CVPR

CARE-Edit: Condition-Aware Routing of Experts for Contextual Image Editing

CARE-Edit：基于条件的专家路由用于上下文图像编辑

Yucheng Wang, Zedong Wang, Yuetong Wu, Yue Ma, Dan Xu

机构 * The Hong Kong University of Science and Technology（香港科学与技术大学） 纠错

AI总结 CARE-Edit通过条件感知的专家路由提升上下文图像编辑的性能和稳定性

Comments Accepted by CVPR 2026. Project page: https://care-edit.github.io/

All Vehicles Can Lie: Efficient Adversarial Defense in Fully Untrusted-Vehicle Collaborative Perception via Pseudo-Random Bayesian Inference

所有车辆均可欺骗：通过伪随机贝叶斯推理实现高效对抗防御的完全不可信车辆协作感知

Yi Yu, Libing Wu, Zhuangzhuang Zhang, Jing Qiu, Lijuan Huo, Jiaqi Feng

机构 * School of Cyber Science and Engineering, Wuhan University（武汉大学网络科学与工程学院） ； Cyberspace Institute of Advanced Technology, Guangzhou University（广州大学先进技术网络研究院） 纠错

AI总结 本文提出PRBI框架，通过伪随机贝叶斯推理在完全不可信车辆环境中高效检测对抗行为，恢复感知精度至攻击前水平的79.4%-86.9%。

Comments Accepted by CVPR 2026

Prototype-Guided Concept Erasure in Diffusion Models

扩散模型中的原型引导概念擦除

Yuze Cai, Jiahao Lu, Hongxiang Shi, Yichao Zhou, Hong Lu

机构 * Fudan University（复旦大学） ； National University of Singapore（国立新加坡大学） 纠错

AI总结 本文提出通过原型引导的方法在扩散模型中实现更可靠的概念擦除，尤其针对广义概念如性与暴力，提升图像生成的安全性和可控性。

Comments Accepted by CVPR 2026

WaDi: Weight Direction-aware Distillation for One-step Image Synthesis

WaDi：基于权重方向的扩散模型一步图像合成知识蒸馏

Lei Wang, Yang Cheng, Senmao Li, Ge Wu, Yaxing Wang, Jian Yang

AI总结 WaDi通过LoRaD方法实现一步扩散模型蒸馏，以更高效的方式生成图像，同时保持高质量输出。

Comments Accepted to CVPR 2026;Code:https://github.com/gudaochangsheng/WaDi

SCOPE: Scene-Contextualized Incremental Few-Shot 3D Segmentation

SCOPE: 场景上下文化增量少量样本3D分割

Vishal Thengane, Zhaochong An, Tianjin Huang, Son Lam Phung, Abdesselam Bouzerdoum, Lu Yin, Na Zhao, Xiatian Zhu

机构 * University of Surrey, UK（英国萨里大学） ； University of Wollongong, Australia（澳大利亚沃拉彭大学） ； University of Copenhagen, Denmark（丹麦哥本哈根大学） ； University of Exeter, UK（英国埃克塞特大学） ； Singapore University of Technology and Design, Singapore（新加坡科技与设计大学） 纠错

AI总结 SCOPE通过背景引导原型丰富框架，在3D分割中实现增量少量样本学习，提升新类别和平均IoU性能，同时减少遗忘。

Comments Accepted at CVPR 2026 (Findings)

Bridging Domains through Subspace-Aware Model Merging

通过子空间感知模型融合跨领域

Levy Chaves, Chao Zhou, Rebekka Burkholz, Eduardo Valle, Sandra Avila

机构 * Universidade Estadual de Campinas (UNICAMP)（科林斯州立大学） ； Recod.ai Lab.（Recod.ai实验室） ； Instituto de Computação（计算研究所） ； CISPA Helmholtz Center for Information Security（信息安全赫尔姆霍茨中心） ； Intercom 纠错

AI总结 本文提出SCORE方法，通过子空间冲突缓解技术提升模型融合在跨领域泛化中的性能。

Comments Accepted at the IEEE/CVF Conference on Computer Vision and Pattern Recognition 2026 (CVPR)

SAIL: Similarity-Aware Guidance and Inter-Caption Augmentation-based Learning for Weakly-Supervised Dense Video Captioning

SAIL：基于相似性感知引导和跨字幕增强学习的弱监督密集视频字幕生成

Ye-Chan Kim, SeungJu Cha, Si-Woo Kim, Minju Jeon, Hyungee Kim, Dong-Jin Kim

机构 * Hanyang University（翰阳大学） 纠错

AI总结 SAIL通过跨模态对齐和大语言模型增强策略，提升弱监督密集视频字幕生成的准确性和语义感知能力。

Comments Accepted to CVPR 2026

Interpretable Motion-Attentive Maps: Spatio-Temporally Localizing Concepts in Video Diffusion Transformers

可解释的运动注意力图：在视频扩散变换器中进行时空定位概念

Youngjun Jun, Seil Kang, Woojung Han, Seong Jae Hwang

机构 * Yonsei University（延世大学） 纠错

AI总结 本文提出一种可解释的运动注意力图方法，通过时空定位运动概念，提升视频扩散变换器的可解释性与定位能力。

Comments CVPR 2026

Rethinking SNN Online Training and Deployment: Gradient-Coherent Learning via Hybrid-Driven LIF Model

重新思考SNN在线训练与部署：通过混合驱动LIF模型实现梯度一致学习

Zecheng Hao, Yifan Huang, Zijie Xu, Wenxuan Liu, Yuanhong Tang, Zhaofei Yu, Tiejun Huang

机构 * School of Computer Science, Peking University（北京大学计算机科学学院） ； State Key Laboratory for Multimedia Information Processing, Peking University（北京大学多媒体信息处理国家重点实验室） ； Beijing Key Laboratory of Brain-inspired Spiking Large Models, Peking University（北京脑启发式脉冲大规模模型重点实验室） ； Institute for Artificial Intelligence, Peking University（北京大学人工智能研究院） 纠错

AI总结 本文提出混合驱动LIF模型，通过分离时间梯度和优化资源，突破传统SNN在线训练与部署的局限，实现性能和效率的提升。

Comments Accepted to CVPR 2026

TALON: Test-time Adaptive Learning for On-the-Fly Category Discovery

TALON：实时适应学习用于即时类别发现

Yanan Wu, Yuhan Yan, Tailai Chen, Zhixiang Chi, ZiZhang Wu, Yi Jin, Yang Wang, Zhenbo Li

机构 * College of Information and Electrical Engineering（信息与电气工程学院） ； China Agricultural University（中国农业大学） ； Department of Electrical and Computer Engineering（电气与计算机工程系） ； University of Toronto（多伦多大学） ； Institute of Brain-Inspired Intelligence and Artificial Intelligence（脑启发智能与人工智能研究院） ； Fudan University（复旦大学） ； School of Computer and Information Technology（计算机与信息学院） ； Beijing Jiaotong University（北京交通大学） ； Department of Computer Science and Software Engineering（计算机科学与软件工程系） ； Concordia University（Concordia大学） 纠错

AI总结 TALON通过实时适应学习实现即时类别发现，结合语义感知原型更新和稳定测试时间编码器更新，有效提升分类性能并缓解类别爆炸问题。

Comments 14 pages, 6 figures, accepted by CVPR 2026

Speed3R: Sparse Feed-forward 3D Reconstruction Models

Speed3R: 稀疏前馈3D重建模型

Weining Ren, Xiao Tan, Kai Han

机构 * The University of Hong Kong（香港大学） ； Baidu AMU（百度AMU） 纠错

AI总结 Speed3R通过稀疏关键点匹配机制实现高效3D重建，以12.4倍速度提升推理效率，同时保持几何精度。

Comments CVPR 2026 Findings, project page: https://visual-ai.github.io/speed3r/

TeamHOI: Learning a Unified Policy for Cooperative Human-Object Interactions with Any Team Size

TeamHOI: 学习一种统一的策略以处理任意团队规模的协作人-物体交互

Stefan Lionar, Gim Hee Lee

机构 * Garena ； Sea AI Lab ； National University of Singapore（新加坡国立大学） 纠错

AI总结 TeamHOI通过统一策略实现任意团队规模的协作人-物体交互，采用Transformer网络和对抗运动先验策略提升协作行为的物理合理性和多样性。

Comments CVPR 2026. Project page: https://splionar.github.io/TeamHOI/ Code: https://github.com/sail-sg/TeamHOI

On the Feasibility and Opportunity of Autoregressive 3D Object Detection

关于自回归3D目标检测的可行性与机会

Zanming Huang, Jinsu Yoo, Sooyoung Jeon, Zhenzhen Liu, Mark Campbell, Kilian Q Weinberger, Bharath Hariharan, Wei-Lun Chao, Katie Z Luo

机构 * The Ohio State University（俄亥俄州立大学） ； Cornell University（康奈尔大学） ； Boston University（波士顿大学） ； Stanford University（斯坦福大学） 纠错

AI总结 AutoReg3D通过自回归序列生成方法实现3D目标检测，无需锚点或NMS，展示了在LiDAR检测中的可行性与灵活性。

Comments CVPR 2026 Findings Project Page: https://tzmhuang.github.io/autoreg3d/

VisualAD: Language-Free Zero-Shot Anomaly Detection via Vision Transformer

VisualAD: 通过视觉变换器实现无语言零样本异常检测

Yanning Hou, Peiyuan Li, Zirui Liu, Yitong Wang, Yanran Ruan, Jianfeng Qiu, Ke Xu

机构 * State Key Laboratory of Opto-Electronic Information Acquisition and Protection Technology, Anhui University, Hefei, China（光电信息采集与防护技术国家重点实验室，安徽大学，合肥，中国） ； School of Artificial Intelligence, Anhui University, Hefei, China（人工智能学院，安徽大学，合肥，中国） ； College of Intelligence Science and Technology, National University of Defense Technology, Changsha, China（智能科学与技术学院，国防科技大学，长沙，中国） 纠错

AI总结 VisualAD通过纯视觉变换器实现无语言零样本异常检测，引入可学习标记和空间感知模块，提升异常检测性能。

Comments Accepted by CVPR 2026

Beyond Heuristic Prompting: A Concept-Guided Bayesian Framework for Zero-Shot Image Recognition

超越启发式提示：一种基于概念的贝叶斯框架用于零样本图像识别

Hui Liu, Kecheng Chen, Jialiang Wang, Xianming Liu, Wenya Wang, Haoliang Li

机构 * City University of Hong Kong（香港城市大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； Nanyang Technological University（南洋理工大学） 纠错

AI总结 本文提出一种基于概念的贝叶斯框架，通过整合类特定概念提升零样本图像识别性能，采用多阶段概念合成和自适应软修剪似然，实现更鲁棒和高效的分类效果。

Comments 19 pages, Accepted by CVPR 2026

Revisiting Unknowns: Towards Effective and Efficient Open-Set Active Learning

重新审视未知：迈向高效且有效的开放集主动学习

Chen-Chen Zong, Yu-Qi Chi, Xie-Yang Wang, Yan Cui, Sheng-Jun Huang

机构 * Nanjing University of Aeronautics and Astronautics（南京航空航天大学） 纠错

AI总结 本文提出E$^2$OAL，通过利用已标记未知样本提升开放集主动学习的准确性和效率，采用标签引导聚类和狄利克雷校准辅助头部等方法，实现高效且可靠的查询策略。

Comments Accepted to CVPR 2026

AR2-4FV: Anchored Referring and Re-identification for Long-Term Grounding in Fixed-View Videos

AR2-4FV: 为固定视角视频中的长期接地引用而设计的锚点引用与重识别

Teng Yan, Yihan Liu, Jiongxu Chen, Teng Wang, Jiaqi Li, Bingzhuo Zhong

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） 纠错

AI总结 AR2-4FV通过锚点库和重入先验提升固定视角视频中长期引用的准确率和效率。

Comments Accepted to CVPR 2026

Active Inference for Micro-Gesture Recognition: EFE-Guided Temporal Sampling and Adaptive Learning

主动推断用于微手势识别：EFE引导的时间采样与自适应学习

Weijia Feng, Jingyu Yang, Ruojia Zhang, Fengtao Sun, Qian Gao, Chenyang Wang, Tongtong Su, Jia Guo, Xiaobai Li, Minglai Shao

机构 * Tianjin Normal University（天津师范大学） ； Shenzhen University（深圳大学） ； The State Key Laboratory of Blockchain and Data Security, Zhejiang University（浙江大学区块链与数据安全国家重点实验室） ； Hangzhou High-Tech Zone (Binjiang) Institute of Blockchain and Data Security（杭州高新技术区（滨江）区块链与数据安全研究院） ； School of New Media and Communications, Tianjin University（天津大学新媒体与传播学院） 纠错

AI总结 本文提出基于主动推断的微手势识别框架，通过EFE引导的时间采样和不确定性感知的自适应学习，提升低资源和噪声条件下的识别性能。

Comments 10 pages, accepted by CVPR 2026

Disentangled Textual Priors for Diffusion-based Image Super-Resolution

解耦文本先验用于基于扩散的图像超分辨率

Lei Jiang, Xin Liu, Xinze Tong, Zhiliang Li, Jie Liu, Jie Tang, Gangshan Wu

机构 * State Key Laboratory for Novel Software Technology, Nanjing University, Nanjing 210023, China（新型软件技术国家重点实验室，南京大学，南京） 纠错

AI总结 DTPSR通过解耦文本先验提升基于扩散的图像超分辨率性能，引入空间层次和频率语义两个维度，实现高感知质量和强泛化能力。

Comments Accepted by CVPR 2026

Occlusion-Aware SORT: Observing Occlusion for Robust Multi-Object Tracking

考虑遮挡的SORT：观测遮挡以实现稳健的多目标跟踪

Chunjiang Li, Jianbo Ma, Li Shen, Yanru Chen, Liangyin Chen

机构 * College of Computer Science, Sichuan University, Chengdu, China（四川大学计算机学院） ； Institute of Optics and Electronics, CAS, Chengdu, China（中国科学院光学精密机械研究所） 纠错

AI总结 本文提出OA-SORT框架，通过引入遮挡感知模块等技术，提升多目标跟踪在遮挡情况下的鲁棒性和准确性。

Comments Accepted to CVPR 2026. [The IEEE/CVF Conference on Computer Vision and Pattern Recognition 2026 (CVPR2026)]

Cycle-Consistent Tuning for Layered Image Decomposition

循环一致性调谐用于分层图像分解

Zheng Gu, Min Lu, Zhida Sun, Dani Lischinski, Daniel Cohen-Or, Hui Huang

机构 * Shenzhen University（深圳大学） ； Hebrew University of Jerusalem（耶路撒冷希伯来大学） ； Tel Aviv University（特拉维夫大学） 纠错

AI总结 本文提出一种基于循环一致性调谐的图像分解框架，通过轻量级LoRA适应和双向监督提升分层分离的鲁棒性和泛化能力。

Comments Accepted to CVPR 2026. Project page: https://vcc.tech/research/2026/ImgDecom

Universal 3D Shape Matching via Coarse-to-Fine Language Guidance

通过粗到细的语言引导实现通用3D形状匹配

Qinfeng Xiao, Guofeng Mei, Bo Yang, Liying Zhang, Jian Zhang, Kit-lun Yick

机构 * Hong Kong Polytechnic University, HK SAR（香港理工大学） ； Fondazione Bruno Kessler, Italy（布鲁诺·凯斯勒基金会） ； University of Technology Sydney, Australia（悉尼科技大学） 纠错

AI总结 UniMatch通过粗到细的语言引导方法，实现跨类别非等距形状的通用3D匹配。

Comments Accepted by CVPR 2026

Journal ref CVPR 2026

When Token Pruning is Worse than Random: Understanding Visual Token Information in VLLMs

当令牌修剪不如随机：理解VLLMs中的视觉令牌信息

Yahong Wang, Juncheng Wu, Zhangkai Ni, Longzhen Yang, Yihang Liu, Chengmei Yang, Ying Wen, Lianghua He, Xianfeng Tang, Hui Liu, Yuyin Zhou

机构 * Tongji University（同济大学） ； University of California, Santa Cruz（加州大学圣克ruz分校） ； Amazon（亚马逊） ； East China Normal University（华东师范大学） ； Shanghai Eye Disease Prevention and Treatment Center（上海眼病预防与治疗中心） 纠错

AI总结 本文研究了VLLMs中视觉令牌信息随网络深度变化的现象，发现信息消失地平线导致深度层随机修剪更有效，且与模型容量相关。

Comments Accepted to CVPR 2026

AnyPcc: Compressing Any Point Cloud with a Single Universal Model

AnyPcc: 用单一通用模型压缩任意点云

Kangli Wang, Qianxi Yi, Yuqi Ye, Shihao Li, Wei Gao

机构 * SECE, Peking University（北京大学SECE学院） ； Peng Cheng Laboratory（鹏城实验室） 纠错

AI总结 AnyPcc通过通用上下文模型和实例自适应微调策略，实现高效且鲁棒的点云压缩，适用于各种密度数据。

Comments CVPR 2026

Goldilocks Test Sets for Face Verification

金发测试集用于面部验证

Haiyu Wu, Sicong Tian, Aman Bhatta, Jacob Gutierrez, Grace Bezold, Genesis Argueta, Karl Ricanek, Michael C. King, Kevin W. Bowyer

机构 * University of Notre Dame（Notre Dame 大学） ； Indiana University South Bend（印第安纳大学南本德分校） ； University of North Carolina Wilmington（北卡罗来纳大学 Wilmington 分校） ； Florida Institute of Technology（佛罗里达理工学院） 纠错

AI总结 本文提出三个具有挑战性的面部验证测试集，旨在揭示现有算法的弱点，通过不同面部属性变化和相似外观身份的挑战提升模型性能。

Comments Accepted at CVPR 2025

CA-Jaccard: Camera-aware Jaccard Distance for Person Re-identification

CA-Jaccard：面向摄像头的Jaccard距离用于人重识别

Yiyu Chen, Zheyi Fan, Zhaoru Chen, Yixuan Zhu

机构 * Beijing Institute of Technology, China（北京理工大学） 纠错

AI总结 CA-Jaccard通过引入摄像头信息提升人重识别中Jaccard距离的可靠性，有效解决摄像头变化带来的负面影响。

Comments This paper is accepted by CVPR 2024

Journal ref Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) (2024) 17532-17541

PDD: Manifold-Prior Diverse Distillation for Medical Anomaly Detection

PDD：医学异常检测的流形先验多样化蒸馏

Xijun Lu, Hongying Liu, Fanhua Shang, Yanming Hui, Liang Wan

机构 * Medical School, Tianjin University（天津大学医学学院） ； College of Intelligence and Computing, Tianjin University（天津大学智能与计算学院） 纠错

AI总结 PDD通过流形先验多样化蒸馏方法，提升医学图像异常检测的性能，实现多个数据集上的显著改进。

Comments Accepted by CVPR'2026

HIERAMP: Coarse-to-Fine Autoregressive Amplification for Generative Dataset Distillation

HIERAMP：生成数据集蒸馏的粗到细自回归放大

Lin Zhao, Xinru Jiang, Xi Xiao, Qihui Fan, Lei Lu, Yanzhi Wang, Xue Lin, Octavia Camps, Pu Zhao, Jianyang Gu

机构 * Northeastern University（东北大学） ； University of Alabama at Birmingham（阿拉巴马大学伯明翰分校） ； The Ohio State University（俄亥俄州立大学） 纠错

AI总结 HIERAMP通过粗到细自回归放大方法，提升生成数据集的语义多样性与细节聚焦，从而提高蒸馏效果。

Comments The paper is accepted by CVPR 2026

Roots Beneath the Cut: Uncovering the Risk of Concept Revival in Pruning-Based Unlearning for Diffusion Models

剪枝之下：揭示基于剪枝的去学习中概念复兴的风险

Ci Zhang, Zhaojun Ding, Chence Yang, Jun Liu, Xiaoming Zhai, Shaoyi Huang, Beiwen Li, Xiaolong Ma, Jin Lu, Geng Yuan

机构 * University of Georgia（佐治亚大学） ； Carnegie Mellon University（卡内基梅隆大学） ； Northeastern University（东北大学） ； Stevens Institute of Technology（史蒂文斯理工学院） ； University of Arizona（亚利桑那大学） 纠错

AI总结 本文揭示基于剪枝的去学习中概念复兴的风险，提出攻击框架可无数据恢复被擦除概念，并探讨安全剪枝机制。

Comments Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2026

DeAR: Fine-Grained VLM Adaptation by Decomposing Attention Head Roles

DeAR: 通过分解注意力头角色实现细粒度VLM适应

Yiming Ma, Hongkun Yang, Lionel Z. Wang, Bin Chen, Weizhi Xian, Jianzhi Teng

机构 * Chongqing Research Institute of Harbin Institute of Technology（哈尔滨工业大学重庆研究所） ； Ocean University of China（中国海洋大学） ； The Hong Kong Polytechnic University（香港理工大学） ； Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） 纠错

AI总结 DeAR通过分解注意力头角色实现细粒度VLM适应，有效平衡任务适应与泛化能力。

Comments Accepted by CVPR 2026