期刊&会议
Conference on Computer Vision and Pattern Recognition · 会议 · Computer Vision
Neu-PiG：神经预条件网格用于长序列快速动态表面重建
机构 * University of Bonn（波恩大学）
AI总结 本文提出Neu-PiG，通过预条件潜在网格编码实现快速动态表面重建，解决了长序列中点云数据的一致性问题，提升精度和效率。
Comments CVPR 2026, Code: https://github.com/vc-bonn/neu-pig
ExpPortrait：通过个性化表示生成表现力强的肖像
机构 * University of Science and Technology of China（中国科学技术大学）
AI总结 本文提出一种高保真个性化头部表示，用于生成具有高表现力的肖像视频，通过引入表达转移模块实现不同身份间的头部姿态和表情细节转移，实验表明在身份保持、表情准确性和时间稳定性方面优于现有方法。
Comments CVPR 2026, Project Page: https://ustc3dv.github.io/ExpPortrait/
通过循环一致性掩码预测学习跨视角物体对应关系
机构 * Tsinghua University（清华大学） ； WeChat Vision, Tencent Inc.（腾讯微信视觉实验室） ； USTC（中国科学技术大学）
AI总结 本文提出基于条件二值分割的框架，通过循环一致性训练目标视角预测掩码并重建源视角掩码，实现无标注的自监督学习，提升跨视角物体对应性能。
Comments The paper has been accepted to CVPR 2026 main track
分割后再地面：为长视频理解适应帧选择以查询类型
机构 * Tsinghua University（清华大学） ； Microsoft Research Asia（微软亚洲研究院）
AI总结 本文提出DIG框架，根据查询类型调整帧选择策略，通过高效均匀采样处理全局查询，利用专用流程提取相关帧处理局部查询，提升长视频理解性能。
Comments CVPR 2026
MimiCAT：基于对应感知级联变换器的无类别3D姿态迁移
机构 * School of Computing, National University of Singapore（新加坡国立大学计算机学院） ； MMLab, The Chinese University of Hong Kong（香港中文大学MMLab） ； Institute for Infocomm Research, A ∗ STAR（资讯通信研究院（A*STAR））
AI总结 本文提出MimiCAT模型，通过语义关键点标签学习软对应关系，实现无类别3D姿态迁移，提升跨形态姿态转换的鲁棒性和泛化能力。
Comments Accepted to CVPR 2026. Project page: https://mimicat3d.github.io/
短语-实例对齐用于通用指称分割
机构 * Stony Brook University（石溪大学） ； UNC Charlotte（北卡罗来纳州立大学 Charlotte 分校）
AI总结 本文提出通过短语-实例对齐解决通用指称分割问题，通过实例级推理和POA损失实现精确对应，提升分割性能。
Comments Accepted to PVUW - CVPR 2026 Workshop. Webpage: https://eronguyen.github.io/InstAlign/
VISion On Request: 基于稀疏、动态选择的视觉-语言交互提升大模型效率
机构 * Samsung AI Cambridge（三星AI剑桥实验室） ； Technical University of Iasi（伊阿斯技术大学） ； Queen Mary University of London（伦敦女王玛丽大学）
AI总结 VISOR通过稀疏化视觉-语言交互提升大模型效率，无需丢弃视觉信息，动态分配计算资源，实验表明在多样基准和挑战任务中性能优异。
Comments Accepted at CVPR 2026
InverFill：一种用于增强少步扩散修复的一步倒置方法
机构 * Qualcomm AI Research（.qualcomm 高级研究院） ； Posts & Telecommunications Inst. of Tech., Vietnam（越南邮电技术研究所）
AI总结 本文提出InverFill，通过注入输入遮挡图像的语义信息到初始噪声中，实现高质量少步修复。该方法无需训练修复模型，利用文本到图像模型进行混合采样，提升图像质量和文本一致性。
Comments Accepted to CVPR'26 (Main Conference)
SIGMA：一种基于物理的气体烟囱理解在地震图像中的基准数据集
机构 * FPT Software AI Center（FPT软件AI中心） ； Imperial College London（伦敦帝国理工学院） ； University of Arkansas（阿肯色大学） ； University of South Brittany（南布列塔尼大学） ； University of Liverpool（利物浦大学）
AI总结 本文提出SIGMA数据集，用于地震图像中气体烟囱的理解，通过像素级掩膜和退化与真实图像配对，提升检测与增强能力，验证了其在气体烟囱解释中的挑战性。
Comments Accepted at The IEEE/CVF Conference on Computer Vision and Pattern Recognition 2026
FG-Portrait: 基于3D流的可编辑肖像动画
机构 * National University of Singapore（新加坡国立大学） ； University of Warwick（沃里克大学） ； Imperial College London（伦敦帝国理工学院） ； University of Surrey（萨里大学）
AI总结 本文提出FG-Portrait，通过3D流引导的方法实现高质量的肖像动画生成，结合3D几何信息和扩散模型，提升驱动运动与源肖像的对应精度，并支持用户对表情和头部姿态的编辑。
Comments CVPR 2026
RANGER: 用于病理报告生成的稀疏门控专家混合模型与自适应检索重排序
机构 * Department of Biomedical Engineering, The Ohio State University（生物医学工程系，俄亥俄州立大学） ； Department of Pathology, The Ohio State University（病理学系，俄亥俄州立大学）
AI总结 RANGER通过稀疏门控专家混合模型和自适应检索重排序，提升病理报告生成的生成特化与语义对齐，实验表明在PathText-BRCA数据集上性能优于现有方法。
Journal ref Proceedings of the IEEE/CVF CVPR 2026 Workshops (CV4Clinical)
面向任务的数据合成与控制-校正采样用于遥感语义分割
机构 * Sun Yat-Sen University（中山大学） ； Tsinghua University（清华大学） ； Beijing Institute of Technology（北京理工大学）
AI总结 本文提出TODSynth框架，结合多模态扩散变换器和任务反馈驱动的采样策略，提升遥感语义分割数据合成效果，尤其在少样本和复杂场景中表现优异。
Comments Accepted by CVPR 2026
CCF：互补协作融合用于领域泛化的多模态3D目标检测
机构 * Singapore University of Technology and Design（新加坡科技设计大学）
AI总结 本文提出CCF方法，通过查询解耦损失、LiDAR引导深度先验和互补跨模态掩码，提升多模态3D目标检测在跨领域场景下的鲁棒性，实验表明优于现有方法且保持源域性能。
Comments Accepted to CVPR 2026
多模态图像融合 via 干预稳定的特征学习
机构 * School of Information Science and Engineering, Yunnan University（云南大学信息科学与工程学院） ； School of Artificial Intelligence, Nanyang Normal University（南阳师范学院人工智能学院） ； Department of Electrical and Electronic Engineering, Hong Kong Polytechnic University（香港理工大学电子与电气工程系）
AI总结 本文提出基于因果原则的干预框架，通过三种干预策略探索模态关系，设计因果特征整合器捕捉稳健的模态依赖而非虚假关联。
Comments Accpted by CVPR 2026
基于球面谐波的高效混合SE(3)-等变视觉运动流策略用于机器人操作
机构 * University of Electronic Science and Technology of China（电子科学与技术大学） ； Dexmal
AI总结 本文提出E3Flow框架，通过球面谐波表示实现高效且稳定的多模态等变学习，提升机器人操作的性能、效率和数据效率。
Comments Accepted by CVPR 2026
第5届PVUW比赛MeViS-Audio赛道的第三名：VIRST-Audio
机构 * AIDAS Laboratory（AIDAS实验室）
AI总结 本文提出VIRST-Audio框架，通过将音频转换为文本并基于文本进行分割，实现音频驱动的视频对象分割，实验表明其在MeViS-Audio赛道上取得第三名，展示了良好的泛化能力和稳定性。
Comments 4 pages, 2 figures. Technical report for the CVPR 2026 PVUW Workshop (MeViS-Audio Track)
NeuroSeg Meets DINOv3：通过DINOv3初始化将2D自监督视觉先验转移到3D神经元分割
机构 * The University of Sydney（悉尼大学）
AI总结 本文提出利用DINOv3学习的2D视觉表示适应3D生物分割模型，通过膨胀策略和拓扑感知骨架损失提升神经元重建精度，实验显示在四个神经影像数据集上均优于现有方法。
Comments 17 pages, 12 figures, and 11 tables. Accepted to CVPR 2026
超越窗口：用于无训练开放词汇语义分割的全局-局部对齐CLIP
机构 * Sungkyunkwan University（全北大学）
AI总结 本文提出GLA-CLIP框架，通过增强窗口间信息交换解决传统滑动窗口方法的语义不一致问题，引入代理锚点和动态归一化方案提升小目标检测性能。
Comments 18 pages, 13 figures, 12 tables, Accepted to CVPR 2026
基于簇的时空掩码用于高效的视频-语言预训练
机构 * Harbin Institute of Technology（哈尔滨工业大学） ； Pengcheng Laboratory（鹏城实验室）
AI总结 本文提出ClusterSTM策略，通过簇内掩码保留关键时空信息，提升视频-语言预训练效率，并在多任务上取得新状态。
Comments Accepted by CVPR 2026
设计以遗忘：用于去学习的深度半参数模型
机构 * Department of Computer Science, Purdue University（普渡大学计算机科学系）
AI总结 本文提出深度半参数模型，通过融合模块实现测试时删除训练样本，无需改变模型参数，在图像分类和生成任务中表现优异，且去学习效率显著提升。
Comments CVPR 2026
跨切片知识迁移 via 遮蔽多模态异质图对比学习用于空间基因表达推断
机构 * Yunnan University（云南大学） ； Shenzhen Research Institute of Big Data（深圳大数据研究院） ； Zhongnan University of Economics and Law（中南财经政法大学）
AI总结 本文提出SpaHGC模型，通过多模态异质图对比学习，结合局部空间上下文和跨切片相似性，提升空间基因表达预测精度，优于现有九种方法。
Comments Accepted by CVPR-2026
TDATR：通过表格细节感知学习和单元级视觉对齐改进端到端表格识别
机构 * University of Science and Technology of China（中国科学技术大学） ； iFLYTEK Research（iFLYTEK研究院）
AI总结 TDATR通过表格细节感知学习和单元级视觉对齐改进端到端表格识别，采用感知-融合策略，提升模型鲁棒性和识别精度，无需数据集特定微调即可在七个基准上取得领先性能。
Comments Acceptd by CVPR 2026. Project Page: https://github.com/Chunchunwumu/TDATR.git
聚焦，而非裁剪：识别与指令相关的区域以实现信息丰富的图像理解
机构 * Korea University（韩国大学） ； KT Corporation（KT公司） ； Soongsil University（松山大学） ； Kakao Mobility（Kakao移动）
AI总结 本文提出PinPoint框架，通过识别与指令相关的图像区域并提取细粒度视觉特征，提升多模态任务的推理效率与准确性。
Comments CVPR 2026
需要两人：周期性和方向性双人舞 for 灭火器移除
机构 * Nankai International Advanced Research Institute (SHENZHEN·FUTIAN)（南开国际先进研究院（深圳·福田）） ； Peng Cheng Laboratory（鹏城实验室） ； College of Computer Science, Nankai University（南开大学计算机科学学院） ； The Hong Kong Polytechnic University（香港理工大学） ； OPPO Research Institute（OPPO研究院）
AI总结 本文提出Flickerformer，通过周期性和方向性特性有效去除闪烁噪声，避免鬼影伪影，提升图像质量。
Comments Accepted by CVPR 2026
ENC-Bench：用于评估多模态大语言模型在电子航海图理解中的基准
机构 * National University of Defense Technology（国防科技大学） ； Intelligent Game and Decision Lab（智能游戏与决策实验室） ； The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳））
AI总结 ENC-Bench是首个专注于专业电子航海图理解的基准，包含20490个经过专家验证的样本，评估了10种先进多模态大语言模型在符号识别、空间推理和航海决策中的表现，揭示了模型在符号 grounding、空间计算和多约束推理方面的系统性挑战。
Comments Accepted to CVPR 2026, Project page: https://qingyonghu.github.io/ENC-Bench/
基于重建的槽课程：解决视频对象中心学习中的对象过碎片化问题
机构 * Sungkyunkwan University（顺天妇女大学）
AI总结 本文提出SlotCurri方法，通过逐步扩展槽位并结合结构感知损失和循环推理，解决视频对象中心学习中的对象过碎片化问题，实验显示在YouTube-VIS和MOVi-C上取得显著提升。
Comments CVPR 2026 paper. Our code is available at github.com/wjun0830/SlotCurri
SOUPLE: 通过可学习的提示上下文增强音频-视觉定位与分割
机构 * Deakin University（德克萨斯大学） ； National Cancer Center（国立癌症中心）
AI总结 SOUPLE通过可学习的上下文标记提升音频-视觉定位与分割性能，利用视觉特征生成条件上下文以连接音频与视觉输入。
Comments Accepted to CVPR 2026
Think 360°: 评估MLLMs的宽度中心推理能力超越深度
机构 * School of Artificial Intelligence, University of Chinese Academy of Sciences（中国科学院大学人工智能学院） ； NLPR&MAIS, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所NLPR&MAIS） ； School of Advanced Interdisciplinary Science, University of Chinese Academy of Sciences（中国科学院大学交叉学科学院） ； Zhongguancun Academy（中关村学院）
AI总结 本文提出一个全面的多模态基准，评估MLLMs的推理能力，特别关注推理宽度，作为深度的补充维度。通过1200+高质量多模态案例，提出细粒度树状思维评估协议，评估12种模型家族的推理宽度和深度，揭示当前模型在结合深度推理与广泛探索搜索方面的能力不足。
Comments Accepted by CVPR 2026
通过基准测试和双证据融合实现忠实的分割属性
机构 * The University of Texas at San Antonio（德克萨斯大学圣安东尼奥分校）
AI总结 本文提出双证据属性方法，通过融合梯度证据与区域干预信号提升分割模型的可解释性，验证了属性评估的稳定性与忠实性平衡。
Journal ref CVPR 2026
Ego2Web：一种基于第一人称视频的网络代理基准测试
机构 * Google DeepMind（谷歌DeepMind） ； UNC Chapel Hill（北卡罗来纳大学教堂山分校）
AI总结 Ego2Web通过结合真实世界第一人称视频与网络任务，解决网络代理在现实物理环境中的感知问题，提出LLM-as-a-Judge评估方法，揭示当前代理在视觉理解和任务规划上的不足。
Comments CVPR 2026. Project page: https://ego2web.github.io/
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