期刊&会议
Conference on Computer Vision and Pattern Recognition · 会议 · Computer Vision
MaMe & MaRe：基于矩阵的令牌合并与恢复用于高效的视觉感知与合成
AI总结 本文提出MaMe和MaRe，通过矩阵运算实现免训练的令牌合并与恢复，提升视觉模型效率，实验显示在ViT-B上吞吐量提升2%且精度下降1.0%，在图像合成中减少Stable Diffusion v2.1生成延迟31%。
Comments 20 pages. Extended version of CVPR 2026 Findings paper. Neurocomputing (Elsevier) under review
UniBlendNet：统一的全局、多尺度和区域自适应建模用于环境光照归一化
机构 * McMaster University（麦斯特大学） ； University of Manitoba（曼尼托巴大学）
AI总结 UniBlendNet通过统一建模全局光照、多尺度结构和区域自适应细化，提升复杂光照条件下的图像恢复性能，实验表明其优于IFBlend。
Comments Accepted to CVPR 2026 NTIRE Workshop on New Trends in Image Restoration and Enhancement. 8 pages, 4 figures
评分末尾的偏见
机构 * Princeton University（普林斯顿大学） ； Harvard University（哈佛大学）
AI总结 研究揭示奖励模型在文本到图像生成中因编码人口偏见导致性别和种族刻板印象强化及多样性崩溃的问题。
Comments Accepted to The IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2026
第四届海上计算机视觉研讨会（MaCVi）：挑战概述
机构 * LOOKOUT ； Helmut Schmidt University（海姆·施密特大学） ； catskill GmbH（catskill公司） ； University of Ljubljana（卢布尔雅那大学） ； Virginia Tech（弗吉尼亚理工大学） ； Shield AI ； Queensland University of Technology（昆士兰理工大学） ； Dartmouth College（达特茅斯学院） ； LinkedIn ； University of Tuebingen（图宾根大学） ； Konya Technical University（科尼亚技术大学） ； Schneider Electric Taiwan Co., Ltd.（施耐德电气台湾有限公司） ； University of Taipei（台北大学） ； National Yang Ming Chiao Tung University（阳明交通大学） ； University at Albany, SUNY（阿尔巴尼大学，SUNY） ； Inventec Corporation（Inventec公司） ； HD Korea Shipbuilding & Offshore Engineering Co., Ltd.（韩国海事造船与海洋工程公司） ； Seoul National University（首尔国立大学） ； Xidian University（西安电子科技大学） ； Indian Institute of Technology, Tirupati（印度泰浦蒂理工学院） ； Centre for Artificial Intelligence and Robotics (CAIR), Bangalore, India（人工智能与机器人中心（CAIR），印度班加罗尔） ； Gwangju Institute of Science and Technology（全州科学技术院） ； Fraunhofer IOSB（弗劳恩霍夫 IOSB研究所） ； Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； Kansas State University（堪萨斯州立大学） ； Colorado School of Mines（科罗拉多矿业学院） ； Arquimea Research Center（Arquimea研究中心） ； Independent Researcher（独立研究员）
AI总结 本文概述了第四届海上计算机视觉研讨会（MaCVi）2026版的挑战设置、评估协议、数据集及基准赛道，分析了方法趋势和优秀团队的技术报告。
Comments Accepted to CVPR 2026 Workshop Proceeding; Maritime Computer Vision Workshop
PatchPoison：污染多视图数据集以降质3D重建
机构 * International Institute of Information Technology（国际信息科技研究所）
AI总结 PatchPoison通过在多视图数据集边缘注入高频率对抗性补丁，干扰SfM管线的特征匹配阶段，从而降低3D重建精度，提供一种无需修改流程的实用预处理方法。
Comments CVPR Workshop on Security, Privacy, and Adversarial Robustness in 3D Generative Vision Models (SPAR-3D), 2026
C$^2$T：基于图像描述与大语言模型对齐的常识奖励学习用于交通-车辆协调
机构 * The State Key Laboratory of Internet of Things for Smart City, University of Macau（物联网智能城市国家重点实验室，澳门大学） ； Wuhan University（武汉大学） ； Hong Kong Polytechnic University（香港理工大学） ； Computer and Information Science, University of Macau（澳门大学计算机与信息科学）
AI总结 本文提出C2T框架，通过从交通-车辆动态中学习常识协调模型，结合大语言模型的常识知识，提升交通协调系统的效率、安全性和舒适性。
Comments Accepted to CVPR 2026 Findings Track
PersonaVLM：长期个性化多模态大语言模型
机构 * Nanjing University（南京大学） ； ByteDance（字节跳动）
AI总结 本文提出PersonaVLM，一种支持长期个性化多模态大语言模型框架，通过记忆、推理和响应对齐三大能力，提升个性化交互效果，并在Persona-MME基准测试中取得显著提升。
Comments Accepted by CVPR 2026. Project page: https://PersonaVLM.github.io
NTIRE 2026 实际世界面部修复挑战赛的第二次挑战：方法与结果
机构 * NTIRE 2026
AI总结 本文回顾了NTIRE 2026实际世界面部修复挑战赛，探讨了提出的解决方案和成果，旨在提升感知质量和真实感，采用加权图像质量评估分数和AdaFace模型进行评估。
Comments NTIRE 26: https://cvlai.net/ntire/2026 . NTIRE Real-World Face Restoration: https://ntire-face.github.io/2026/ . CVPR 2026 Workshop
GUIDE：用于LLM驱动航天任务中上下文决策演化的引导更新
机构 * Massachusetts Institute of Technology（麻省理工学院） ； Universidad Politecnica de Madrid（马德里理工大学）
AI总结 GUIDE通过非参数策略改进框架实现跨回合适应，利用结构化决策规则提升航天任务性能，实验表明其在对抗性轨道拦截任务中优于静态基线。
Comments Accepted to AI4Space@CVPR Workshop in CVPR 2026
ChartNet: 一个百万级、高质量的多模态数据集，用于稳健的图表理解
机构 * MIT（麻省理工学院） ； MIT-IBM Watson AI Lab（麻省理工-IBM沃森人工智能实验室） ； IBM Research（IBM研究院） ； Abaka AI & 2077AI（Abaka AI及2077AI）
AI总结 ChartNet通过生成150万张不同图表样本，提升图表解释和推理能力，包含代码、图像、表格、自然语言和问答数据，支持多模态对齐，公开可用。
Comments Accepted at CVPR 2026
时间回声：解锁视频到音频生成模型中的长度泛化
机构 * Sony Group Corporation（索尼集团公司） ； Sony AI（索尼人工智能）
AI总结 本文提出MMHNet模型，通过层级结构和非因果Mamba实现长音频生成，提升生成长度至5分钟以上，证明短训练长测试的可行性，优于现有视频到音频生成方法。
Comments Accepted to CVPR 2026
ViBES：一个具有行为智能的3D虚拟身体对话代理
机构 * Stanford University（斯坦福大学） ； ByteDance（字节跳动）
AI总结 ViBES通过联合规划语言和运动，实现对话条件下的身体动作生成，提升了多轮对话中的社会交互能力。
Comments Project page: https://ai.stanford.edu/~juze/ViBES/. Accepted by CVPR 2026
Lite Any Stereo: 高效的零样本立体匹配
机构 * Imperial College London（伦敦帝国学院）
AI总结 本文提出Lite Any Stereo框架，通过紧凑且表达能力强的主干网络和混合成本聚合模块，实现高效零样本立体匹配，达到四个广泛使用的现实基准的第一名。
Comments CVPR 2026
融合反演建模生成多样且能引起温度变化的城区植被模式
机构 * Computer Science（计算机科学） ； Forestry and Natural Resources（林业与自然资源）
AI总结 本文提出融合预测正模与扩散基生成反模的反演框架，用于生成多样且符合特定温度目标的城区植被模式，解决传统方法在数据稀少时无法捕捉模糊性的不足。
Comments Accepted to the CVPR 2026 EarthVision Workshop
不要显示像素，显示提示：通过感知程序解锁语言模型中的视觉工具推理
机构 * Huawei Technologies, Canada（华为技术（加拿大）） ； University of Alberta, Canada（阿尔伯塔大学（加拿大））
AI总结 本文提出感知程序（P²），通过将视觉工具输出转换为结构化摘要，提升语言模型的视觉推理能力，在六个任务中均取得显著提升。
Comments Accepted to CVPR 2026
用可学习的B样条体积表示3D人脸
机构 * Google（谷歌）
AI总结 本文提出CUBE方法，结合B样条体积与学习特征，用于3D扫描配准和单目3D人脸重建，通过高维控制特征提升模型表达能力，实现局部表面编辑。
Comments Accepted to CVPR 2026 (Highlight)
事件流中的生成匿名化
机构 * Heilbronn University of Applied Sciences（海德堡应用科学大学）
AI总结 本文提出首个事件流生成匿名化框架，通过桥接异步事件与标准空间生成模型，实现隐私保护与数据效用的平衡。
Comments Accepted to the 1st Workshop on Low-Level Vision Frontiers (LoViF) at IEEE/CVF CVPR 2026
一个用于复杂4D无标记人体运动捕捉的 数据集和评估
机构 * Visual and Spatial AI Lab（视觉与空间人工智能实验室） ； VCCM Section College of PVFA（VCCM学院物理与虚拟现实学院） ； Department of ECEN（电子工程系） ； Department of CSCE（计算机科学与工程系） ； Texas A&M University（德克萨斯农工大学）
AI总结 本文提出一个复杂4D无标记人体运动捕捉的数据集和评估，包含单人和多人场景，涵盖复杂运动、频繁人与人遮挡、快速位置交换和不同距离变化，验证了现有方法在真实条件下的性能不足。
Comments 14 pages, 11 figures, 4 tables. Accepted for publication at CVPR 2026 4D World Models Workshop
ARGOS：智能多摄像机人像搜索中的谁、哪里和何时
机构 * KAIST（韩国科学技术院） ； University of Seoul（首尔大学） ； KIST（韩国科学技术院）
AI总结 ARGOS首次将多摄像机人像搜索转化为交互推理问题，通过智能体在信息不对称下规划、提问和消除候选，包含14个真实场景的2691个任务，实验表明该基准远未解决。
Comments Accepted to CVPR 2026 Workshop on Multimodal Spatial Intelligence (MUSI)
蒙特卡罗随机深度用于深度学习中的不确定性估计
机构 * Heilbronn University of Applied Sciences（海德堡应用科学大学）
AI总结 本文提出蒙特卡罗随机深度（MCSD）作为贝叶斯近似推断的理论框架，并在目标检测任务中验证其有效性，展示其在预测准确性、校准和不确定性排名上的优势。
Comments Accepted to the 8th Safe Artificial Intelligence for All Domains (SAIAD) workshop at IEEE/CVF CVPR 2026
跨模态知识蒸馏用于无PET的MRI淀粉样蛋白β检测
机构 * Dublin City University（都柏林城市大学） ； Insight Research Ireland Centre for Data Analytics（爱尔兰Insight研究数据分析师中心） ； St. Vincent’s University Hospital（圣文森医院） ； University College Dublin（都柏林大学）
AI总结 本文提出一种基于BiomedCLIP的跨模态知识蒸馏框架，利用MRI单独预测淀粉样蛋白β，无需PET或临床变量，实现了可解释的无PET检测方法。
Comments Accepted to CVPR Workshops 2026 (PHAROS-AIF-MIH)
LoViF 2026：视频天气去除的第一个挑战
AI总结 本文介绍了LoViF 2026挑战，旨在通过恢复受雨雪等恶劣天气影响的清晰视频，提升视频恢复的鲁棒性和真实感，引入了新的短格式WRV数据集。
Comments CVPR Workshop Challenge Report
视觉模型是否像人类一样感知静态图像中的错觉运动？
机构 * Columbia University（哥伦比亚大学） ； Kyoto University（京都大学）
AI总结 研究评估了多种光流模型在Rotating Snakes illusion中的表现，发现大多数模型无法生成与人类感知一致的流场，仅人类启发的Dual-Channel模型在模拟眼跳条件下表现出预期的旋转运动。
Comments Accepted to CVPR 2026 Findings
视觉变换器需要更多的寄存器
机构 * School of Computing and Data Science, The University of Hong Kong（计算与数据科学学院，香港大学） ； Sun Yat-sen University（中山大学）
AI总结 本文通过系统分析发现视觉变换器的 artifacts 来源于懒惰聚合行为，通过选择性整合 patch 特征提升性能。
Comments Accepted by CVPR 2026
MODIX：一种无需训练的多模态信息驱动的位置索引缩放
机构 * Peking University（北京大学）
AI总结 MODIX通过动态调整位置步长，基于模态特定贡献优化多模态模型的位置编码，提升多模态推理能力。
Comments Accepted by CVPR 2026 (Highlight). 10 pages, 2 figures, 5 tables
SEATrack: 简单、高效且自适应的多模态跟踪器
机构 * School of Artificial Intelligence (School of Software), Yanshan University（燕山大学人工智能学院（软件学院）） ； School of Software, Beihang University（北航软件学院） ； Hebei Key Laboratory of Computer Virtual Technology and System Integration（河北省计算机虚拟技术与系统集成重点实验室） ； State Key Laboratory of Multimodal Artificial Intelligence Systems (MAIS), CASIA（多模态人工智能系统国家重点实验室（MAIS），CASIA） ； School of Artificial Intelligence, UCAS（中国科学院大学人工智能学院） ； AutoLab, School of Artificial Intelligence, Shanghai Jiao Tong University（上海交通大学人工智能学院自动化实验室）
AI总结 SEATrack通过跨模态对齐和层次混合专家机制，在RGB-T、RGB-D和RGB-E跟踪任务中实现性能与效率的平衡。
Comments Accepted as a CVPR 2026 Oral
双模锚引导过滤用于测试时提示微调
机构 * School of Computer Science and Engineering, Chung-Ang University（Chung-Ang大学计算机科学与工程学院）
AI总结 本文提出双模锚引导框架，通过语义证据指导视图选择，结合文本和图像锚点进行过滤和集成，提升测试时提示微调的鲁棒性。
Comments Accepted by CVPR 2026 findings
模型链预训练：重新思考视觉基础模型的训练加速
机构 * Intel Labs China（英特尔中国实验室） ； iMotion Automotive Technology（iMotion汽车技术）
AI总结 本文提出Chain-of-Models Pre-Training方法，通过模型链实现视觉基础模型的高效训练，提升性能并降低成本，验证于45个数据集。
Comments This work is accepted to CVPR 2026. Code is available at https://github.com/deep-optimization/CoM-PT
OmniFood8K：通过层次化频率对齐融合实现单图像营养估计
机构 * School of Software, Yunnan University, China（云南大学软件学院，中国） ； State Key Laboratory of AI Safety, Institute of Computing Technology, Chinese Academy of Sciences, China（中国科学院人工智能安全国家重点实验室，计算技术研究所，中国） ； University of Chinese Academy of Sciences, China（中国科学院大学，中国）
AI总结 本文提出OmniFood8K数据集和端到端框架，通过频率对齐融合模块提升单图像营养预测精度，解决中餐营养估计不足和深度传感器限制问题。
Comments Accepted by CVPR 2026 (Highlight Paper)
在第一人称视频中精确检测手触时刻
机构 * Australian Institute for Machine Learning（澳大利亚机器学习研究所） ； Adelaide University（阿德莱德大学）
AI总结 本文提出HiCE模块和TouchMoment数据集，通过时空特征和跨注意力机制提升手触检测精度，实验显示在严格评估标准下，方法在平均精度上优于现有基线16.91%。
Comments Accepted to CVPR Findings 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