MaterialFusion: High-Quality, Zero-Shot, and Controllable Material Transfer with Diffusion Models
MaterialFusion：基于扩散模型的高质量零样本可控材质迁移
AI总结 MaterialFusion是基于扩散模型的新型材质迁移框架，可零样本实现高质量可控材质迁移，在质量、可控性等方面优于现有方法，代码公开。
Comments Accepted to CVPR 2025
期刊&会议
CVPR
Conference on Computer Vision and Pattern Recognition · 会议 · Computer Vision
Illuminating Visual Identity in Universal Multimodal Embeddings
揭示通用多模态嵌入中的视觉身份
机构 * Shanghai Jiao Tong University（上海交通大学） ； Alibaba Group（阿里巴巴集团）
AI总结 该研究针对通用多模态嵌入缺乏视觉身份判别能力的问题，提出视觉身份判别统一形式化，构建MVEB基准，设计身份感知采样的学习框架，提升了UMEs的身份判别能力。
Comments Accepted to CVPR 2026
Learning Where to Look and How to Judge: Resolution-agnostic Image Quality Assessment with Quality-aware Saliency
学习关注何处与如何判断：具备质量感知显著性的分辨率无关图像质量评估
机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； University of Colorado Boulder（科罗拉多大学博尔德分校）
AI总结 提出基于CLIP的多尺度补丁驱动模型ReLIQS，解决无参考图像质量评估的分辨率适配、计算效率等问题，在多类基准上泛化能力优于主流基线且成本相当或更低。
Comments Accepted to the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2026
The 1st AI Children Challenge
第一届AI儿童挑战赛
机构 * PediaMed AI ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； The Hong Kong Polytechnic University（香港理工大学）
AI总结 该第一届AI儿童挑战赛推出儿童步态视觉分析赛道，设EVGS评分、脑瘫步态模式分类任务，提供对应数据集与真值以推动AI在儿童医疗领域的应用。
Journal ref In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition, pp. 5564-5570. 2026
Two Steps Are All You Need: Efficient 3D Point Cloud Anomaly Detection with Consistency Models
两步即可：基于一致性模型的高效3D点云异常检测
机构 * R.V. College of Engineering（R.V. 工程学院） ； Technical University of Applied Sciences Würzburg-Schweinfurt（Würzburg-Schweinfurt 应用科学大学）
AI总结 本文提出基于一致性学习的重建异常检测方法，通过简化推理过程提升效率，实现低延迟的3D点云异常检测，适用于资源受限设备。
Comments Accepted to CVPR 2026, at the 9th Workshop on Efficient Deep Learning for Computer Vision (ECV). To be published in the IEEE/CVF CVPR 2026 Workshop Proceedings
Journal ref Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) Workshops, 2026, pp. 3479-3487
Hierarchical Pre-Training of Vision Encoders with Large Language Model
基于大语言模型的视觉编码器分层预训练
机构 * University of Cincinnati（辛辛那提大学） ； National Yang Ming Chiao Tung University（国立阳明交通大学）
AI总结 本文提出HIVE框架，通过引入视觉编码器与大语言模型间的分层交叉注意力机制，提升视觉语言对齐，改进特征融合与表征学习，实验表明其在图像分类和多模态任务中表现优异。
Comments 17 pages, 14 figures, accepted to Computer Vision and Pattern Recognition Conference (CVPR) Workshops 2026. 5th MMFM Workshop: What is Next in Multimodal Foundation Models?
Journal ref In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (pp. 7415-7424) 2026
Learning to Select Visual In-Context Demonstrations
学习选择视觉上下文示例
机构 * University of Cincinnati（辛辛那提大学） ； University of California, Los Angeles（加利福尼亚大学洛杉矶分校）
AI总结 本文提出LSD方法，通过强化学习构建最优演示集，提升多模态大语言模型在视觉回归任务中的表现，揭示了学习选择在视觉上下文学习中的必要性。
Comments 21 pages, 12 figure, accepted to Computer Vision and Pattern Recognition Conference (CVPR) 2026 Findings Track
Journal ref In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (pp. 9455-9465) 2026
PatchAlign3D: Local Feature Alignment for Dense 3D Shape Understanding
PatchAlign3D: 本地特征对齐用于密集3D形状理解
机构 * École polytechnique（巴黎政治学院） ； University of Virginia（弗吉尼亚大学） ； KAUST（王国立阿联酋科技大学）
AI总结 PatchAlign3D通过点云直接生成语言对齐的片段特征，实现高效零样本3D部分分割，优于传统渲染方法。
Comments CVPR 2026. Project website: https://souhail-hadgi.github.io/patchalign3dsite/
Distance-aware Soft Prompt Guidance for Multimodal Valence-Arousal Estimation
面向距离的软提示学习用于多模态愉悦-唤醒估计
机构 * Graduate School of Automobile and Mobility（汽车与移动研究生院） ； Department of Automobile and IT Convergence（汽车与IT融合系）
AI总结 本文提出一种多模态框架，通过引入距离感知的软提示学习，提升多模态愉悦-唤醒估计的精度，在无约束场景中取得良好效果。
Comments 8pages
Journal ref Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops (CVPRW), 2026, pp. 5294-5301
AREA3D: Active Reconstruction Agent with Unified Feed-Forward 3D Perception and Vision-Language Guidance
AREA3D: 带有统一前馈3D感知和视觉-语言引导的主动重建代理
机构 * Southern University of Science and Technology（南方科技大学） ； Harvard University（哈佛大学） ； California Institute of Technology（加州理工学院） ； Massachusetts Institute of Technology（麻省理工学院）
AI总结 AREA3D通过统一前馈3D感知与视觉-语言引导，实现高效主动3D重建，尤其在稀疏视角下提升重建精度。
Journal ref Tianling Xu, Shengzhe Gan, Leslie Gu, Yuelei Li, Fangneng Zhan, Hanspeter Pfister. The IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) (The IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR)), 2026
Objective-Aligned Direct Answer SFT for Robust Multi-Frame Medical VQA
面向稳健多帧医学视觉问答的目标对齐直接答案监督微调
机构 * Yale University（耶鲁大学）
AI总结 该研究针对MedFrameQA数据集，提出目标对齐的直接答案SFT是最强稳健适配系列，其在保留报告准确率上优于冻结基线且稳定性好，还可迁移至其他骨干网络，旨在引导研究聚焦稳健优化而非架构复杂度。
Comments Presented at the CVPR 2026 Workshop on Multimodal Foundation Models for Biomedicine: Challenges and Opportunities
Inference-Time Agentic Decision Rules Beat Longer Evolving Search for Multi-Image Medical Reasoning
推理时代理决策规则在多图像医学推理任务中优于更长的进化搜索
机构 * Yale University（耶鲁大学）
AI总结 本研究对比5种推理时代理策略，发现多图像医学推理中，顺序投票决策规则比扩展进化搜索预算的影响更大，其最终测试准确率显著优于基线及复杂变体。
Comments Presented at the CVPR 2026 Workshop on Multi-Modal Reasoning for Agentic Intelligence
MOON2.0: Dynamic Modality-balanced Multimodal Representation Learning for E-commerce Product Understanding
MOON2.0：动态模态平衡多模态表示学习用于电商产品理解
机构 * Alibaba Group（阿里巴巴集团）
AI总结 MOON2.0通过动态模态平衡框架解决电商多模态数据中的模态不平衡、信息对齐不足和噪声处理问题，提出MoE、双层对齐和图像-文本共增强策略，提升零样本性能和多模态对齐质量。
Comments Accepted by the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2026. 11 pages, 7 figures
PoseMaster: A Unified 3D Native Framework for Stylized Pose Generation
PoseMaster: 一个统一的3D原生框架用于风格化姿态生成
机构 * Hong Kong University of Science and Technology（香港科技大学） ； Tencent Hunyuan（腾讯文脉）
AI总结 本文提出PoseMaster框架，通过统一姿态风格化与3D生成，提升3D姿态风格化的精度和多样性，采用3D骨架直接指导生成，增强模型在姿态风格化中的表现。
Comments Accepted by CVPR 2026, Code: https://github.com/hanryyan/PoseMaster
Test-Time Backdoor Detection for Object Detection Models
目标检测模型的测试时后门检测
AI总结 针对目标检测模型的后门攻击挑战，提出测试时后门检测方法TRACE，利用变换一致性实现黑盒通用检测，AUROC较最优防御提升30%且可抵抗自适应攻击。
Comments Accepted to CVPR 2025. Code is available at https://github.com/Rookie143/Trace
Unsupervised Training of Vision Transformers with Synthetic Negatives
机构 * Imperial College London（伦敦帝国学院）
Comments CVPR 2025 Workshop VisCon
MEDIC-AD: Towards Medical Vision-Language Model's Clinical Intelligence
MEDIC-AD：迈向医疗视觉-语言模型的临床智能
机构 * AIDAS Laboratory, Seoul National University（首尔大学AIDAS实验室） ； Samsung Changwon Hospital（三星昌原医院） ； Samsung Medical Center（三星医疗中心） ； NVIDIA, Santa Clara, USA（英伟达（美国圣克拉拉））
AI总结 MEDIC-AD通过分阶段框架提升医疗视觉-语言模型在病变检测、症状跟踪和视觉可解释性方面的性能，实现临床应用中的最优表现。
Journal ref CVPR 2026
Multinex: Lightweight Low-light Image Enhancement via Multi-prior Retinex
Multinex：通过多先验反光模型实现轻量级低光照图像增强
机构 * Department of Computer Science, University of Manchester（曼彻斯特大学计算机科学系） ； ETcTI, University Politehnica Timisoara（蒂米șoara工业大学ETcTI） ； West University of Timisoara（蒂米șoara西大学）
AI总结 本文提出Multinex，一种轻量级低光照图像增强框架，通过多先验反光模型实现光照和颜色校正，显著降低计算成本并提升性能。
Comments Accepted to the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2026
FiDeSR: High-Fidelity and Detail-Preserving One-Step Diffusion Super-Resolution
FiDeSR: 高保真且细节保留的一步扩散超分辨率
机构 * Kyungpook National University ； Korea Electronics Technology Institute
AI总结 FiDeSR通过细节感知加权策略和残差-残差噪声细化，实现高保真且细节保留的一步扩散超分辨率
Comments Accepted to CVPR 2026
Journal ref Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2026, pp. 38270-38280
Adversarial Style Optimization: Enhancing VLM Jailbreaks by GRPO-based Stylistic Triggers Optimization
对抗风格优化：通过基于GRPO的风格触发优化增强VLM越狱
机构 * Tsinghua University（清华大学） ； Harbin Engineering University（哈尔滨工程大学） ； Shandong University（山东大学） ； Xidian University（西安电子科技大学）
AI总结 研究MLLMs安全对齐易受越狱攻击问题，提出基于GRPO的对抗风格优化（ASO）方法，通过优化风格触发增强视觉越狱，实验证明该方法显著提高攻击成功率，凸显风格偏差对MLLMs红队测试的作用。
Comments Accepted by CVPR 2026 (Oral)
PixDLM: A Dual-Path Multimodal Language Model for UAV Reasoning Segmentation
PixDLM：一种用于无人机推理分割的双路径多模态语言模型
机构 * Key Laboratory of Multimedia Trusted Perception and Efficient Computing, Ministry of Education of China, Xiamen University（中国教育部多媒体可信感知与高效计算重点实验室，厦门大学）
AI总结 本文提出PixDLM，一种用于无人机推理分割的多模态语言模型，通过构建DRSeg基准数据集，验证了该模型在处理高分辨率无人机图像中的有效性。
Comments Accepted to CVPR 2026 (highlight)
TWINGS: Thin Plate Splines Warp-aligned Initialization for Sparse-View Gaussian Splatting
TWINGS: 基于薄板样条翘曲对齐的稀疏视图高斯泼溅初始化
机构 * Yonsei University（延世大学） ； Korea Institute of Science and Technology（韩国科学技术院）
AI总结 提出TWINGS框架，利用薄板样条（TPS）对齐反投影点与三角化控制点，为3D高斯泼溅提供几何精确的初始化，从而在稀疏视图下提升场景重建的细节保留和颜色保真度。
Comments Accepted at CVPR 2026, Project page: https://sandokim.github.io/twings/
Brewing Stronger Features: Dual-Teacher Distillation for Multispectral Earth Observation
酿造更强的特征：多光谱地球观测的双教师蒸馏
机构 * University of Ljubljana, Faculty of Computer and Information Science（卢布尔雅纳大学计算机与信息科学学院）
AI总结 本文提出双教师对比蒸馏框架，用于多光谱地球观测，通过结合多光谱和光学教师，实现跨模态表示学习，提升多光谱和光学数据的性能。
Comments Accepted to CVPR 2026 as Highlight
Kontinuous Kontext: Continuous Strength Control for Instruction-based Image Editing
连续上下文：基于指令的图像编辑的连续强度控制
机构 * Snap Research ； Tel Aviv University（特拉维夫大学） ； IISc Bangalore（班加罗尔IISc）
AI总结 研究基于指令的图像编辑中编辑强度控制问题，提出连续上下文模型，通过扩展先进模型并引入标量编辑强度，训练轻量级投影网络，合成多样数据集，实现对多种图像编辑操作的编辑强度统一细粒度控制。
Comments Project Page: https://snap-research.github.io/kontinuouskontext/, Accepted at CVPR 2026
Onboarding Without Forgetting: Hypernetwork Personalization with Data-Free Replay for Personalized Federated Learning
不忘旧知：用于个性化联邦学习的无数据重放超网络个性化
机构 * VinUni-Illinois Smart Health Center（VinUni-Illinois智能健康中心） ； College of Engineering & Computer Science（工程与计算机科学学院） ； University of Notre Dame（诺特丹大学） ； Technische Universität Berlin（柏林技术大学）
AI总结 研究联邦学习中新客户端分批加入场景，提出pFedDSH方法，结合中央超网络、二进制掩码和无数据重放，平衡新旧客户端利益，在不暴露数据情况下传播改进，实验证明该方法能保持现有客户端稳定性，维持新客户端通信及适应成本不变。
Comments CVPR 2026 Findings
PyPose: A Library for Robot Learning with Physics-based Optimization
PyPose：一个结合物理优化的机器人学习库
AI总结 PyPose结合深度感知模型与物理优化，提供高效的机器人学习库，实现计算速度提升超过10倍，适用于SLAM、规划、控制等任务。
Comments Project Website: https://pypose.org Documentation: https://pypose.org/docs/ Tutorial: https://pypose.org/tutorials/ Source code: https://github.com/pypose/pypose
Journal ref IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2023
CaT-GS: Efficient 3DGS Rendering for Large Scale Scenes via Inter-frame Caching and Tile Scheduling
CaT-GS：通过帧间缓存和瓦片调度实现大规模场景的高效3DGS渲染
机构 * Shanghai Jiao Tong University（上海交通大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 针对3DGS在大规模场景中性能下降问题，CaT-GS提出通过推测性多帧预处理、帧间缓存机制及重构光栅化任务来消除冗余与减轻负载不平衡，实验证明其显著提升渲染速度，为大规模场景高保真实时渲染建立新基准。
Comments CVPR 2026
Test-Time Scaling for World Action Models via Zero-Shot Geometric Evaluation
通过零样本几何评估实现世界行动模型的测试时缩放
机构 * University of Michigan（密歇根大学） ； NVIDIA（英伟达）
AI总结 研究针对世界行动模型，提出无需训练的选择性测试时缩放框架\methodgated，基于预测未来的跨视图深度重投影一致性排序，经实验验证该方法能提高任务成功率，同时减少额外采样决策点，还识别出相关失败模式。
Comments Extened version of CVPR 2026 EAI workshop
Dataset Distillation by Influence Matching
通过影响匹配进行数据集蒸馏
机构 * HKU（香港大学） ； CUHK（香港中文大学） ； Stanford（斯坦福大学）
AI总结 从结果角度重审数据集蒸馏，提出影响匹配方法，通过可微估计器量化参数变化，学习合成集使影响与真实数据集匹配，在分类和视觉语言蒸馏任务中表现出色，超越基线。
Journal ref CVPR 2026
Privacy-Aware Synthetic Video Benchmarking and Relational Evaluation for Worker-Under-Suspended-Load Detection
用于悬吊负载下工人检测的隐私感知合成视频基准测试与关系评估
机构 * Government Technology Agency of Singapore（新加坡政府科技局）
AI总结 研究悬吊负载下工人检测的隐私问题，引入SynthSite合成视频基准测试及隐私感知混合生成工作流程，在五种隐私条件下评估相关指标，发现保留结构的模糊处理效用更好，强调建筑安全分析隐私评估需兼顾外观抑制和几何线索保留。
Comments Accepted at the 3rd Workshop on Synthetic Data for Computer Vision (SynData4CV), CVPR 2026. OpenReview: https://openreview.net/forum?id=dMfhFmDWsg . Dataset and code: https://huggingface.co/datasets/govtech/SynthSite
