期刊&会议
Conference on Computer Vision and Pattern Recognition · 会议 · Computer Vision
ZINA：多模态细粒度幻觉检测与编辑
机构 * Keio AI Research Center（庆应义塾大学人工智能研究中心） ； Keio University（庆应义塾大学） ； Carnegie Mellon University（卡内基梅隆大学）
AI总结 本文提出ZINA方法，用于多模态大语言模型的细粒度幻觉检测与编辑，通过构建VisionHall数据集验证了其在检测和编辑任务中的优越性。
Comments CVPR 2026 Main Conference
BePo：3D占用预测的双表示
机构 * Qualcomm AI Research（高通人工智能研究院） ； Qualcomm Technologies, Inc.（高通技术公司）
AI总结 本文提出BePo，通过结合BEV和稀疏点的双表示，解决小物体和大平面的占用预测问题，实验表明其在多个基准上表现优异且推理成本低。
Comments CVPR 2026 Workshop on Autonomous Driving
PhysGaia：一个包含多体相互作用的物理感知基准，用于动态新视角合成
机构 * Computer Vision Laboratory, Seoul National University（首尔大学计算机视觉实验室）
AI总结 PhysGaia是首个关注动态新视角合成中物理一致性重建的基准，包含复杂多体交互场景和多种材料，提供高保真物理模拟和真实轨迹数据以推动相关研究。
Comments Accepted at CVPR 2026 Project page: http://cvlab.snu.ac.kr/research/PhysGaia Dataset: https://huggingface.co/datasets/mijeongkim/PhysGaia/tree/main
姿态多样化扩散模型：用于人体重识别的姿态多样化增强
机构 * KAIST AI（韩国科学技术院人工智能学院） ； SK Telecom（SK电讯）
AI总结 本文提出Pose-dIVE，通过扩散模型结合姿态和视角信息，增强重识别模型对姿态和视角变化的鲁棒性，提升模型泛化能力。
Comments CVPR 2026 Findings, Project page: https://cvlab-kaist.github.io/Pose-dIVE
SketchDeco：无需训练的潜在空间构图用于精确草图着色
机构 * SketchX, CVSSP, University of Surrey（萨里大学CVSSP实验室SketchX团队）
AI总结 SketchDeco通过无需训练的潜在空间构图方法，实现精确草图着色，结合专业设计需求与直观区域控制，利用简单掩码和颜色调色板实现空间和色彩精确指定，无需手动分配或文本提示模糊性。
Comments Accepted in CVPR 2026. Project page available at https://chaitron.github.io/SketchDeco/
LAA-X：统一的局部化瑕疵注意力用于质量无关且可泛化的面部伪造检测
机构 * CRISTAL laboratory, ENSI, University of Manouba（马努巴大学ENSI学院CRISTAL实验室） ； SnT, University of Luxembourg（卢森堡大学SnT中心）
AI总结 本文提出LAA-X框架，通过多任务学习与数据合成结合，实现对高质量伪造和未知篡改的鲁棒检测，支持CNN和Transformer结构，提供LAA-Net和LAA-Former两种版本，能与最新方法在多个基准上竞争。
Comments Journal version of LAA-Net (CVPR 2024)
4C4D: 4台相机的4维高斯点散布
机构 * School of Software, Tsinghua University（清华大学软件学院） ； Kuaishou Technology（快手科技）
AI总结 本文提出4C4D框架，通过极稀疏相机拍摄实现高保真4维高斯点散布，解决视频中4维动态场景重建问题，提升几何建模能力。
Comments Accepted by CVPR 2026. Project page: https://junshengzhou.github.io/4C4D
具有自适应补丁代码书的分层点-补丁融合用于3D形状异常检测
机构 * The University of Melbourne（墨尔本大学） ； Tsinghua University（清华大学） ； The University of New South Wales（新南威尔士大学） ； Delft University of Technology（代尔夫特理工大学）
AI总结 本文提出一种分层点-补丁异常评分网络，通过联合建模区域部分特征和局部点特征，提升3D形状异常检测的鲁棒性。采用自适应补丁化模块捕捉复杂结构偏差，并在公开和工业数据集上取得优越的AUC-ROC和AUC-PR性能。
Comments 10 pages, 5 figures, 6 tables
Journal ref CVPR 2026
对角 tiled 混合精度注意力机制用于高效低比特 MXFP 推理
机构 * State Key Laboratory of Complex & Critical Software Environment (SKLCCSE), Beihang University（北京航空航天大学复杂关键软件环境国家重点实验室） ； School of Computer Science and Engineering, Beihang University（北京航空航天大学计算机科学与工程学院） ； School of Artificial Intelligence, Beihang University（北京航空航天大学人工智能学院） ； Beijing Jiaotong University（北京交通大学）
AI总结 本文提出了一种低比特混合精度注意力核，利用MXFP数据格式在下一代GPU架构上实现高效低比特MXFP推理，通过融合核和硬件级并行性提升推理速度而不牺牲模型性能。
Comments CVPR Workshop EDGE 2026
通过半监督基础模型蒸馏训练学生专家
机构 * Texas A&M University（德克萨斯农工大学）
AI总结 本文提出半监督知识蒸馏框架，利用有限标注和大量未标注数据压缩预训练视觉基础模型，提升实例分割性能，通过对比学习和多目标损失提升学生模型效果。
Comments Accepted to the 2026 IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops (CVPRW). 14 pages, 9 figures
活动取证：一种全面的基准，用于定位视频中的篡改活动
机构 * College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院） ； School of Electrical and Electronic Engineering, Nanyang Technological University（南洋理工大学电气与电子工程学院） ； School of Computing and Artificial Intelligence, Jiangxi University of Finance and Economics（江西财经大学计算机与人工智能学院） ； Jiangxi Provincial Key Laboratory of Multimedia Intelligent Processing（江西省多媒体智能处理重点实验室） ； Faculty of Engineering, Shenzhen MSU-BIT University（深圳北理莫斯科大学工程系） ； VinUniversity
AI总结 本文提出ActivityForensics基准，用于定位视频中被篡改的活动。该基准包含6000多个无缝融合的篡改视频片段，并引入了Temporal Artifact Diffuser方法，评估了多种最先进的伪造定位器。
Comments [CVPR 2026] The first benchmark for action-level deepfake localization
InCaRPose：车内相对相机姿态估计模型与数据集
机构 * University of Wuppertal（伍珀塔尔大学） ； Aptiv（Aptiv公司）
AI总结 本文提出InCaRPose模型，基于Transformer架构实现车内环境下高精度相机姿态估计，通过合成数据训练实现对鱼眼镜头畸变的鲁棒性，并在7-Scenes数据集上表现优异。
Comments Accepted at the CVPR 2026 Workshop on Autonomous Driving (WAD)
重新思考位置嵌入作为多参考和多镜头视频生成的上下文控制器
机构 * Wuhan University（武汉大学） ； University of Science and Technology of China（中国科学技术大学） ； Hong Kong University of Science and Technology（香港科技大学） ； Tsinghua University（清华大学）
AI总结 本文提出PoCo方法，通过引入位置嵌入作为额外的上下文控制，解决多参考和多镜头视频生成中参考混淆问题，提升跨镜头一致性和参考保真度。
Comments Accepted to CVPR 2026
CGHair: 基于卡聚类的紧凑高斯发丝重建
机构 * Carnegie Mellon University（卡内基梅隆大学） ； ShanghaiTech University（上海科技大学）
AI总结 本文提出一种紧凑的高保真发丝重建方法，通过卡聚类减少存储和渲染成本，同时保持视觉质量。
Comments Accepted to CVPR 2026. This arXiv version is not the final published version
XSeg：一个大规模X射线违禁品分割基准用于现实世界的安全筛查
机构 * Xi’an Jiaotong University（西安交通大学） ； South China University of Technology（华南理工大学） ； Shenzhen Loop Area Institute（深圳河套学院） ； Pazhou Laboratory（琶洲实验室）
AI总结 本文提出XSeg，首个大规模X射线违禁品分割数据集，包含98644张图像和295932个实例掩码，通过自定义数据清洗流程提升数据质量，并引入APSAM模型提升分割性能。
Comments 12 pages, 8 figures, Accepted to CVPR 2026
爱我，爱我的标签：重新思考标签在视觉上下文学习中的提示检索中的作用
机构 * Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； School of Computer Science and Engineering, Northeastern University（东北大学计算机科学与工程学院）
AI总结 本文提出LaPR框架，通过增强标签信息提升视觉上下文学习中提示检索的性能，实验表明其在分割、检测和着色任务中表现优异。
Comments Accepted to CVPR 2026. 10 pages, 5 figures, 3 tables
想象之前聚焦：扩散引导的寄存器增强部分相关视频检索
机构 * Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳）） ； Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； Peng Cheng Laboratory（鹏城实验室）
AI总结 本文提出DreamPRVR，通过粗到细的表示学习范式，利用扩散模型生成全局语义寄存器，提升部分相关视频检索的准确性与鲁棒性。
Comments Accepted to CVPR 2026. 15 pages, 7 figures, 3 tables
自然图像自编码器能否为长程动态建模紧凑地编码fMRI体积？
机构 * ECE, Seoul National University（首尔大学电气与计算机工程系） ； IPAI, Seoul National University（首尔大学IPAI研究所） ； BCS, Seoul National University（首尔大学生物与认知科学系） ； Psychology, Seoul National University（首尔大学心理学系） ； ASRI / INMC / AIIS, Seoul National University（首尔大学ASRI/INMC/AIIS研究所）
AI总结 本文提出TABLeT方法，利用预训练的2D自然图像自编码器对fMRI体积进行紧凑编码，以高效建模长程时空动态，优于现有方法并在计算和内存效率上取得显著提升。
Comments CVPR 2026
BlazeFL：快速且确定性的联邦学习仿真
机构 * Institute of Science Tokyo（东京科学大学）
AI总结 BlazeFL通过自由线程共享内存执行和确定性随机数管理，解决了联邦学习仿真中效率与可重复性之间的权衡问题，提升了仿真速度并保持轻量级依赖。
Comments 9 pages, 4 figures. Accepted to the FedVision at CVPR 2026 (CVPRW)
SBF：一种有效的表示方法用于增强基于视频的人体动作识别的骨架
机构 * The Hong Kong University of Science and Technology（香港科技大学） ； The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））
AI总结 本文提出SBF表示方法，通过引入尺度图、人体图和流图来增强骨架信息，提升动作识别精度。
Comments Accepted by ABAW2026 (CVPR Workshop)
RDFace：一种用于罕见疾病面部图像分析的基准数据集，在极端数据稀缺和表型意识合成生成下
机构 * Western University（西安大略大学） ； Concordia University（康考迪亚大学） ； University of Toronto（多伦多大学） ； University of Winnipeg（温尼伯大学）
AI总结 RDFace包含456张儿童面部图像，涵盖103种罕见遗传疾病，旨在开发和评估在低数据条件下高效的人工智能模型，通过合成生成和数据增强提升诊断准确率。
Comments Accepted to CVPR 2026. 8 pages main paper + appendix
ExpressEdit: 在Photoshop中使用扩散模型快速编辑风格化面部表情
机构 * University of California, Santa Barbara（加州大学圣塔芭芭拉分校）
AI总结 ExpressEdit通过开放源代码的Photoshop插件，实现快速且无伪影的风格化面部表情编辑，结合Liquify等原生功能，提升编辑效率与艺术创作灵活性。
Comments Accepted to CVPR 2026 Workshop on Generative AI for Storytelling (AISTORY)
Banana100: 通过100次迭代图像复制打破NR-IQA度量标准
机构 * University of California, Santa Barbara（加州大学圣塔芭芭拉分校）
AI总结 Banana100通过100次迭代编辑生成28000张退化图像，揭示多轮编辑中图像质量退化问题，发现现有NR-IQA度量标准无法检测严重退化图像，威胁未来模型训练稳定性。
Comments Accepted to CVPR 2026 Workshop on Agentic AI for Visual Media
在CT图像中实现鲁棒的多源新冠检测
机构 * Capstone School Dhaka（达卡顶点学校） ； Carmel High School（卡梅尔高中） ； Clarkstown High School South（克拉克镇南高中） ； University at Albany, State University of New York（纽约州立大学奥尔巴尼分校） ； Purdue University（普渡大学）
AI总结 本文提出多任务学习方法，通过预测新冠诊断和数据源来提高多中心CT图像检测的鲁棒性，实现高F1分数和AUC-ROC值。
Comments 8 pages, 5 figures, 3 tables. Accepted at the 3rd Workshop on New Trends in AI-Generated Media and Security (AIMS) @ CVPR 2026
3D-IDE: 3D隐式深度涌现
机构 * School of Computing, Australian National University（澳大利亚国立大学计算学院） ； School of EECS, The University of Queensland（昆士兰大学电气工程与计算机科学学院） ； FreiNexus ； School of Artificial Intelligence, Beijing Normal University（北京师范大学人工智能学院）
AI总结 本文提出3D-IDE方法，通过几何自监督学习实现3D感知的隐式涌现，消除了深度和姿态依赖，提升推理效率和多任务性能。
Comments CVPR 2026 accepted. Project page: https://chushanzhang.github.io/3D-IDE/
超越真实数据：利用图像质量先验进行现实场景图像修复
机构 * Duke University（杜克大学） ； Tsinghua University（清华大学） ； EPFL（瑞士联邦理工学院洛桑分校）
AI总结 本文提出IQPIR框架，通过引入图像质量先验指导图像修复，提升感知质量。方法整合代码本先验，采用Transformer和双分支结构优化修复效果。
Comments Accepted by CVPR 2026
MPDiT：一种多块全局到局部变换器架构用于高效的流匹配和扩散模型
机构 * Rutgers University（罗格斯大学）
AI总结 MPDiT通过多块变换器架构在扩散和流匹配模型中实现高效计算，减少50%的GFLOPs消耗同时保持生成性能，改进时间与类别嵌入设计加速训练收敛。
Comments Accepted at CVPR 2026
EI：基于多模态影像的疾病识别早期干预
机构 * Renmin University of China（中国人民大学） ； Beijing Key Laboratory for Intelligent Diagnosis of Fundus Diseases and Drug-Device R&D and Translation（眼底疾病智能诊断与药械研发转化北京市重点实验室）
AI总结 本文提出EI框架，通过早期干预提升多模态影像疾病识别性能，引入MoR方法优化Vision Foundation Models适应，验证了在三个公开数据集上的有效性。
Comments Accepted to CVPR 2026 Findings
全景语言模型：超越拼接的全景场景理解
机构 * Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） ； Hunan University（湖南大学） ； Shenzhen University（深圳大学） ； UCL（伦敦大学学院）
AI总结 本文提出全景语言模型PLM，通过全景图像实现超越单目视角的综合推理，同时构建包含恶劣全景场景的PanoVQA数据集，开发可插拔的稀疏注意力模块以提升模型处理全景图像的能力。
Comments Accepted by CVPR 2026. Project page: https://github.com/InSAI-Lab/PanoVQA
SCP：视频中的空间因果预测
机构 * National University of Singapore（新加坡国立大学） ； Shenzhen University（深圳大学） ； Sichuan University（四川大学） ； National Tsing Hua University（国立清华大学）
AI总结 本文提出SCP任务，挑战模型超越观察预测空间因果结果，并构建SCP-Bench基准测试，揭示人类与模型性能差距及因果推理局限。
Comments 30 pages, 21 figures, 17 tables, CVPR findings
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