期刊&会议
Conference on Computer Vision and Pattern Recognition · 会议 · Computer Vision
BiMotion: B-spline 动作 for 文本引导的动态 3D 人物生成
机构 * University of Edinburgh（爱丁堡大学） ； Cornell University（康奈尔大学） ； University of Michigan（密歇根大学） ； Voxel51
AI总结 BiMotion 通过 B-spline 曲线生成高质量文本引导的动态 3D 人物动作，提升动作生成的表现力和质量。
Comments Accepted to CVPR 2026
元学习超参数用于参数高效微调
机构 * Singapore Management University（新加坡管理大学） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
AI总结 MetaPEFT通过元学习动态调整超参数，提升遥感图像微调的性能和尾部类别准确性。
Comments Accepted by CVPR 2025 (Highlight). Code is available at: https://github.com/doem97/metalora
Journal ref Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2025, pp. 23037-23047
自适应频谱特征预测用于扩散采样加速
机构 * Stanford University（斯坦福大学） ； ByteDance（字节跳动）
AI总结 本文提出Spectrum方法，通过切比雪夫多项式近似实现全局长距离特征重用，提升扩散采样速度并保持高质量样本。
Comments CVPR 2026
UniTalking: 一种统一的音频-视频框架用于说话肖像生成
机构 * Central Media Technology Institute, Huawei（华为中央媒体技术研究所） ； School of Computer Science and Engineering, Beihang University（北航计算机科学与工程学院）
AI总结 UniTalking提出了一种统一的端到端扩散框架，用于生成高质量的语音和唇同步视频，通过多模态Transformer块和个性化语音克隆技术，提升了视觉保真度和训练效率。
Comments Accepted at CVPR 2026 (Findings Track)
MixerCSeg: 一种高效的Mixer架构用于通过解耦Mamba注意力进行裂缝分割
机构 * School of Qilu Transportation, Shandong University, China（山东大学齐鲁交通学院） ； Department of Computer Science, Tulane University, USA（路易斯安那大学计算机科学系）
AI总结 MixerCSeg通过解耦Mamba注意力机制，高效分割裂缝，实现高精度与低计算开销的平衡。
Comments Accepted by CVPR 2026
FoSS：通过傅里叶状态空间整合建模长距离依赖性和多模态不确定性在轨迹预测中
机构 * Brunel University of London（伦敦布鲁内尔大学） ； University of Birmingham（伯明翰大学）
AI总结 FoSS通过结合频域和时域建模，有效提升轨迹预测的准确性和效率，减少计算与参数消耗，实现多模态不确定性建模。
Comments Accepted by CVPR 2026
RnG：一种统一的Transformer，用于从有限观测中完整建模3D结构
机构 * Northwestern Polytechnical University（西北工业大学） ； Baidu Inc.（百度公司） ； Australian National University（澳大利亚国立大学） ； CSIRO（澳大利亚联邦科学与工业研究组织）
AI总结 RnG提出了一种统一的Transformer模型，通过隐式3D表示实现从有限观测中完整重建3D结构并生成新视角。
Comments Accepted to CVPR 2026
BeautyGRPO: 通过动态路径引导和细粒度偏好建模实现面部修饰的美观对齐
机构 * School of Cyber Science and Technology, Shenzhen Campus of Sun Yat-sen University, China（中山大学计算机科学与技术学院，深圳校区） ； vivo BlueImage Lab, vivo Mobile Communication Co., Ltd., China（vivo蓝影实验室，vivo移动通信有限公司）
AI总结 BeautyGRPO通过动态路径引导和细粒度偏好建模，解决面部修饰中保真度与审美偏好对齐的难题，实现更高质量的图像编辑效果。
Comments Accepted by CVPR 2026
超越全局相似性：面向细粒度、多条件多模态检索
机构 * Shanghai Jiao Tong University（上海交通大学） ； Institute of Digital Twin, Eastern Institute of Technology（数字孪生研究院，东部技术研究所） ； Ningbo Key Laboratory of Spatial Intelligence and Digital Derivative（宁波空间智能与数字衍生关键实验室）
AI总结 MCMR提出一个多条件多模态检索基准，通过细粒度多模态检索评估模型在复杂查询中的条件感知推理能力。
Comments Accepted by CVPR 2026
StructXLIP: 通过多模态结构线索增强视觉-语言模型
AI总结 StructXLIP通过引入多模态结构线索提升视觉-语言模型的跨模态检索性能。
Comments Accepted by CVPR 2026
VeCoR -- 速度对比正则化用于流匹配
机构 * JIIOV Technology（JIIOV技术公司）
AI总结 VeCoR通过引入速度对比正则化，提升流匹配模型的稳定性与生成质量，尤其在低步数和轻量级设置中表现优异。
Comments Accepted to Findings of CVPR 2026
通过基于梯度的自我反思缓解多模态幻觉
机构 * NVIDIA ； Australian National University（澳大利亚国立大学） ； Data61, CSIRO（Data61，CSIRO）
AI总结 本文提出GACD方法，通过梯度分析缓解多模态模型的幻觉问题，提升输出的视觉基础性。
Comments CVPR 2026
Prune2Drive: 一种用于自动驾驶中加速视觉-语言模型的即插即用框架
机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Carnegie Mellon University（卡内基梅隆大学） ； Sichuan University（四川大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； The University of Hong Kong（香港大学）
AI总结 Prune2Drive通过视觉令牌修剪框架在自动驾驶中加速视觉-语言模型，实现显著速度提升和内存节省，性能影响小。
Comments Accepted by CVPR 2026
视觉-语言模型是否会泄露所学内容？基于自适应令牌加权的模型逆向攻击
机构 * Singapore University of Technology and Design (SUTD)（新加坡科技设计大学） ； University of Maryland, College Park（马里兰大学学院公园分校）
AI总结 本研究提出SMI-AW攻击方法，揭示视觉-语言模型在隐私泄露方面的脆弱性，通过自适应令牌加权提升图像重建效果，验证了VLMs在敏感领域中的隐私风险。
Comments Accepted to CVPR 2026
VideoFusion: 一种用于多模态视频融合的时空协作网络
机构 * School of Robotics, Wuhan University, Wuhan, China（机器人学院，武汉大学，武汉，中国） ； Electronic Information School, Wuhan University, Wuhan, China（电子信息学院，武汉大学，武汉，中国） ； Southeast University, Nanjing, China（东南大学，南京，中国）
AI总结 VideoFusion通过时空协作网络实现多模态视频融合，利用跨模态互补性和时间动态性提升视频一致性。
Comments Accepted to CVPR 2026. The dataset and code are available at https://github.com/Linfeng-Tang/VideoFusion
Fed-ADE: 在分布偏移下适应性学习率的联邦后适应
机构 * Department of Electrical and Computer Engineering, Sungkyunkwan University, Republic of Korea（电气与计算机工程系，成均馆大学，大韩民国） ； Soongsil University, Seoul, Republic of Korea（顺世大学，首尔，大韩民国）
AI总结 Fed-ADE通过估计分布动态，为联邦学习中的非平稳数据提供自适应学习率，提升模型在分布偏移下的鲁棒性和有效性。
Comments Accepted at CVPR 2026
通过对抗展开和数据驱动的光谱正则化实现光谱超分辨率：从多光谱卫星数据到NASA超光谱图像
AI总结 本研究提出了一种基于对抗展开和数据驱动光谱正则化的深度学习框架，实现从12到186波段的光谱超分辨率，并统一Sentinel-2数据的空间分辨率至5米。
Comments Accepted by CVPR 2026
VGGT-Det：挖掘VGGT内部先验用于无传感器几何多视角室内3D目标检测
机构 * Hong Kong University of Science and Technology（香港科学与技术大学） ； Huawei（华为） ； Sun Yat-Sen University（孙中山大学）
AI总结 VGGT-Det通过整合VGGT编码器和引入AG、QD组件，实现无传感器几何的多视角室内3D目标检测，提升检测性能。
Comments Accepted by CVPR 2026. Code Page: https://github.com/yangcaoai/VGGT-Det-CVPR2026
求解带标签MRI的非线性盲逆问题：结合物理和深度生成先验
机构 * Johns Hopkins University（约翰霍普金斯大学） ； Johns Hopkins School of Medicine（约翰霍普金斯医学院）
AI总结 本文提出了一种结合物理和深度生成先验的非线性盲逆框架，用于带标签MRI，实现了解剖恢复、高分辨率 cine 图像合成和运动估计的统一处理。
Comments Accepted at CVPR 2026
NERFIFY：一个将NeRF论文转化为代码的多智能体框架
机构 * University of California, San Diego（加州大学圣地亚哥分校）
AI总结 NERFIFY通过多智能体框架将NeRF论文转化为可训练的代码，提升复现效率和质量。
Comments Accepted to CVPR 2026. Project page: https://seemandhar.github.io/NERFIFY/
CoLC: 通信高效协同感知与激光雷达补全
机构 * Key Laboratory of Big Data & Artificial Intelligence in Transportation, Ministry of Education（交通运输大数据与人工智能重点实验室，教育部） ； School of Computer Science and Technology, Beijing Jiaotong University（北京交通大学计算机科学与技术学院） ； Xiamen University（厦门大学）
AI总结 CoLC通过激光雷达补全和早期融合技术，在稀疏传输下实现高效协同感知，提升感知与通信的平衡性能。
Comments Accepted by CVPR'26
探索时空特征传播用于视频级压缩光谱重建：数据集、模型和基准
AI总结 本文提出PG-SVRT模型，通过时空特征传播提升视频级压缩光谱重建性能，构建DynaSpec数据集并验证其有效性
Comments Accepted by CVPR 2026
异构协作感知中的模态隔离问题
机构 * Shanghai Jiao Tong University（上海交通大学） ； Nanjing University of Science and Technology（南京理工大学）
AI总结 CodeAlign通过跨模态特征-代码-特征翻译有效解决异构协作感知中的模态隔离问题，显著降低训练参数和通信负载，提升感知性能。
Comments Accepted by CVPR 2026
UNICBench: 多模态多层级计数基准与评估工具包
机构 * Northwestern Polytechnical University（北华大学） ； Hong Kong University of Science and Technology（香港科技大学） ； Institute of Artificial Intelligence (TeleAI), China Telecom（中国电信人工智能研究所） ； Sun Yat-sen University（中山大学） ； Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳））
AI总结 UNICBench是一个统一的多模态计数基准，通过准确的地面真实值和分层报告，评估45种最先进的MLLMs在图像、文本和音频计数任务上的性能，揭示了模型在推理和难分支上的不足。
Comments This paper has been accepted by CVPR 2026
弱监督视频异常检测与异常连接组件及意图推理
机构 * School of Computer Science and Technology, Tongji University, Shanghai, China（计算机科学与技术学院，同济大学，上海，中国）
AI总结 本文提出LAS-VAD框架，通过异常连接组件和意图推理机制，提升弱监督视频异常检测的性能。
Comments Accepted by CVPR 2026
Mesh-Pro: 异步优势引导的排名偏好优化用于艺术家风格的四边形网格生成
机构 * Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） ； Tencent Hunyuan（腾讯文元） ； Hong Kong University of Science and Technology（香港科技大学）
AI总结 Mesh-Pro通过异步优势引导的排名偏好优化提升3D网格生成的训练效率和生成质量，引入了新的标记化和奖励机制，实现了艺术家风格网格的先进性能。
Comments Accepted to CVPR 2026
RAISE：基于需求的进化精炼用于无训练文本到图像对齐
机构 * Department of ECE, University of Alberta, Canada（阿尔伯塔大学电子工程系） ； Huawei Technologies, Canada（华为技术有限公司）
AI总结 RAISE是一种无训练、需求驱动的进化框架，通过动态调整生成过程实现高效且通用的文本到图像对齐。
Comments CVPR 2026
PointAlign：用于3D视觉-语言模型的特征级对齐正则化
机构 * University of Science and Technology of China（中国科学技术大学） ； Fuzhou University（福州大学） ； Fudan University（复旦大学） ； Nanjing University（南京大学）
AI总结 PointAlign通过特征级对齐正则化提升3D视觉-语言模型的几何信息保留与任务性能
Comments CVPR 2026 Accepted
证明-感知：具有组合性符合保证的认证工具使用多模态推理
机构 * University of Southern California（南加州大学） ； Nuro
AI总结 Proof-of-Perception通过组合性符合保证实现多模态推理的可信工具使用，提升性能和可靠性，同时更高效地利用计算资源。
Journal ref CVPR 2026
HorizonForge: 通过任意轨迹和任意车辆驱动场景编辑
机构 * NEC Labs America（NEC美国实验室） ； Stony Brook University（石溪大学） ； UC San Diego（圣地亚哥大学）
AI总结 HorizonForge通过任意轨迹和车辆实现驾驶场景的可控编辑，利用高斯溅射体和网格表示，结合视频扩散技术，提升生成场景的真实性和可控性。
Comments Accepted by CVPR 2026
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