期刊&会议
Conference on Computer Vision and Pattern Recognition · 会议 · Computer Vision
超越均值：在连续情感预测中建模注释分布
AI总结 本文提出了一种基于Beta分布的框架，用于建模注释共识，以捕捉情感感知的中心趋势、变异性、不对称性和不确定性。
Comments This paper has been accepted at the CVPR 2026 Workshop on Affective Behavior Analysis in-the-wild (ABAW)
LaScA：语言条件下的可扩展情感动态建模
机构 * University of Piraeus（比雷埃夫斯大学）
AI总结 本文提出LaScA框架，利用语言模型作为语义上下文条件器，结合手工制作的情感描述符建模情感变化，通过可解释的面部和声音特征提升预测准确性。
Comments This paper has been accepted at the CVPR 2026 Workshop on Affective Behavior Analysis in-the-wild (ABAW)
DINO-QPM：为全球可解释的图像分类适应视觉基础模型
机构 * Institute for Information Processing, L3S - Leibniz University Hannover（信息处理研究所，L3S - 莱布尼茨汉诺威大学）
AI总结 DINO-QPM通过将复杂特征转换为可解释的对比表示，提升图像分类的可解释性，同时在准确性和解释质量上优于DINOv2线性探针。
Comments Accepted to the 5th Explainable AI for Computer Vision (XAI4CV) Workshop at CVPR 2026
CSA-Graphs: 一种保护隐私的结构数据集用于儿童性虐待研究
机构 * Universidade Estadual de Campinas (UNICAMP)（坎皮纳斯州立大学） ； Instituto Federal de Educação, Ciência e Tecnologia de Minas Gerais (IFMG)（米纳斯吉拉斯联邦教育、科学和技术研究所） ； Universidade de São Paulo (USP)（圣保罗大学） ； Universidade Federal de Minas Gerais (UFMG)（米纳斯吉拉斯联邦大学） ； Polícia Federal (PF)（联邦警察） ； University of Sheffield（谢菲尔德大学）
AI总结 本文提出CSA-Graphs数据集，通过结构化表示替代原始图像，保留上下文信息以实现儿童性虐待图像分类，同时遵守法律和伦理限制。
Comments Conference on Computer Vision and Pattern Recognition (CVPR 2026), in the Workshop on Computer Vision for Children (CV4CHL)
ACE-Merging：无数据模型融合与自适应协方差估计
机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） ； University of Science and Technology of China（中国科学技术大学）
AI总结 本文提出ACE-Merging方法，通过自适应协方差估计实现无数据模型融合，解决专家模型间干扰问题，实验表明其在视觉和语言基准上优于现有方法。
Comments Accepted to CVPR 2026 (Main Track)
TopoMaskV3：用于道路拓扑理解的3D掩码头：具有密集偏移和高度预测
机构 * Graduate School of Informatics, Middle East Technical University（中东技术大学信息学研究生院） ； Togg/Trutek AI Team（Togg/Trutek 人工智能团队）
AI总结 TopoMaskV3通过引入密集偏移场和高度图，实现了3D道路拓扑理解的稳健预测，同时解决了地理数据泄露问题，取得了新的性能突破。
Comments Accepted to CVPR 2026 Workshops (AUTOPILOT 2026): 3rd Workshop on Autonomous Understanding Through Open-world Perception and Integrated Language Models for On-road Tasks
BrepGaussian：从多视角图像中通过高斯点划进行CAD重建
机构 * State Key Laboratory of Novel Software Technology, Nanjing University（南京大学计算机软件新技术国家重点实验室） ； Nanjing Urban Construction Tunnel& Bridge Intelligent Management Co., Ltd.（南京城建隧道桥梁智能管理有限公司）
AI总结 本文提出BrepGaussian框架，通过学习2D图像中的3D参数化表示，实现从多视角图像中重建CAD模型，其核心方法是结合可学习特征的高斯点划渲染器和特定拟合策略，有效分离了几何重建与特征学习。
Comments Accepted to CVPR 2026
FlexAvatar：通过部分监督学习完整的3D头像
机构 * Technical University of Munich（慕尼黑工业大学）
AI总结 FlexAvatar通过结合单目和多视角数据，解决单目数据不足和多视角数据获取困难的问题，实现高质量的3D头像生成。
Comments Accepted to CVPR 2026, Project website: https://tobias-kirschstein.github.io/flexavatar/ , Video: https://youtu.be/g8wxqYBlRGY
MedGRPO：异构医学视频理解的多任务强化学习
机构 * Northeastern University（东北大学） ； United Imaging Intelligence（联影智能）
AI总结 本文提出MedGRPO框架，通过跨数据集奖励归一化和医学LLM评判器提升医学视频理解的训练效果，建立基础基准和训练方法。
Comments Accepted at CVPR 2026
PoM：一种线性时间的注意力替代方案：多项式混合器
机构 * LIGM, CNRS, Univ Gustave Eiffel, ENPC, Institut Polytechnique de Paris（LIGM，法国国家科学研究中心，古斯塔夫·埃菲尔大学，巴黎高科路桥学院，巴黎综合理工学院） ； LIX, École Polytechnique, CNRS, IP Paris（LIX，巴黎综合理工学院，法国国家科学研究中心，巴黎综合理工学院） ； Department of Information Engineering, Università degli Studi di Padova（帕多瓦大学信息工程系） ； AMIAD, Pole recherche, EFEO（AMIAD，法国远东学院研究部） ； LASTIG, Univ Gustave Eiffel, IGN, Géodata Paris（LASTIG，古斯塔夫·埃菲尔大学，法国国家地理与森林信息研究所，巴黎地理数据）
AI总结 本文提出PoM，一种线性复杂度的替代注意力机制，通过学习多项式函数聚合输入令牌，实现高效序列处理，减少长序列计算成本。
Comments Accepted to CVPR Findings 2026
扩展ZACH-ViT以实现鲁棒医学影像：在低数据环境下对损坏和对抗性压力测试
机构 * BioML Lab, RI CODE, UniBw, Munich, Germany（慕尼黑联邦国防军大学，RI CODE，BioML实验室，德国慕尼黑） ； AUMC, Amsterdam, Netherlands（阿姆斯特丹大学医学中心，荷兰阿姆斯特丹）
AI总结 本文扩展ZACH-ViT，评估其在低数据环境下对常见图像损坏和对抗扰动的鲁棒性，发现其在清洁数据和常见损坏下表现优异，在对抗性压力下仍保持竞争力，但对抗鲁棒性仍是挑战。
Comments Accepted at CVPR 2026 Workshop (PHAROS-AIF-MIH)
PhySe-RPO：物理与语义引导的相对策略优化用于基于扩散的手术烟雾去除
机构 * School of Computer Science and Engineering, Southeast University（东南大学计算机科学与工程学院） ； School of Future Technology, South China University of Technology（华南理工大学未来技术学院）
AI总结 本文提出PhySe-RPO框架，通过物理和语义引导的相对策略优化，解决手术烟雾去除中配对监督不足的问题，实现物理一致、语义忠实且临床可解释的扩散修复。
Comments 12 pages,7figures,published to CVPR
Diff4Splat：基于潜在动态重建模型的可控4D场景生成
机构 * Peking University（北京大学） ； Xiamen University（厦门大学） ； CUHK（香港中文大学） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 Diff4Splat通过单张图像和相机轨迹生成可控的4D场景，结合视频扩散模型的生成先验与大规模4D数据集学习的几何和运动约束，在单次前向传递中直接预测可变形3D高斯场，无需测试时优化。
Comments Accepted to CVPR 2026. Project page: https://paulpanwang.github.io/Diff4Splat
BulletGen: 通过子弹时间生成提升4D重建
机构 * Meta Reality Labs（Meta 现实实验室）
AI总结 BulletGen利用生成模型在Gaussian动态场景表示中校正错误并补全缺失信息，通过对扩散视频生成模型输出与4D重建在单个冻结子弹时间步骤的对齐，实现新颖视角合成和2D/3D跟踪任务的最先进结果。
Comments Accepted at CVPR 2026 Workshop "4D World Models: Bridging Generation and Reconstruction"
稀疏感知体素注意力与前景调节用于3D语义场景补全
AI总结 本文提出VoxSAMNet，通过稀疏感知和语义引导设计，解决单目语义场景补全中体素分布不平衡和泛化能力差的问题，实现更高效准确的3D场景补全。
Comments Accepted at CVPR 2026
SVC 2026: 第二届多模态欺骗检测挑战赛及首个领域通用远程生理测量挑战
机构 * Wuhan University（武汉大学） ； Great Bay University（大湾区大学） ； Tsinghua University（清华大学） ； The Chinese University of Hong Kong（香港中文大学） ； Sun Yat-sen University（中山大学） ； Hefei University of Technology（合肥工业大学） ； University of Barcelona（巴塞罗那大学）
AI总结 本文提出SVC 2026挑战赛，旨在通过多模态欺骗检测和远程脉搏波测速估计任务，推动对细微视觉信号的鲁棒表示学习研究。
Comments Accepted by the SVC workshop @ CVPR 2026
通过组合并行令牌预测实现可控图像生成
机构 * Durham University（杜伦大学）
AI总结 本文提出一种理论指导的离散生成过程组合方法，通过掩码生成（吸收扩散）实现多输入条件的精确组合，相比现有方法在误差率和FID上均有显著提升，并实现高效的文本到图像生成控制。
Comments 8 pages + references, 7 figures, accepted to CVPR Workshops 2026 (LoViF). arXiv admin note: substantial text overlap with arXiv:2405.06535
超越语义：在稀疏自编码器中解构信息范围以用于CLIP
机构 * KAIST（韩国科学技术院） ； Korea AI Safety Institute, ETRI（韩国电子通信研究院人工智能安全研究所）
AI总结 本文提出信息范围作为理解CLIP表示的新维度，通过Contextual Dependency Score量化稀疏自编码器特征的广度，揭示不同信息范围特征对CLIP预测和置信度的影响差异。
Comments CVPR 2026 Findings
GaussianGrow：基于3D点云与文本引导的几何感知Gaussian生成
机构 * School of Software, Tsinghua University（清华大学软件学院） ； Kuaishou Technology（快手科技） ； CAIR and CIDSAI, NYU Abu Dhabi（纽约大学阿布扎比分校CAIR和CIDSAI）
AI总结 本文提出GaussianGrow，通过学习从3D点云中生长Gaussian，结合多视角扩散模型和文本引导，提升生成几何精度与质量。
Comments Accepted by CVPR 2026. Project page: https://weiqi-zhang.github.io/GaussianGrow
深入信赖：为高斯散射可靠的单目深度监督
机构 * Queensland University of Technology（昆士兰科技大学）
AI总结 本文提出一种整合模糊和噪声深度先验的训练框架，以提升高斯散射的几何监督，从而提高渲染质量。
Comments accepted to CVPR 3DMV Workshop
通过网络剪枝实现跨分辨率扩散模型
机构 * Westlake University（西湖大学） ； University of Electronic Science and Technology of China（电子科技大学）
AI总结 本文提出CR-Diff方法，通过参数剪枝提升扩散模型在不同分辨率下的视觉一致性，保持默认分辨率性能，支持提示特定优化。
Comments Accepted by CVPR Findings 2026
Thinking Diffusion: 通过惩罚和引导在扩散多模态语言模型中抑制和引导视觉推理
机构 * Department of Computer Science, Hanyang University（汉阳大学计算机科学系） ； Department of Artificial Intelligence, Hanyang University（汉阳大学人工智能系）
AI总结 本文针对扩散多模态语言模型在视觉推理中生成过早答案的问题，提出位置与步数惩罚和视觉推理引导方法，提升推理准确率并加快推理速度。
Comments CVPR 2026 - main
面向人类交互的单图像三维重建
机构 * Seoul National University（首尔大学）
AI总结 本文提出HUG3D框架，通过建模群体和实例级信息，解决多人类场景中的几何失真和交互问题，实现高保真三维重建。
Comments Accepted to CVPR 2026
超越语义检索：面向组合图像检索的指代锚定
机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； University of Chinese Academy of Sciences（中国科学院大学） ； Tencent Inc.（腾讯公司） ； PeopleAI Inc.（人民人工智能公司） ； HelloGroup Inc.（哈啰集团） ； ShanghaiTech University（上海科技大学）
AI总结 本文提出OACIR任务，通过引入对象锚定机制提升组合图像检索的实例一致性，构建了包含16万多个四元组的OACIRR基准，采用AdaFocal框架实现动态关注平衡，实验表明其在保持实例一致性方面表现优异。
Comments Accepted to CVPR 2026. Project page, dataset, and code are available at: https://hahajun1101.github.io/OACIR/
通过3D高斯散射实现大规模360°无人机拍摄影像中的室内资产检测
机构 * UC Berkeley（加州大学伯克利分校）
AI总结 本文提出一种基于3D高斯散射的室内资产检测方法，通过结合掩码语义和空间信息，提升多视角掩码关联和检测精度，实验显示在两个大型室内场景中，F1分数提升65%，mAP提升11%。
Comments Accepted to CVPR 2026 3DMV Workshop
多模态脑MRI的模态感知与解剖矢量量化自编码
机构 * Stanford University（斯坦福大学）
AI总结 本文提出NeuroQuant，一种基于模态感知和解剖学的3D矢量量化自编码器，用于多模态脑MRI重建，通过共享潜在表示和双流编码提升重建精度。
Comments CVPR Fingdings track
PR-IQA：基于扩散模型的新型视角合成的部分参考图像质量评估
机构 * Dongguk University（东国大学） ； NAVER WEBTOON AI
AI总结 PR-IQA通过部分参考图像评估扩散生成的视角合成图像质量，提升3D重建效果，无需真实地面真值。
Comments Accepted at CVPR 2026. Project Page: https://kakaomacao.github.io/pr-iqa-project-page/
PET-DINO：将视觉线索统一到Grounding DINO中通过提示增强训练
机构 * YouTu Lab, Tencent（腾讯优图实验室） ； Huazhong University of Science and Technology（华中科技大学） ； Kling Team, Kuaishou Technology（快手科技可灵团队）
AI总结 PET-DINO通过提示增强训练策略，统一视觉线索到Grounding DINO中，提升零样本目标检测性能。
Comments Accepted by CVPR 2026
SparseCam4D：从稀疏摄像机进行时空一致的4D重建
机构 * State Key Lab of CAD&CG, Zhejiang University（浙江大学CAD&CG国家重点实验室） ； InSpatio Research
AI总结 本文提出一种基于稀疏摄像机的动态重建框架，通过建模生成观测中的时空不一致性和开发完整流程，实现高保真4D重建并显著优于现有方法。
Comments CVPR 2026. Project page: https://inspatio.github.io/sparse-cam4d/ and code: https://github.com/inspatio/sparse-cam4d
UCAN：统一的卷积注意力网络用于轻量超分辨率中的扩展感受野
机构 * Ho Chi Minh City Open University（胡志明市开放大学） ； AI Tech Lab, Ho Chi Minh City University of Technology（胡志明市科技大学人工智能技术实验室） ； Code Mely AI Research Team（Code Mely 人工智能研究团队） ； Global College, Shanghai Jiao Tong University（上海交通大学全球学院） ； Ha Noi University of Science and Technology（河内科技大学） ； University of Manitoba（曼尼托巴大学）
AI总结 UCAN通过融合卷积与注意力机制，有效扩展感受野，采用Hedgehog注意力和蒸馏模块实现高效轻量化，适用于资源受限设备的超分辨率恢复。
Comments Accepted to 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