期刊&会议
Conference on Computer Vision and Pattern Recognition · 会议 · Computer Vision
SoccerNet 2026 以球员为中心的球类动作定位：FOOTPASS 基线的重训练与后处理扩展
机构 * GameChanger by Dick’s Sporting Goods（迪克体育用品的GameChanger）
AI总结 针对足球广播中八类动作的球员-动作-时间预测任务，在FOOTPASS基线上提出梯度检查点、GNN与DST融合、平方根频率类别加权和后处理流水线四项扩展，在测试集和挑战集上分别达到0.548和0.446的Macro F1。
Comments CVPR 2026 SoccerNet Player Centric Ball Action Spotting Challenge, Rank 7
EditSSC: 基于无条件扩散模型的可编辑语义占用场景
机构 * Inria（法国国家信息与自动化研究所） ； Valeo.ai（法雷奥人工智能实验室）
AI总结 提出EditSSC方法，利用2D BEV表示和现成潜扩散网络实现3D语义场景生成与免训练编辑，在SemanticKITTI上优于现有3D专用基线。
Comments Accepted at CVPR 2026 Workshop
IEA：通过三阶段多任务对齐的业余友好型对话式图像编辑代理
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Innovation Institution（上海创新研究院） ； Huawei Technologies Ltd.（华为技术有限公司） ； Nanyang Technological University（南洋理工大学） ； Jiangsu Key Lab of Language Computing（江苏省语言计算重点实验室）
AI总结 提出IEA对话式图像编辑代理，通过三阶段多任务训练学习操作参数化工具，实现可解释编辑轨迹，在像素距离和ROUGE-L指标上优于基线，用户研究中指令跟随和感知质量表现最佳。
Comments [CVPR 2026 Findings] Our data and code are released at https://github.com/OpenDFM/Image_Edit_Agent
通过以感知为中心的过程奖励模型改进视觉-语言模型
机构 * Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学北京校区人工智能学院） ； Bytedance（字节跳动） ； University of California, San Diego（加州大学圣地亚哥分校） ； The Hong Kong University of Science and Technology（香港科技大学）
AI总结 本文提出Perceval模型，通过token级错误定位提升视觉-语言模型的推理能力，通过感知驱动的监督策略实现细粒度训练与推理优化，实验显示在多个领域基准上显著提升性能。
Comments 8 pages
Journal ref Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2026, pp. 33099-33109
SAGE：适应性组织病理图像分割的形状自适应门控专家
机构 * University of Science, VNU-HCM（越南国家大学科学学院） ； Trivita AI ； University of Technology, VNU-HCM（越南国家大学技术学院） ； Michigan State University, USA（美国密歇根州立大学） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校）
AI总结 SAGE通过动态专家路由框架提升异构视觉网络中细胞形态变化的适应性，实现高精度分割与稳健泛化。
Comments Accepted to CVPR 2026 (Findings Track). Project Page: https://oxyzgiahuy.github.io/sage/
混合饮食使DINO成为杂食视觉编码器
机构 * Google DeepMind（谷歌DeepMind） ； University College London（伦敦大学学院）
AI总结 针对DINOv2等预训练视觉编码器在不同视觉模态间特征对齐差的问题，提出杂食视觉编码器，通过后训练框架学习模态无关特征空间，实现跨模态鲁棒理解。
Comments CVPR 2026 Highlight
NoRD: 一种无需推理的高数据效率视觉-语言-动作模型
机构 * Applied Intuition ； Texas A&M University（德克萨斯大学A&M分校） ； UC Berkeley（伯克利加州大学）
AI总结 提出NoRD模型，通过无需推理标注和仅需<60%数据微调，结合Dr. GRPO算法克服难度偏差，实现与现有VLA模型相当的性能，显著降低数据与计算开销。
Comments Accepted to CVPR 2026. Code available at: https://github.com/Applied-Open-Source/nord
CURE：基于课程引导的多任务训练实现可靠的解剖学接地报告生成
机构 * Pontificia Universidad Católica de Chile（智利天主教大学） ； CENIA ； iHEALTH ； KAUST（科威特皇家科学与技术局）
AI总结 提出CURE框架，通过课程学习动态调整多任务训练，提升医学报告生成的视觉接地准确性和事实一致性，无需额外数据。
Comments 31 pages, 7 figures, accepted to CVPR 2026 (oral)
Journal ref Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2026, pp. 36279-36289
PEDRA: 评估视频生成中行人动态的真实性
机构 * Duke University（杜克大学）
AI总结 提出PEDRA评估协议，通过重建鸟瞰轨迹等方法，测试文本/图像到视频模型生成多行人交互场景的真实性，发现现有模型虽具备先验但存在行人合并消失等物理不一致问题。
Comments Accepted to CVPR 2026
LoTUS：带有不确定性风味的大规模机器遗忘
机构 * University of Amsterdam（阿姆斯特丹大学） ； Centre for Research & Technology Hellas（希腊研究中心与技术中心） ； Archimedes/Athena RC（阿基米德/雅典娜研究中心）
AI总结 提出LoTUS方法，通过平滑预测概率至信息论界限来消除训练样本影响，避免从头重训练，在Transformer和ResNet18模型上超越现有方法，并引入RF-JSD指标用于实际评估。
Comments Accepted as a main conference paper at CVPR 2025 (https://cvpr.thecvf.com/virtual/2025/poster/33292)
镜像影响假说：利用前向传播的高效数据影响估计
机构 * Virginia Tech（弗吉尼亚理工大学） ； Columbia University（哥伦比亚大学）
AI总结 提出镜像影响假说，将训练数据对测试预测的影响转化为逆问题，通过测试样本梯度加训练样本前向传播高效估计数据影响，显著提升效率。
Comments The IEEE/CVF Conference on Computer Vision and Pattern Recognition 2024
Journal ref The IEEE/CVF Conference on Computer Vision and Pattern Recognition 2024
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