CVPR

LUMINA: A Multi-Vendor Mammography Benchmark with Energy Harmonization Protocol

LUMINA：采用能量协调协议的多供应商乳腺X线摄影基准

Hongyi Pan, Gorkem Durak, Halil Ertugrul Aktas, Andrea M. Bejar, Baver Tutun, Emre Uysal, Ezgi Bulbul, Mehmet Fatih Dogan, Berrin Erok, Berna Akkus Yildirim, Sukru Mehmet Erturk, Ulas Bagci

机构 * Department of Radiology, Northwestern University（北western大学放射科） ； Department of Radiation Oncology, University of Health Sciences Prof. Dr. Cemil Tascioglu City Hospital（健康科学大学教授Dr. Cemil Tascioglu医院放射肿瘤科） ； Department of Radiology, Istanbul University（伊斯坦布尔大学放射科） 纠错

AI总结 为解决现有FFDM数据集规模小、标注少和供应商多样性不足的问题，提出LUMINA多供应商数据集及能量协调方法，通过前景像素对齐减少域偏移，在诊断、BI-RADS分类和密度估计任务上验证了模型性能提升。

Comments This paper was accepted to CVPR 2026

HarmoVid: Relightful Video Portrait Harmonization

HarmoVid: 可重光照的视频人像协调

Jun Myeong Choi, Jae Shin Yoon, Luchao Qi, Roni Sengupta, Joon-Young Lee

机构 * University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； Adobe Research（Adobe研究） 纠错

AI总结 提出一种基于视频扩散模型和光照去闪烁方法，实现前景视频与目标背景场景在阴影、色调和光照强度上的协调，解决视频时域抖动问题。

Comments CVPR 2026

Deformable Gaussian Occupancy: Decoupling Rigid and Nonrigid Motion with Factorized Distillation

可变形高斯占据：通过分解蒸馏解耦刚性与非刚性运动

Yang Gao, Wuyang Li, Po-Chien Luan, Alexandre Alahi

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

AI总结 提出DeGO框架，通过解耦高斯变形和分解式4D基础模型蒸馏，在弱监督下实现动态场景中刚性与非刚性运动的分离，显著提升人体实例占据预测性能。

Comments CVPR 2026

Anomaly as Non-Conformity via Training-Free Graph Laplacian Energy Minimization

通过无训练图拉普拉斯能量最小化的非一致性异常检测

Jungwook Seo, Minjeong Kim, Younkwan Lee, Seungho Shin, Sungyong Baik

机构 * Dept. of Artificial Intelligence, Hanyang University（人工智能系，翰阳大学） ； Dept. of Data Science, Hanyang University（数据科学系，翰阳大学） ； Global Technology Research, Samsung Electronics（三星电子全球技术研究） 纠错

AI总结 提出一种无训练图拉普拉斯能量优化方法ANoCo，通过查询补丁与正常流形对齐所需的更新幅度来度量异常，无需学习参数或采样，在标准基准上取得强图像级AUROC和稳定定位图。

Comments Accepted to CVPR 2026

DebFilter: Eradicating Biases Stashed in Value

DebFilter: 消除隐藏在值中的偏见

Seung Hyuk Lee, Songkuk Kim

机构 * School of Integrated Technology, BK21 Graduate Program in Intelligent Semiconductor Technology（整合技术学院，智能半导体技术BK21研究生项目） 纠错

AI总结 提出DebFilter，一种轻量级、无需训练的方法，通过调整交叉注意力中的值分量来纠正文本到图像扩散模型中的社会偏见，实现推理时偏差缓解。

Comments 8 pages, 7 figures, supplementary material included, CVPR 2026

BlazeEdit: Generalist Image Editing on Mobile Devices with Image-to-Image Diffusion Models

BlazeEdit: 基于图像到图像扩散模型的移动设备通用图像编辑

Fei Deng, Yanwu Xu, Zhipeng Bao, Zhixing Zhang, Haolin Jia, Karthik Raveendran, Jianing Wei

机构 * Google（谷歌） 纠错

AI总结 提出BlazeEdit，一个仅195M参数的轻量级通用图像编辑扩散模型，通过消除文本条件组件和多任务架构，在移动设备上实现快速、隐私保护的图像编辑。

Comments Accepted to CVPR 2026 EDGE Workshop

Reflective Dialogue between Teacher and Solver Agents for Video Question Answering

教师与求解器智能体之间的反思性对话用于视频问答

Takuya Murakawa, Toru Tamaki

机构 * Nagoya Institute of Technology（名古屋技术大学） 纠错

AI总结 提出一种仅通过推理时上下文注入的适应方法，利用教师与求解器智能体之间的反思性对话（RD）来提升视频问答性能，在EgoCross基准上超越零样本和标准上下文学习，获得CVPR 2026 EgoVis Workshop跨域挑战赛开源赛道第三名。

Comments Yhis paper serves as the technical report for the 1st Cross-Domain EgoCross Challenge @ EgoVis Workshop, CVPR 2026

CuriosAI Submission to the CASTLE Challenge at EgoVis 2026

CuriosAI 在 EgoVis 2026 CASTLE 挑战赛中的提交

Yuto Kanda, Hayato Tanoue, Takayuki Hori

机构 * SoftBank Corp（软银公司） 纠错

AI总结 针对600多小时多视角自我中心视频的185道选择题，提出SVA（搜索-验证-回答）三阶段流水线和TMKG（时间多模态知识图谱）两种方法，SVA达到0.50准确率并作为最终提交。

Comments The 4th place solution for the CASTLE Challenge at the CVPR EgoVis Workshop 2026

Bounded-Compute Multimodal Regression for Product-Rating Prediction

有界计算多模态回归用于产品评分预测

William Leach, Ru He, Sizhuo Ma, Yizhen Jia, Min Cao, Jian Wang, Rick Cao

机构 * Snap Inc. 纠错

AI总结 针对严格延迟预算下的标量回归任务，提出一种有界计算适配方法，通过替换语言模型头为轻量MLP并固定输入，在LoViF 2026挑战赛中实现高效多模态回归。

Comments Accepted to the LoViF Workshop at CVPR 2026. 8 pages, 2 figures

Asynchronous Remote Sensing Time-Series Fusion for Cloud Removal and Anytime Reconstruction

异步遥感时间序列融合用于云去除与任意时间重建

Forouzan Fallah, Chia Yu Hsu, Wenwen Li, Anna Liljedahl, Yezhou Yang

机构 * School of Computing and Augmented Intelligence, Arizona State University（计算与增强智能学院，亚利桑那州立大学） ； School of Geographical Sciences and Urban Planning, Arizona State University（地理科学与城市规划学院，亚利桑那州立大学） ； Woodwell Climate Research Center（伍德沃德气候研究中心） 纠错

AI总结 提出AGFlow模型，通过时间对齐生成流匹配融合异步S1/S2数据，实现云去除、缺失帧重建及任意时间查询。

Comments CVPR 2026 MORSE Workshop

From Affect to Complex Behavior: Advancing Multimodal Human-Centered AI at the 10th ABAW Workshop & Competition

从情感到复杂行为：第十届ABAW研讨会与竞赛推进多模态以人为中心的人工智能

Dimitrios Kollias, Panagiotis Tzirakis, Alan Cowen, Stefanos Zafeiriou, Irene Kotsia, Eric Granger, Marco Pedersoli, Simon Bacon, Jens Madsen, Soufiane Belharbi, Muhammad Haseeb Aslam, Chunchang Shao, Guanyu Hu

机构 * Queen Mary University of London（伦敦皇后玛丽大学） ； Hume AI ； Google Deepmind（谷歌DeepMind） ； Imperial College London（伦敦帝国理工学院） ； Cogitat ； LIVIA ； ILLS ； ETS Montreal（蒙特利尔ETS） ； Concordia University（Concordia大学） ； Xi’an Jiaotong University（西安交通大学） 纠错

AI总结 本文介绍了第十届ABAW研讨会与竞赛，通过多模态挑战和论文，推动真实环境下人类情感与行为的建模、分析和理解。

Comments accepted at CVPR 2026

LIFT and PLACE: A Simple, Stable, and Effective Knowledge Distillation Framework for Lightweight Diffusion Models

LIFT and PLACE: 一种简单、稳定且有效的轻量级扩散模型知识蒸馏框架

Hyunsoo Han, Sangyeop Yeo, Jaejun Yoo

机构 * Ulsan National Institute of Science and Technology (UNIST)（ulsan国家科学技术研究所） 纠错

AI总结 提出LIFT和PLACE框架，通过粗到细的蒸馏策略解决教师网络高复杂度带来的学生模仿困难，在极端压缩下仍能稳定训练并取得良好性能。

Comments Project page: https://hyun-s.github.io/LIFT_PLACE_site , 15 pages, 11 figure, 9 tables, To appear in CVPR 2026

EpiAgent: An Agent-Centric System for Ancient Inscription Restoration

EpiAgent: 一种以智能体为中心的古铭文修复系统

Shipeng Zhu, Ang Chen, Na Nie, Pengfei Fang, Min-Ling Zhang, Hui Xue

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） ； Key Laboratory of New Generation Artificial Intelligence Technology and Its Interdisciplinary Applications (Southeast University), Ministry of Education, China（新一代人工智能技术及其跨学科应用关键实验室（东南大学），教育部，中国） ； Key Laboratory of Computer Network and Information Integration (Southeast University), Ministry of Education, China（计算机网络与信息集成关键实验室（东南大学），教育部，中国） ； Nanjing University Museum, Nanjing University, China（南京大学博物馆，南京大学，中国） ； The China Centre for Linguistic and Strategic Studies, Nanjing University, China（中国语言战略研究中心，南京大学，中国） 纠错

AI总结 提出基于智能体的EpiAgent系统，通过分层规划与LLM协调多模态分析、历史经验和专用工具，实现灵活自适应的古铭文修复，在真实退化铭文上取得更优修复质量和泛化能力。

Comments Accepted by CVPR 2026

ICR-Drive: Instruction Counterfactual Robustness for End-to-End Language-Driven Autonomous Driving

ICR-Drive：面向端到端语言驱动自动驾驶的指令反事实鲁棒性

Kaiser Hamid, Can Cui, Nade Liang

机构 * Texas Tech University（德克萨斯科技大学） ； Bosch Center for Artificial Intelligence (BCAI)（博世人工智能中心（BCAI）） 纠错

AI总结 提出ICR-Drive框架，通过生成四类扰动指令（改写、歧义、噪声、误导）并基于CARLA仿真评估，揭示语言条件驾驶模型对指令变化的脆弱性。

Journal ref Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) Workshops, 2026, pp. 872-880

Next-Scale Autoregressive Models for Text-to-Motion Generation

Next-Scale 自回归模型用于文本到运动生成

Zhiwei Zheng, Shibo Jin, Lingjie Liu, Mingmin Zhao

机构 * University of Pennsylvania（宾夕法尼亚大学） 纠错

AI总结 提出 MoScale 框架，通过从粗到细的时间分辨率分层生成运动，结合跨尺度和尺度内细化，实现高效、可扩展的文本到运动生成。

Comments Accepted to CVPR 2026

LESA: Learnable Stage-Aware Predictors for Diffusion Model Acceleration

LESA: 可学习的阶段感知预测器用于扩散模型加速

Peiliang Cai, Jiacheng Liu, Haowen Xu, Xinyu Wang, Chang Zou, Linfeng Zhang

机构 * Shanghai Jiao Tong University（上海交通大学） 纠错

AI总结 针对扩散模型计算开销大、现有缓存策略难以适应去噪过程阶段动态变化的问题，提出基于两阶段训练的可学习阶段感知预测器框架，利用KAN网络学习时序特征映射并采用多阶段多专家架构，在保持高质量生成的同时实现显著加速。

Comments Accepted to CVPR 2026

SoC: Semantic Orthogonal Calibration for Test-Time Prompt Tuning

SoC: 测试时提示调优的语义正交校准

Leo Fillioux, Omprakash Chakraborty, Ismail Ben Ayed, Paul-Henry Cournède, Stergios Christodoulidis, Maria Vakalopoulou, Jose Dolz

机构 * MICS, CentraleSupélec, Université Paris-Saclay（MICS，CentraleSupélec，巴黎萨克雷大学） ； LIVIA, ILLS, ÉTS Montréal（LIVIA，ILLs，蒙特利尔ÉTS） 纠错

AI总结 针对视觉语言模型测试时提示调优中校准被忽视的问题，提出基于Huber的正则化方法SoC，在保持语义邻近性的同时实现平滑的原型分离，从而改善校准性能并保持判别能力。

Journal ref CVPR 2026

FLAIR: Frequency- and Locality-Aware Implicit Neural Representations

FLAIR: 频率与位置感知的隐式神经表示

Sukhun Ko, Seokhyun Youn, Dahyeon Kye, Kyle Min, Chanho Eom, Jihyong Oh

AI总结 针对隐式神经表示缺乏频率选择性和空间定位导致频谱偏差的问题，提出带限局部激活和小波能量引导编码，提升2D图像表示、3D形状重建和新视角合成性能。

Comments CVPR Findings 2026 (camera ready ver.). Please visit our project page at https://cmlab-korea.github.io/FLAIR/

PlayClass: Automated Play Behaviour Classification in Poultry

PlayClass: 家禽自动玩耍行为分类

Prince Ravi Leow, Neil Scheidwasser, Rebecca Oscarsson, Per Jensen, Samir Bhatt, David Alejandro Duchêne

机构 * Section for Health Data Science & AI, University of Copenhagen（哥本哈根大学健康数据科学与人工智能部门） ； AVIAN Behaviour Genomics and Physiology Group, Linköping University（林雪平大学鸟类行为基因组学与生理学组） ； Department of Infectious Disease Epidemiology, Imperial College London（伦敦帝国学院传染病流行病学系） 纠错

AI总结 提出PlayClass流水线，利用SAM 3长时跟踪和V-JEPA 2.1基础模型，从俯拍视频中自动分类家禽玩耍行为，达到77.0宏平均F1。

Comments Accepted at CV4Animals Workshop @ CVPR 2026

MRT: Masked Region Transformer for Layered Image Generation and Editing at Scale

MRT：用于大规模分层图像生成与编辑的掩码区域变换器

Zhicong Tang, Zhao Zhang, Jingye Chen, Mohan Zhou, Yifan Pu, Yuchi Liu, Yalong Bai, Ethan Smith, Yuhui Yuan

机构 * Canva Research（Canva研究院） 纠错

AI总结 提出MRT，一个200亿参数的掩码区域扩散模型，通过统一文本到层、图像到层和层到层任务，并引入溢出感知画布层，实现高效的多层透明图像生成与编辑。

Comments CVPR 2026

Black-box Membership Inference Attacks on the Pre-training Data of Image-generation Models

黑盒成员推断攻击：针对图像生成模型的预训练数据

Tao Qi, Huili Wang, Yuanhong Huang, Wendan Wang, Lianchao Zhao, Jinrui Wang, Zichen Qin, Shangguang Wang, Yongfeng Huang

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Tsinghua University（清华大学） 纠错

AI总结 提出一种基于跨模态数据扰动的黑盒成员推断攻击框架SD-MIA，通过分析扩散模型对目标图像和扰动文本指令的去噪过程，有效检测预训练数据中的成员关系。

Comments 13 pages, 9 figures; CVPR 2026 camera-ready

Natural Human Motion Recovery by Aligning High-Order Temporal Dynamics from Monocular Videos

通过对齐单目视频中的高阶时间动态恢复自然人体运动

Dingkun Wei, Zehong Shen, Yan Xia, Georgios Pavlakos, Yujun Shen, Xiaowei Zhou

机构 * Zhejiang University（浙江大学） ； Ant Group（蚂蚁集团） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

AI总结 提出HTD-Refine框架，利用PVA-Net估计的高阶时间动态（速度和加速度）优化全局轨迹，恢复自然人体运动。

Comments 13 pages, 6 figures. Accepted as an Oral presentation and Best Paper Candidate at CVPR 2026. Project page: https://zju3dv.github.io/htd-refine/

EgoProx: Evaluating MLLMs on Egocentric 3D Proximity Reasoning Across a Cognitive Hierarchy

EgoProx: 在认知层级上评估多模态大语言模型的自我中心3D邻近推理能力

Jinzhao Li, Yinuo Chen, Dongxu Piao, Panwang Pan, Yifan Yu, Dong Wang, Honglei Yan, Liang Yue, Shaofei Wang, Yixin Chen, Siyuan Huang, Miao Liu

机构 * College of AI, Tsinghua University（清华大学人工智能学院） ； ByteDance（字节跳动） ； State Key Laboratory of General Artificial Intelligence, BIGAI（通用人工智能国家重点实验室，BIGAI） 纠错

AI总结 提出EgoProx基准，通过认知链任务和基于智能体的数据引擎，评估多模态大语言模型在自我中心3D邻近推理中的表现，发现模型虽具备空间知识但难以有效利用。

Comments Accepted to CVPR 2026

Model Merging on Loss Landscape: A Geometry Perspective

损失景观上的模型合并：几何视角

Juanwu Lu, Anand Bhaskar, Brian Axelrod, Ekaterina Tolstaya, Tristan Emrich

机构 * Purdue University（普渡大学） ； Waymo LLC（Waymo公司） 纠错

AI总结 提出EpiMer框架，将模型合并视为黎曼流形上的Fréchet均值，利用任务向量张成的低秩子空间和期望Hessian度量，理论证明曲率感知合并优于平坦几何方法，并在八个图像分类任务上验证了性能提升。

Comments CVPR 2026 Findings Track. 18 pages, 4 figures, 6 tables

JetViT: Efficient High-Resolution Vision Transformer with Post-Training Attention Search

JetViT: 高效高分辨率视觉Transformer与训练后注意力搜索

Dongyun Zou, Zhuoyang Zhang, Junyu Chen, Wenkun He, Qinhe Peng, Hanrong Ye, Yao Lu, Hongxu Yin, Yu Wang, Song Han, Han Cai

机构 * MIT（麻省理工学院） ； University of Pennsylvania（宾夕法尼亚大学） ； NVIDIA（NVIDIA公司） ； Physical Intelligence（物理智能） 纠错

AI总结 提出JetViT混合架构视觉Transformer，通过训练后注意力搜索将预训练全注意力ViT转换为高效混合注意力变体，在高分辨率图像上实现更高推理效率且不损失精度。

Comments Accepted to CVPR 2026 Findings

Scheduled Style Injection: Expanding the Style-Content Pareto Frontier in Training-Free Diffusion-based Style Transfer

调度式风格注入：在免训练扩散风格迁移中扩展风格-内容帕累托前沿

Amey Sunil Kulkarni

机构 * Independent Researcher（独立研究者） 纠错

AI总结 通过系统探索层、时间步和ControlNet几何条件四个维度的调度，发现递减调度（浅层和早期时间步强结构注入）优于递增调度，且余弦和平方根时间步调度优于线性，结合近乎独立的gamma调度与ControlNet条件可扩展帕累托前沿，在ArtFID上相对提升6.1%。

Comments Accepted to CVPR NTIRE 2026

Personalized Generative Models for Contextual Debiasing

用于上下文去偏的个性化生成模型

Xinran Liang, Esin Tureci, Prachi Sinha, Ye Zhu, Vikram V. Ramaswamy, Olga Russakovsky

机构 * Department of Computer Science, Princeton University（普林斯顿大学计算机科学系） ； LIX, CNRS, École Polytechnique（巴黎政治学院LIX研究所，法国国家科学研究中心） 纠错

AI总结 提出DecoupleGen方法，利用个性化文本到图像扩散模型生成罕见上下文图像，作为训练增强以缓解视觉识别中的上下文偏差。

Comments CVPR 2026 Workshop on Synthetic Data for Computer Vision and Generative Models for Computer Vision. Code available at https://github.com/princetonvisualai/DecoupleGen

Frequency-Guided Fusion For RGB-Thermal Semantic Segmentation

频率引导的RGB-热红外语义分割融合

İsmail Emre Canıtez, Özgür Erkent

机构 * Hacettepe University（哈切特佩大学） 纠错

AI总结 提出一种基于双ConvNeXt V2骨干网络的多模态融合架构，通过频率分解和置信门控残差机制融合RGB与热红外特征，在MFNet和PST900上以较低参数量实现先进性能。

Comments 9 pages, 7 figures, To be Presented at Perception Beyond the Visible Spectrum workshop series (IEEE PBVS) at CVPR, 2026

RoMo: A Large-Scale, Richly Organized Dataset and Semantic Taxonomy for Human Motion Generation

RoMo：用于人体运动生成的大规模、丰富组织的数据集和语义分类体系

Jiahao Zhang, Joseph Liu, Young-Yoon Lee, Seonghyeon Moon, Victor Zordan, Guy Tevet, Karen Liu, Stephen Gould, Oren Jacob, Haomiao Jiang, Mubbasir Kapadia, Yizhak Ben-Shabat

机构 * Australian National University（澳大利亚国立大学） ； Roblox ； Stanford University（斯坦福大学） ； Rutgers University（罗格斯大学） 纠错

AI总结 提出RoMo数据集，通过分类感知过滤流水线确保质量，并采用三级语义分类体系组织数据，使训练模型在保真度和多样性上达到最优，同时提升对复杂文本提示的理解。

Comments Accepted to CVPR'26

When Does Adaptive Guidance Help? Belief-Aware Privileged Distillation for Autonomous Driving Under Partial Observability

自适应引导何时有帮助？部分可观测条件下自动驾驶的信念感知特权蒸馏

Mehmet Haklidir

机构 * TUBITAK BILGEM Artificial Intelligence Institute（土耳其TUBITAK BILGEM人工智能研究所） 纠错

AI总结 本文提出信念感知GSAC（BA-GSAC），通过集成分歧动态调节蒸馏系数，系统研究自适应引导在部分可观测自动驾驶中的有效性，发现严重遮挡下系数过早崩溃，并揭示可观测性盲区问题。

Comments 9 pages, 3 figures, 7 tables. Accepted at CVPR 2026 Workshop on Autonomous Driving (WAD)