期刊&会议
Conference on Computer Vision and Pattern Recognition · 会议 · Computer Vision
BiPreManip: 通过预见性协作学习基于 affordance 的双臂预备操作
机构 * CFCS, School of Computer Science, Peking University（计算机学院，北京大学）
AI总结 本文提出BiPreManip框架，通过预见性协作学习双臂预备操作，提升任务成功率和泛化能力。
Comments Accepted to CVPR 2026
OmniFM：迈向模态鲁棒且任务无关的联邦学习 for 异质医学影像
机构 * School of Software, Shenyang University of Technology（沈阳理工大学软件学院）
AI总结 OmniFM提出一种统一训练分类、分割、超分辨率、视觉问答和多模态融合的联邦学习框架，通过频域洞察提升跨模态一致性，实现任务无关和模态鲁棒的联邦学习。
Comments Accepted by CVPR 2026 (Main)
PGR-Net：基于先验的感兴趣区域推理网络用于脑肿瘤MRI分割
机构 * College of Information Engineering, Capital Normal University（首都师范大学信息工程学院） ； School of Artificial Intelligence, China University of Mining and Technology-Beijing（中国矿业大学(北京)人工智能学院）
AI总结 PGR-Net通过整合数据驱动的空间先验，提升脑肿瘤MRI分割的稳定性与精度，实验显示其在BraTS和MSD任务中表现优异。
Comments This paper has been accepted to the main conference of CVPR 2026
PEARL：几何对齐语义以实现无训练的开放词汇语义分割
机构 * Department of Electrical and Computer Engineering, Sungkyunkwan University（苏州市立大学电气与计算机工程系） ； School of Computing and Artificial Intelligence, Southwest Jiaotong University（西南交通大学计算机与人工智能学院） ； School of Computer Science and Engineering, Nanjing University of Science and Technology（南京理工大学计算机科学与工程学院）
AI总结 PEARL提出一种无训练的开放词汇语义分割方法，通过几何对齐和文本感知拉普拉斯传播，在不增加复杂度的情况下实现高效分割。
Comments accepted by CVPR 2026
高效参数提示调优与层次文本引导在少样本整张滑片图像分类中的应用
机构 * AI, Optimization and Pattern Recognition Research Group（人工智能、优化与模式识别研究组） ； Dept. of Mechanical Eng., University of Melbourne, Australia（墨尔本大学机械工程系，澳大利亚）
AI总结 本文提出高效参数提示调优和层次文本引导方法，以解决少样本整张滑片图像分类中的计算成本和信息损失问题，实验显示在乳腺、肺癌和卵巢癌数据集上均取得显著提升。
Comments Accepted for publication at CVPR 2026 Workshop on Medical Reasoning with Vision Language Foundation Models (Med-Reasoner)
哪些概念需要遗忘以及如何拒绝？分解概念以在大视觉-语言模型中实现持续反学习
机构 * Chung-Ang University（Chung-Ang大学） ； NAVER AI Lab（NAVER AI实验室）
AI总结 本文提出一种持续反学习框架，通过分解删除目标中的视觉和文本概念，生成基于细粒度描述的拒绝响应，以提升反学习效果和保持通用性。
Comments Accepted to CVPR 2026
CrowdGaussian：从单张图像重建高保真的人类人群3D高斯
机构 * Nanjing University, China（南京大学） ； Fudan University, China（复旦大学） ； State Key Laboratory of Novel Software Technology, China（新型软件技术国家重点实验室）
AI总结 本文提出CrowdGaussian框架，通过单张图像直接重建多人3D高斯点云，解决遮挡、低清晰度和多样外观等挑战，实验表明其能生成逼真且几何一致的多人场景重建。
Comments Accepted by CVPR 2026
CIGPose：基于因果干预图的全身姿态估计神经网络
机构 * School of Computer Science, Northwestern Polytechnical University（西北工业大学计算机学院） ； Xidian University（西安电子科技大学） ； School of Cybersecurity, Northwestern Polytechnical University（西北工业大学网络安全学院）
AI总结 本文提出CIGPose框架，通过因果干预模块消除视觉上下文的干扰，提升全身姿态估计的鲁棒性与准确性，实验表明其在COCO-WholeBody上达到新状态-of-the-art。
Comments The paper is accepted by CVPR 2026
SwitchCraft: 无需训练的多事件视频生成与注意力控制
机构 * Westlake University（西湖大学） ； Duke Kunshan University（杜克-昆山大学） ； The University of Queensland（昆士兰大学）
AI总结 SwitchCraft通过引入事件对齐查询引导和自动平衡强度求解器，提升多事件视频生成的提示对齐、事件清晰度和场景一致性。
Comments CVPR 2026
当安全碰撞时：通过自适应安全引导解决文本到图像扩散中的多类别有害冲突
机构 * Sydney AI Centre, The University of Sydney（悉尼人工智能中心，悉尼大学） ； City University of Hong Kong（香港城市大学） ； TMLR Group, Hong Kong Baptist University（Baptist大学TMLR小组）
AI总结 本文提出CASG框架，通过动态识别并应用类别对齐的安全方向，解决文本到图像扩散模型中多类别有害冲突问题，实验表明其能有效降低有害率。
Comments CVPR 2026; Code is released at CVPR_CASG" target="_blank" rel="noopener">https://github.com/tmllab/2026_CVPR_CASG
无需真实异常：MLLM赋能的零样本视频异常检测
机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Northwestern Polytechnical University（西北工业大学）
AI总结 本文提出LAVIDA框架，利用多模态大语言模型和异常暴露采样器，解决视频异常检测中数据稀少和语义理解不足的问题，实现零样本下的帧级和像素级异常检测最优性能。
Comments Accepted by CVPR 2026
目标力：教视频模型实现物理条件化的目标
机构 * Brown University（布朗大学） ； Cornell University（康奈尔大学）
AI总结 本文提出Goal Force框架，通过显式力矢量和中间动力学定义目标，使视频模型能零样本泛化到复杂现实场景，实现基于物理的视频生成与规划。
Comments Camera ready version (CVPR 2026). Code and interactive demos at https://goal-force.github.io/
TTP: 视觉-语言模型上的对抗检测与鲁棒适应的测试时填充
机构 * NLPR & MAIS, Institute of Automation, Chinese Academy of Sciences（神经网络与模式识别实验室及自动化研究所，中国科学院） ； University of Chinese Academy of Sciences（中国科学院大学） ； Department of Automation, Tsinghua University（清华大学自动化系）
AI总结 本文提出TTP框架，通过测试时填充实现对抗检测与鲁棒适应，提升视觉-语言模型在对抗攻击下的鲁棒性而不影响清洁准确性。
Comments Accepted to the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2026
利用多光谱传感器在移动相机中进行色彩校正
机构 * University of Milano-Bicocca（米兰-布西卡大学） ； Computer Vision Center（视觉计算中心） ； Universitat Autònoma de Barcelona（巴塞罗那自治大学）
AI总结 本文提出一种基于学习的统一框架，整合高分辨率RGB传感器和辅助低分辨率多光谱传感器数据，实现端到端的色彩校正，提升色彩准确性和稳定性，实验表明比传统方法误差减少50%。
Comments Accepted to CVPR 2026. Camera-ready version
ELVIS: 为暗光视频实例分割增强低光效果
机构 * Visual Information Laboratory, University of Bristol（布里斯托大学视觉信息实验室）
AI总结 本文提出ELVIS框架，通过模拟低光视频管道和改进解码器，提升视频实例分割在低光条件下的性能，实验显示在合成数据集上提升3.7AP，在真实低光视频上超越基线2.8AP。
Comments Accepted to CVPR 2026
通过群体相对策略优化实现实时长周期空气质量预报
机构 * KAIST（韩国科学技术院） ； Ajou University（全州大学） ； Kunsan University（全州大学）
AI总结 本文提出群体相对策略优化方法，解决传统模型在长周期空气质量预报中的误报问题，通过减少误报率提升预报可靠性。
Comments 31 pages
Journal ref CVPR 2026
视频内容定制中的首帧至关重要
机构 * University of Maryland（马里兰大学） ； USC（南加州大学） ； MIT（麻省理工学院） ； NVIDIA（NVIDIA公司）
AI总结 本文揭示视频生成模型将首帧视为概念记忆缓冲区，通过少量训练示例实现鲁棒且通用的视频内容定制。
Comments Accepted to CVPR 2026
通过跨模态注意力可区分性理解视频-语言模型中的时间逻辑一致性
机构 * School of Computer Science and Technology, Beijing Institute of Technology, Beijing, China（北京理工大学计算机科学与技术学院，北京，中国） ； Beijing Engineering Research Center of High Volume Language Information Processing and Cloud Computing Applications, Beijing Institute of Technology, Beijing, China（高性能语言信息处理与云计算应用北京工程研究中心，北京理工大学，北京，中国）
AI总结 研究探讨视频-语言模型在时间逻辑一致性问题上的核心原因，提出TCAS方法提升跨模态注意力的时序分辨能力，实验验证了方法对时间逻辑一致性的提升效果。
Comments Accepted by CVPR 2026
弥合图像超分辨率评估中的感知差距
机构 * Computer Vision Center（计算机视觉中心） ； Universitat Autonoma de Barcelona（巴塞罗那自治大学）
AI总结 本文研究图像超分辨率评估中评价指标与人类感知之间的不一致问题，提出相对质量指数（RQI）框架以提升评估可靠性。
Comments Accepted to CVPR 2026
面向不确定性的多模态大语言模型知识蒸馏
机构 * NEC Laboratories America, Inc.（NEC美洲实验室） ； University at Buffalo, SUNY（布法罗大学） ； Rutgers University（罗格斯大学）
AI总结 本文提出Beta-KD框架，通过统一贝叶斯视角平衡数据与教师指导，提升多模态VQA任务性能。
Comments Accepted to CVPR 2026
文本-图像条件的3D生成
机构 * MoE Key Lab of Artificial Intelligence, AI Institute, School of Computer Science, Shanghai Jiao Tong University（人工智能大模型重点实验室、人工智能学院、计算机科学学院、上海交通大学） ； Huawei Inc.（华为公司） ； Huazhong University of Science and Technology（华中科技大学）
AI总结 本文提出结合文本和图像条件的3D生成方法，通过跨模态互补性提升生成质量，引入TIGON模型实现高效融合。
Comments CVPR 2026. Project page: https://jumpat.github.io/tigon-page Code: https://github.com/Jumpat/tigon
植物分类与植物计数：一个细粒度、分类学数据集，用于计数数百种植物物种
机构 * Huazhong University of Science and Technology（华中科技大学）
AI总结 本文提出TPC-268数据集，用于细粒度、分类学-aware的植物计数，包含10,000张图像和678,050个点注释，涵盖268种可计数的植物类别，推动了细粒度类无关计数的发展。
Comments Accepted by CVPR 2026. Project page: https://github.com/tiny-smart/TPC-268
通过损失景观几何重新框架长尾学习
机构 * Shandong University（山东大学） ； Zhejiang Sci-Tech University（浙江科技学院）
AI总结 本文提出通过损失景观视角解决长尾数据分布性能权衡问题，引入分组知识保持模块和分组尖锐度感知模块，促进共享解决方案，提升长尾类性能。
Comments Accepted to CVPR 2026. 11 pages, 6 figures, 5 tables
用于参数高效多任务学习的频率切换机制
机构 * National Cheng Kung University（国立成功大学） ； NVIDIA Research（NVIDIA研究）
AI总结 本文提出Free Sinewich框架，通过频率切换实现近零成本权重调节，结合Sine-AWB层和轻量Clock Net，在密集预测基准中实现性能与效率的最优平衡。
Comments Accepted to CVPR 2026
通过方差扩展损失镇定采样扰动以提升潜在扩散模型
机构 * University of Electronic Science and Technology of China（电子科学与技术大学）
AI总结 本文提出方差扩展损失，通过对抗重建与方差扩展的交互，提升潜在空间鲁棒性，改进扩散生成质量。
Comments Accepted to CVPR 2026
NoOVD：开放词汇物体检测中的新类别发现与嵌入
机构 * College of Intelligence and Computing, Tianjin University（天津大学智能与计算学院） ； Key Research Center for Surface Monitoring and Analysis of Relics, State Administration of Cultural Heritage（文物表面监测与分析国家重点研究中心） ； Faculty of Computer Science and Artificial Intelligence, Shenzhen University of Advanced Technology（深圳先进技术大学计算机科学与人工智能学院） ； School of Artificial Intelligence, Nanchang University（南昌大学人工智能学院）
AI总结 本文提出NoOVD框架，通过自蒸馏机制和K-FPN模块提升开放词汇物体检测中新类别的识别与嵌入效果，同时引入R-RPN提升召回率，实验表明在多个数据集上表现优异。
Comments CVPR 2026 Accept
SGAD-SLAM：调整深度的点云溅射以改进RGBD SLAM中的光场
机构 * Machine Perception Lab, Wayne State University, Detroit, USA（机器感知实验室，韦恩州立大学，底特律，美国）
AI总结 SGAD-SLAM通过调整深度的点云溅射方法改进RGBD SLAM中的光场表示，解决传统高斯点云灵活性和运动限制的问题，提升渲染质量和跟踪效率。
Comments CVPR 2026
一致却危险：每样本安全分类揭示医疗视觉-语言模型中的虚假可靠性
机构 * SAIL Lab, University of New Haven（SAIL实验室，新罕布什尔大学）
AI总结 研究揭示医疗VLMs中一致性指标的缺陷，通过四象限分类发现危险样本高准确率且低熵，建议部署评估需结合文本基线以识别虚假可靠性。
Comments CVPR 2026 Workshop on Medical Reasoning with Vision Language Foundation Models
GraPHFormer：一种多模态图持久同调变换器，用于神经科学形态学分析
机构 * Hamad Bin Khalifa University（哈马德·本·卡西姆大学） ； University of Turin（都灵大学） ； BESE, King Abdullah University of Science and Technology（贝赛，国王阿卜杜勒阿齐兹大学科学与技术学院） ； University of Wollongong（沃林根大学） ； Neuroscience Institute Cavalieri Ottolenghi（卡瓦利埃-奥托伦奇神经科学研究所） ； Université Grenoble-Alpes（格勒诺布尔阿尔卑斯大学）
AI总结 GraPHFormer通过CLIP式对比学习统一拓扑和图结构分析，利用持久图像编码和树状LSTM编码器，实现对神经形态的高精度识别与分类，优于传统方法。
Comments Accepted to IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2026
PlanaReLoc：通过基于区域的结构匹配实现3D平面原语的相机重定位
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） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）
AI总结 本文提出PlanaReLoc，利用3D平面原语和地图进行轻量级6自由度相机重定位，通过深度匹配和统一嵌入空间实现可靠的跨模态结构对应。
Comments Accepted by CVPR 2026. 20 pages, 15 figures. Code at https://github.com/3dv-casia/PlanaReLoc
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