CVPR

Zero-Shot Traffic Accident Detection via a Coarse-to-Fine VLM-Tracking Pipeline

基于粗到细VLM跟踪流水线的零样本交通事故检测

Dipit Saha, Shah Mohammad Abdul Mannan, Mohammad Raihan Rashid, Ruwad Naswan, Ahnaf Tahmid

机构 * Bangladesh University of Engineering and Technology（孟加拉工程技术大学） 纠错

AI总结 本文提出一种无需训练的双通粗到细流水线，结合Qwen3-VL-32B-Instruct、YOLO11x与BoT-SORT，在零样本约束下于ACCIDENT @ CVPR基准测试中实现22%相对优势，达成0.504的三方调和均值得分。

Comments Accepted at the AUTOPILOT Workshop, CVPR 2026, Denver, CO

PFGNet: A Fully Convolutional Frequency-Guided Peripheral Gating Network for Efficient Spatiotemporal Predictive Learning

PFGNet: 一种全卷积频率引导边缘门控网络，用于高效的时空预测学习

Xinyong Cai, Changbin Sun, Yong Wang, Hongyu Yang, Yuankai Wu

机构 * College of Computer Science, Sichuan University（四川大学计算机科学学院） ； Department of Data and Systems Engineering, The University of Hong Kong（香港大学数据与系统工程系） 纠错

AI总结 PFGNet通过像素级频率引导门控动态调节感受野，实现高效的时空预测学习，无需递归或注意力机制，在多个数据集上取得SOTA性能。

Comments Accepted to CVPR 2026

Journal ref Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2026, pp. 38848-38858

Neural Gabor Splatting: Enhanced Gaussian Splatting with Neural Gabor for High-frequency Surface Reconstruction

神经戈尔巴式点云：通过神经戈尔巴增强高频率表面重建

Haato Watanabe, Nobuyuki Umetani

机构 * The University of Tokyo（东京大学） 纠错

AI总结 本文提出神经戈尔巴点云方法，通过在高斯点云中加入轻量级多层感知机来增强颜色变化的表示，减少点云数量，实现高频率表面的精确重建。

Comments Accepted to CVPR 2026

Journal ref Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), pp. 4932-4941, 2026

Adversarial Concept Distillation for One-Step Diffusion Personalization

对抗概念蒸馏用于一步扩散个性化

Yixiong Yang, Tao Wu, Senmao Li, Shiqi Yang, Yaxing Wang, Joost van de Weijer, Kai Wang

机构 * Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） ； Computer Vision Center（计算机视觉中心） ； Universitat Autònoma de Barcelona（巴塞罗那自治大学） ； VCIP, CS, Nankai University（南开大学计算机学院视觉计算与智能感知实验室） ； Program of Computer Science, City University of Hong Kong (Dongguan)（香港城市大学（东莞）计算机科学项目） ； City University of Hong Kong（香港城市大学） 纠错

AI总结 本文提出OPAD框架，结合教师-学生蒸馏与对抗监督，通过多步扩散模型作为教师，一步学生模型联合训练，以实现一步扩散模型的高效个性化。

Comments Accepted to CVPR 2026 Findings

BD-Merging: Bias-Aware Dynamic Model Merging with Evidence-Guided Contrastive Learning

BD-Merging: 偏差感知动态模型合并与证据引导对比学习

Yuhan Xie, Chen Lyu

机构 * MoE Key Laboratory of Interdisciplinary Research of Computation and Economics（计算与经济学交叉学科联合实验室） 纠错

AI总结 BD-Merging通过引入证据引导对比学习，解决多任务学习中分布偏移导致的预测偏差问题，提升模型鲁棒性和泛化能力。

Comments Accepted by CVPR 2026

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

Motion-Aware Animatable Gaussian Avatars Deblurring

具有运动感知的可动画高斯人像去模糊

Muyao Niu, Yifan Zhan, Qingtian Zhu, Zhuoxiao Li, Wei Wang, Zhihang Zhong, Xiao Sun, Yinqiang Zheng

机构 * The University of Tokyo（东京大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Shanghai Jiao Tong University（上海交通大学） 纠错

AI总结 本文提出了一种从模糊视频中直接重建清晰3D人体高斯人像的方法，结合了基于物理的模糊模型和运动模型，以解决运动引起的模糊问题。

Comments Accepted at CVPR 2026, Codes: https://github.com/MyNiuuu/MAD-Avatar

From Visual to Multimodal: Systematic Ablation of Encoders and Fusion Strategies in Animal Identification

从视觉到多模态：动物识别中编码器和融合策略的系统消融

Vasiliy Kudryavtsev, Kirill Borodin, German Berezin, Kirill Bubenchikov, Grach Mkrtchian, Alexander Ryzhkov

机构 * Faculty of IT, Technical University of Communication（信息科技学院，通信技术大学） ； AI lab, Avito（人工智能实验室，Avito） 纠错

AI总结 本研究提出多模态验证框架，通过合成文本描述提升视觉特征，利用门控融合机制在动物识别中实现84.28%的准确率，比单一模态基线提升11%。

Comments Accepted to the FGVC13 Workshop at CVPR 2026. And published at MDPI Journal of Imaging (see at https://www.mdpi.com/2313-433X/12/1/30)

Journal ref Journal of Imaging (2026) 12, no. 1: 30

Reflex First, Reflect Later: Latency-Aware Embodied LLM Agents for Dynamic Response

先反射，后反思：面向动态响应的延迟感知具身大语言模型智能体

Yangqing Zheng, Shunqi Mao, Dingxin Zhang, Weidong Cai

机构 * School of Computer Science, The University of Sydney（计算机科学学院，悉尼大学） 纠错

AI总结 该研究针对动态环境中具身LLM智能体的推理延迟问题，提出RRARA智能体及相关评估指标，通过时间转换机制与预规划器实现决策质量与响应能力的平衡。

Comments Accepted by the CVPR 2025 Embodied AI Workshop