8 pages main content + references + appendix
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