期刊&会议
Conference on Computer Vision and Pattern Recognition · 会议 · Computer Vision
TopoHR: 面向驾驶场景中循环拓扑推理的层次化中心线表示与点到实例关系
机构 * Institute of Intelligent Machines, HFIPS, Chinese Academy of Sciences（智能机器研究所，HFIPS，中国科学院） ； University of Science and Technology of China（中国科学技术大学） ； NullMax ； Westlake University（西湖大学）
AI总结 提出TopoHR框架，通过层次化中心线表示和统一架构中的点到实例与实例到实例关系，实现中心线检测与拓扑推理的循环交互，在OpenLane-V2上取得显著性能提升。
Comments Accepted at CVPR 2026 (camera ready version)
ReMoT: 基于运动对比三元组的强化学习
机构 * Xi’an Jiaotong University（西安交通大学） ； Shenzhen University of Advanced Technology（深圳先进技术大学） ； DAMO Academy, Alibaba Group（阿里巴巴集团 DAMO 院）
AI总结 提出ReMoT统一训练范式，通过规则生成大规模运动对比数据集和组相对策略优化，解决VLM时空一致性问题，在时空推理任务上提升25.1%。
Comments CVPR 2026 Highlight
UniPixie: 基于流匹配的统一概率三维物理学习
机构 * University of Pennsylvania（宾夕法尼亚大学） ； Southern University of Science and Technology（南方科技大学） ； MIT（麻省理工学院）
AI总结 提出UniPixie框架，通过流匹配学习从单张视觉输入到连续可控材料属性分布的映射，实现多样物理场生成并降低杨氏模量预测误差超50%。
Comments Published at CVPR 2026 as a Highlight. Project page: https://unipixie.github.io/
谁被标记？AI内容水印中的多元评估差距
机构 * Case Western Reserve University（凯斯西储大学）
AI总结 本文揭示AI内容水印在不同语言、文化和群体间存在系统性偏差，提出跨语言检测一致性、文化多样性覆盖和检测指标人口统计分解三个评估维度，主张水印部署前必须进行公平性审计。
Comments 7 pages. Accepted at the Multimodal Alignment for a Pluralistic Society (MAPS) Workshop, CVPR 2026
Scone：通过统一理解-生成建模弥合主体驱动图像生成中的组合与区分
机构 * Peking University（北京大学） ； Kling Team, Kuaishou Technology（快手科技 Kling 团队） ； Zhongguancun Academy（中关村学院） ； HKUST（香港科技大学） ； Beijing Key Laboratory of Data Intelligence and Security (Peking University)（北京数据智能与安全重点实验室（北京大学））
AI总结 提出Scone方法，通过统一理解-生成模型结合组合与区分能力，采用两阶段训练实现主体身份保持与干扰最小化，在双基准上优于现有开源模型。
Comments CVPR 2026 Highlight. Code: https://github.com/Ryann-Ran/Scone
TaCarla: 端到端自动驾驶的综合基准数据集
机构 * Tuğrul Gorgülü *†（土耳其巴伊塞蒂大学） ； Atakan Dağ †（土耳其巴伊塞蒂大学） ； M. Esat Kalfaoğlu ‡（土耳其巴伊塞蒂大学） ； Halil İbrahim Kuru †（土耳其巴伊塞蒂大学） ； Barış Can Cam †（土耳其巴伊塞蒂大学） ； Halil İbrahim Öztürk †（土耳其巴伊塞蒂大学） ； Özsel Kılınç §（土耳其巴伊塞蒂大学）
AI总结 针对现有自动驾驶数据集不完整、行为多样性不足及闭环评估缺失等问题，基于CARLA Leaderboard 2.0挑战场景收集超过285万帧的多任务数据集，支持规划、检测、预测及视觉语言动作模型，并提供数值稀有度评分。
Comments Accepted at the Third Workshop on Simulation for Autonomous Driving (SAD), CVPR 2026
Glove2Hand：从多模态传感手套合成自然的手-物体交互
机构 * Meta Reality Labs（Meta现实实验室） ； Rutgers University（罗格斯大学）
AI总结 提出Glove2Hand框架，将多模态传感手套视频转化为逼真的裸手，并保留物理交互动态；引入3D高斯手模型和扩散手恢复器，创建HandSense数据集，提升下游任务性能。
Comments CVPR 2026 Highlight. This version includes the motion retarget process in the appendix
NuWa: 为边缘设备导出轻量级类别特定视觉Transformer
机构 * National Engineering Research Center for Big Data Technology and System, Services Computing Technology and System Lab, Cluster and Grid Computing Lab（大数据技术与系统国家工程研究中心、服务计算技术与系统实验室、集群与网格计算实验室） ； Swinburne University of Technology（斯威本科技大学） ； Deakin University（迪金大学）
AI总结 针对边缘设备只需识别特定类别的问题，提出NuWa方法，通过自知识净化去除有害权重，并利用闭式优化高效导出紧凑ViT，无需重训练即可提升类别精度并加速推理。
Comments Accepted at CVPR 2026
SAGE：适应性组织病理图像分割的形状自适应门控专家
机构 * University of Science, VNU-HCM（越南国家大学科学学院） ； Trivita AI ； University of Technology, VNU-HCM（越南国家大学技术学院） ； Michigan State University, USA（美国密歇根州立大学） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校）
AI总结 SAGE通过动态专家路由框架提升异构视觉网络中细胞形态变化的适应性，实现高精度分割与稳健泛化。
Comments Accepted to CVPR 2026 (Findings Track). Project Page: https://oxyzgiahuy.github.io/sage/
混合饮食使DINO成为杂食视觉编码器
机构 * Google DeepMind（谷歌DeepMind） ； University College London（伦敦大学学院）
AI总结 针对DINOv2等预训练视觉编码器在不同视觉模态间特征对齐差的问题，提出杂食视觉编码器，通过后训练框架学习模态无关特征空间，实现跨模态鲁棒理解。
Comments CVPR 2026 Highlight
NoRD: 一种无需推理的高数据效率视觉-语言-动作模型
机构 * Applied Intuition ； Texas A&M University（德克萨斯大学A&M分校） ； UC Berkeley（伯克利加州大学）
AI总结 提出NoRD模型，通过无需推理标注和仅需<60%数据微调，结合Dr. GRPO算法克服难度偏差，实现与现有VLA模型相当的性能，显著降低数据与计算开销。
Comments Accepted to CVPR 2026. Code available at: https://github.com/Applied-Open-Source/nord
CURE：基于课程引导的多任务训练实现可靠的解剖学接地报告生成
机构 * Pontificia Universidad Católica de Chile（智利天主教大学） ； CENIA ； iHEALTH ； KAUST（科威特皇家科学与技术局）
AI总结 提出CURE框架，通过课程学习动态调整多任务训练，提升医学报告生成的视觉接地准确性和事实一致性，无需额外数据。
Comments 31 pages, 7 figures, accepted to CVPR 2026 (oral)
Journal ref Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2026, pp. 36279-36289
PEDRA: 评估视频生成中行人动态的真实性
机构 * Duke University（杜克大学）
AI总结 提出PEDRA评估协议，通过重建鸟瞰轨迹等方法，测试文本/图像到视频模型生成多行人交互场景的真实性，发现现有模型虽具备先验但存在行人合并消失等物理不一致问题。
Comments Accepted to CVPR 2026
LoTUS：带有不确定性风味的大规模机器遗忘
机构 * University of Amsterdam（阿姆斯特丹大学） ； Centre for Research & Technology Hellas（希腊研究中心与技术中心） ； Archimedes/Athena RC（阿基米德/雅典娜研究中心）
AI总结 提出LoTUS方法，通过平滑预测概率至信息论界限来消除训练样本影响，避免从头重训练，在Transformer和ResNet18模型上超越现有方法，并引入RF-JSD指标用于实际评估。
Comments Accepted as a main conference paper at CVPR 2025 (https://cvpr.thecvf.com/virtual/2025/poster/33292)
镜像影响假说：利用前向传播的高效数据影响估计
机构 * Virginia Tech（弗吉尼亚理工大学） ； Columbia University（哥伦比亚大学）
AI总结 提出镜像影响假说，将训练数据对测试预测的影响转化为逆问题，通过测试样本梯度加训练样本前向传播高效估计数据影响，显著提升效率。
Comments The IEEE/CVF Conference on Computer Vision and Pattern Recognition 2024
Journal ref The IEEE/CVF Conference on Computer Vision and Pattern Recognition 2024
基于结构化步态-语言表示的LLM条件病理步态合成
机构 * University of California, Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学） ； University of Toronto（多伦多大学） ； MIT Media Lab（麻省理工学院媒体实验室）
AI总结 提出一种多模态LLM引导框架，通过结构化文本描述合成病理步态3D数据，利用运动标记化、病理感知语言条件、LLM语义增强和语言到步态生成，改善下游分类性能。
Comments Accepted at CVPR MOMA Workshop 2026 and selected for spotlight presentation at the workshop
OGA-AID：用于中风后康复多模态观察性步态分析的临床医生在环AI报告起草助手
机构 * Rehabilitation Research Institute of Singapore, Nanyang Technological University, Singapore（新加坡康复研究中心，南洋理工大学，新加坡） ； Lee Kong Chian School of Medicine, Nanyang Technological University, Singapore（李光前医学院，南洋理工大学，新加坡） ； The Grainger College of Engineering, University of Illinois Urbana-Champaign, United States（伊利诺伊大学厄巴纳-香槟分校格雷格学院，美国） ； Department of Rehabilitation Sciences, The Hong Kong Polytechnic University, Hong Kong（香港理工大学康复科学系，香港） ； VinUni-Illinois Smart Health Center, VinUniversity, Vietnam（Vin大学Vin-伊利诺伊智能健康中心，越南） ； Institute of Rehabilitation Excellence, Tan Tock Seng Hospital, NHG Health, Singapore（卓越康复研究所，坦托克桑格医院，NHG健康，新加坡）
AI总结 提出OGA-AID，一种临床医生在环的多智能体大语言模型系统，通过协调三个专业智能体合成患者运动记录、运动学轨迹和临床资料，生成结构化步态评估报告，在真实患者数据上优于单次多模态基线，并展示了AI辅助分析与人类临床判断的互补关系。
Comments 2026 CV4Clinic CVPR Workshop Proceedings
ActiveGrasp: 基于校准能量模型的信息引导主动抓取
机构 * University of Pennsylvania（宾夕法尼亚大学） ； Archimedes, Athena RC（阿基米德、阿提卡RC）
AI总结 针对密集杂乱环境中的抓取问题，提出一种校准能量模型生成抓取姿态，并基于抓取分布的信息增益主动选择视角，在有限视角下高效抓取目标物体。
Comments CVPR 2026
T2LM：基于多句子的长期3D人体运动生成
机构 * IPAI & ASRI（IPAI与ASRI） ； Dept. of ECE, Seoul National University（电子工程系，首尔国立大学） ； NAVER LABS Europe（NAVER欧洲实验室）
AI总结 提出T2LM框架，利用1D卷积VQVAE和Transformer文本编码器，无需顺序数据即可从多句子生成连续长期3D人体运动，优于先前方法且与单动作SOTA竞争。
Comments CVPR 2024 HuMoGen Workshop
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