期刊&会议
Conference on Computer Vision and Pattern Recognition · 会议 · Computer Vision
面向自动驾驶中共现对象检测的上下文感知特征融合
机构 * Department of Computer Science, University of Central Florida（中佛罗里达大学计算机科学系）
AI总结 提出上下文中心特征融合框架CCFF，通过局部上下文融合模块和全局上下文注意力模块分别处理小/遮挡对象与共现先验，提升共现对象检测性能，在Cityscapes和BDD100K上实现类别一致性策略0.973和0.969，小目标检测AP_S提升14.1%。
Comments 8 pages, 3 figures, CVPR 2026 Precognition Workshop
MFEN：用于可见光-红外行人重识别的多频专家网络
机构 * University of Science and Technology of China（中国科学技术大学） ； Anhui Province Key Laboratory of Digital Security（安徽省数字安全重点实验室） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 提出多频专家网络（MFEN），通过多频调制和混合专家设计自适应组合不同频带，结合随机频率增强和频率辅助优化，解决可见光-红外图像模态差异问题。
Comments CVPR Highlight
元数据感知的多提示推理用于零样本事故理解
机构 * Netradyne
AI总结 提出三阶段流水线，通过视觉-语言相似性、元数据驱动的多提示推理和开放词汇检测，实现零样本事故视频的时序定位、语义分类和空间定位，显著提升性能。
Comments Accepted at the AUTOPILOT Workshop, CVPR 2026 (non-archival). Workshop Paper ID 15
AutoMine 解决方案：面向 AV2 2026 场景挖掘挑战
机构 * Xiaomi EV（小米汽车） ； Huazhong University of Science and Technology（华中科技大学）
AI总结 提出基于 LLM 和 VLM 的自优化场景挖掘方法 AutoMine，通过语义保持提示增强、鲁棒轨迹原子函数与 VLM 函数结合以及执行反馈优化，在 CVPR 2026 挑战赛中取得领先性能。
Comments CVPR 2026 Scenario Mining Challenge (Temporal Track Winners)
多模态交互学习的信息论分解
机构 * Gaoling School of Artificial Intelligence, Renmin University of China, Beijing（中国人民大学人工智能学院，北京） ； Beijing Key Laboratory of Research on Large Models（北京大模型研究关键实验室） ； Engineering Research Center of Next-Generation Intelligent Search（下一代智能搜索与推荐工程研究中心） ； Beihang University, Beijing（北航，北京） ； Gaotu Techedu Inc.（高图科技有限公司）
AI总结 提出基于信息论的多模态交互分解方法DMIL，通过变分分解架构和微调策略学习样本特定的冗余、独特和协同交互，提升多模态学习性能。
Comments Accepted to CVPR 2026
MOFA-VTON: 虚拟试衣中细粒度调整带来的更多时尚可能性
机构 * Harbin Institute of Technology（哈尔滨工业大学） ； HiDream.ai Inc.（HiDream.ai公司） ； Harbin Institute of Technology (Weihai) Qingdao Research Institute（哈尔滨工业大学（威海）青岛研究院）
AI总结 提出MOFA-VTON方法，通过用户绘制简单草图实现虚拟试衣中服装布局的细粒度调整，利用掩码构建策略和布局调整模块，在VITON-HD和DressCode数据集上超越现有方法。
Comments Accepted to CVPR 2026 (Highlight)
蒙特卡洛传球搜索：利用轨迹生成进行足球3D反事实传球评估
机构 * Carnegie Mellon University（卡内基梅隆大学）
AI总结 提出蒙特卡洛传球搜索（MCPS），结合价值模型、世界模型和反事实策略，基于3D轨迹数据评估足球传球，通过两种执行盈余分数实现分布感知的传球分析。
Comments CVPR 2026, CVSports Workshop
分析目标检测数据集的无训练腐败检测
机构 * University of Applied Sciences Düsseldorf（杜塞尔多夫应用科学大学） ； Siemens Mobility GmbH（西门子交通有限公司） ； Goethe University Frankfurt（法兰克福大学）
AI总结 本文研究无训练特征空间方法在目标检测数据集中检测标注错误的应用，发现该方法能可靠暴露语义错误，但位置错误难以检测。
Comments Accepted at DataCV Workshop, Conference on Computer Vision and Pattern Recognition (CVPR) 2026
用于3D打印火星地形模型的立体重建基准测试
机构 * MIT Cambridge, MA, USA（麻省理工学院，马萨诸塞州剑桥，美国）
AI总结 针对火星图像低纹理、不规则和部分观测的特点，评估从NASA好奇号图像估计立体深度、补全几何并导出可打印网格的流程，发现基准精度不直接迁移到火星地形重建，几何补全存在局部保真度与全局连通性的权衡。
Comments 9 pages, 7 figures, CVPR End-to-End 3D Workshop 2026
DB-3DME：从数据集到基准测试，实现与人类对齐的自动3D网格评估
机构 * University of California, Berkeley（加州大学伯克利分校） ； Roblox Corporation（Roblox公司）
AI总结 提出DB-3DME数据集与基准，包含2619个合成3D网格及其人类评分，通过微调视觉编码器优化VLM评估性能，显著超越现有模型。
Comments CVPR 2026 workshop paper. 10 pages, 3 figures, 6 tables. Dataset available at GitHub and Hugging Face
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
基于视觉基础模型的注意力一致纵向医学视觉问答
机构 * University of California, San Diego（加州大学圣地亚哥分校） ； Yale Biomedical Imaging Institute（耶鲁大学生物医学成像研究所）
AI总结 提出一种注意力引导的编码器-解码器框架，通过轻量级配准和自适应掩码生成，结合辅助损失函数，实现胸部X光片的纵向医学视觉问答，在Medical-Diff-VQA基准上取得优异性能。
Comments Accepted to CVPR 2026 Workshop PHAROS-AIF-MIH
Journal ref Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) Workshops, 2026, pp. 6448-6458
检测中的差异：可解释性在关键之处
机构 * University of Tübingen（图宾根大学） ； Institute for Applied AI（应用人工智能研究所） ； Hochschule der Medien Stuttgart（斯图加特媒体大学）
AI总结 提出DnD方法，通过匹配算法直接比较两个目标检测模型，揭示个体与共享错误，并引导可解释性方法聚焦于度量相关示例。
Comments Accepted to IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) Workshops 2026 - How Do Vision Models Work? (HOW)
ExMesh: 具有拓扑自适应的显式网格重建
机构 * University of Science and Technology of China（中国科学技术大学） ； National Key Laboratory of Deep Space Exploration, Deep Space Exploration Laboratory（国家空间科学探测重点实验室，深空探测实验室）
AI总结 提出ExMesh框架，通过可微优化与离散拓扑更新直接优化显式网格，引入自适应顶点分裂合并和实时UV维护，实现从粗到细的优化，兼顾精度、效率和网格简洁性。
Comments Accepted at the IEEE/CVF Conference on Computer Vision and Pattern Recognition 2026 (CVPR 2026)
几何感知超图推理用于点云分割中的新类别发现
机构 * School of Artificial Intelligence, College of Intelligence and Computing, Tianjin University（人工智能学院、智能计算学院、天津大学） ； School of Computer Science and Information Engineering, Hefei University of Technology（计算机科学与信息工程学院、合肥工业大学） ； Department of Computer Science City St George’s, University of London（伦敦大学城市圣乔治学院计算机科学系）
AI总结 提出超图框架建模高阶关联，结合几何感知原型，实现点云分割中从已知到新类别的协同推理，提升分割精度。
Comments Accepted to the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2026
MotionEnhancer: 利用视频扩散模型增强运动感知的视觉-语言模型
机构 * School of Computer Science and Engineering, Beihang University（北航计算机科学与工程学院） ； Beijing Digital Native Digital City Research Center（北京数字原生数字城研究中心） ； School of Computer Science, Peking University（北京大学计算机学院） ； School of Artificial Intelligence, Beijing University of Posts and Telecommunications（北京邮电大学人工智能学院）
AI总结 提出MotionEnhancer，通过从视频扩散模型中提取运动先验并利用注意力对齐增强视觉-语言模型的运动理解能力，无需额外参数或架构修改，在运动级视频理解基准上取得一致提升。
Comments Accepted by CVPR 2026
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