CVPR

Splat-Based Metal Artifact Reduction in Cone-Beam CT via Compact Attenuation Modeling

基于样条的锥形束CT金属伪影消除方法：通过紧凑衰减建模实现

Kiseok Choi, Jaemin Cho, Inchul Kim, Min H. Kim

机构 * KAIST（韩国科学技术院） 纠错

AI总结 本文针对锥形束CT的金属伪影问题，提出基于样条的框架，将物理多能前向模型融入连续高斯表示，实现高效联合优化，实验显示其收敛更快、抑伪影效果更优。

Journal ref Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2026

Revisiting Pose Sensitivity in Splat-based Computed Tomography under Sparse-view Reconstruction

稀疏视图重建下基于Splat的计算机断层扫描中姿态敏感性的再探讨

Kiseok Choi, Hyeongjun Cho, Inchul Kim, Min H. Kim

机构 * KAIST（韩国科学技术院） 纠错

AI总结 本研究针对基于Splat的CT在实际稀疏视图下的伪影问题，分析其源于姿态不准确性，推导了联合优化几何参数的稳定梯度框架，提升了重建保真度且易于集成。

Journal ref Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2026

Dense Metric Depth Completion from Sparse Direct Time-of-Flight Sensors

基于稀疏直接飞行时间传感器的密集度量深度补全

Hakyeong Kim, Ruicheng Wang, Chengtang Yao, Jiaolong Yang, Min H. Kim

机构 * KAIST（韩国科学技术院） ； USTC（中国科学技术大学） ； Microsoft Research Asia（微软亚洲研究院） 纠错

AI总结 本文提出一种深度引导双分支视觉Transformer框架，结合dToF模拟流程，实现稀疏dToF到密集度量深度的零样本泛化补全，性能优于现有方法且高效。

Journal ref Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2026

Image Classification Using CNN-QNN Hybrid Model with Optimized Correlated Features

基于优化相关特征的CNN-QNN混合模型的图像分类

Minseo Seong, Youngwook Kim

机构 * Sogang University（西江大学） 纠错

AI总结 本文提出优化CNN特征相关性的CNN-QNN混合模型，在CIFAR-10等三项分类任务中，使特征平均相关性达0.5可提升分类准确率与稳定性，凸显QNN的性能潜力。

Comments Accepted by CVPR Findings 2026

Seeing through boxes: Non-Line-of-Sight 3D Reconstruction from Radar Signals

透视箱子：基于雷达信号的非视距三维重建

Jiachen Lu, Hailan Shanbhag, Haitham Al Hassanieh

机构 * École Polytechnique Fédérale de Lausanne（联邦理工学院洛桑校区） 纠错

AI总结 提出统一视距与非视距神经几何重建框架GeRaF 2.0，利用外部视距几何约束引导射频信号传播，实现稳定训练和物理一致的重建，在射频几何重建中达到新最优。

Comments Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2026