ICCV

Describe Anything Model for Visual Question Answering on Text-rich Images

Yen-Linh Vu, Dinh-Thang Duong, Truong-Binh Duong, Anh-Khoi Nguyen, Thanh-Huy Nguyen, Le Thien Phuc Nguyen, Jianhua Xing, Xingjian Li, Tianyang Wang, Ulas Bagci, Min Xu

机构 * AI VIETNAM Lab（AI越南实验室） ； Carnegie Mellon University（卡内基梅隆大学） ； University of Wisconsin - Madison（威斯康星大学麦迪逊分校） ； University of Pittsburgh（匹兹堡大学） ； University of Alabama at Birmingham（阿拉巴马大学伯明翰分校） ； Northwestern University（西北大学） 纠错

Comments 11 pages, 5 figures. Accepted to VisionDocs @ ICCV 2025

Text Embedding Knows How to Quantize Text-Guided Diffusion Models

Hongjae Lee, Myungjun Son, Dongjea Kang, Seung-Won Jung

机构 * Korea University（韩国大学） 纠错

Comments ICCV 2025

SegmentDreamer: Towards High-fidelity Text-to-3D Synthesis with Segmented Consistency Trajectory Distillation

Jiahao Zhu, Zixuan Chen, Guangcong Wang, Xiaohua Xie, Yi Zhou

机构 * Sun Yat-sen University（中山大学） ； Great Bay University（大贝大学） ； Pazhou Lab (Huangpu)（琶洲实验室） ； Guangdong Province Key Laboratory of Information Security Technology（广东省信息安全技术重点实验室） 纠错

Comments Accepted by ICCV 2025, project page: https://zjhjojo.github.io/segmentdreamer/

Voyaging into Perpetual Dynamic Scenes from a Single View

Fengrui Tian, Tianjiao Ding, Jinqi Luo, Hancheng Min, René Vidal

机构 * University of Pennsylvania（宾夕法尼亚大学） 纠错

Comments Accepted by International Conference on Computer Vision (ICCV) 2025. Project Page: https://tianfr.github.io/DynamicVoyager

LACONIC: A 3D Layout Adapter for Controllable Image Creation

Léopold Maillard, Tom Durand, Adrien Ramanana Rahary, Maks Ovsjanikov

机构 * LIX, École Polytechnique, IP Paris（巴黎高等理工学院LIX研究所） ； Dassault Systèmes（达索系统） 纠错

Comments ICCV 2025

ProSAM: Enhancing the Robustness of SAM-based Visual Reference Segmentation with Probabilistic Prompts

Xiaoqi Wang, Clint Sebastian, Wenbin He, Liu Ren

机构 * Bosch Research North America（博世北美研究院） ； Bosch Center for Artificial Intelligence (BCAI)（博世人工智能中心） 纠错

Comments ICCV 2025

SiM3D: Single-instance Multiview Multimodal and Multisetup 3D Anomaly Detection Benchmark

Alex Costanzino, Pierluigi Zama Ramirez, Luigi Lella, Matteo Ragaglia, Alessandro Oliva, Giuseppe Lisanti, Luigi Di Stefano

机构 * CVLab, University of Bologna, Italy（博洛尼亚大学计算机视觉实验室） ； SACMI Imola, Italy（意大利SACMI公司） 纠错

Comments Accepted at ICCV 2025. Project page: https://alex-costanzino.github.io/SiM3D/

DuET: Dual Incremental Object Detection via Exemplar-Free Task Arithmetic

Munish Monga, Vishal Chudasama, Pankaj Wasnik, Biplab Banerjee

机构 * Sony Research India（索尼印度研究实验室） ； Indian Institute of Technology, Bombay（印度理工学院，孟买） 纠错

Comments Accepted at ICCV 2025

Fair Generation without Unfair Distortions: Debiasing Text-to-Image Generation with Entanglement-Free Attention

Jeonghoon Park, Juyoung Lee, Chaeyeon Chung, Jaeseong Lee, Jaegul Choo, Jindong Gu

机构 * KAIST（韩国科学技术院） ； Kakao Corp.（韩国 Kakao 公司） ； Yonsei University（延世大学） ； University of Oxford（牛津大学） 纠错

Comments Accepted to ICCV 2025

Zero-Shot Vision Encoder Grafting via LLM Surrogates

Kaiyu Yue, Vasu Singla, Menglin Jia, John Kirchenbauer, Rifaa Qadri, Zikui Cai, Abhinav Bhatele, Furong Huang, Tom Goldstein

机构 * University of Maryland（马里兰大学） ； Meta 纠错

Comments ICCV 2025

Early Timestep Zero-Shot Candidate Selection for Instruction-Guided Image Editing

Joowon Kim, Ziseok Lee, Donghyeon Cho, Sanghyun Jo, Yeonsung Jung, Kyungsu Kim, Eunho Yang

机构 * KAIST（韩国科学技术院） ； Seoul National University（首尔国立大学） ； OGQ 纠错

Comments Accepted to ICCV 2025

Safeguarding Vision-Language Models: Mitigating Vulnerabilities to Gaussian Noise in Perturbation-based Attacks

Jiawei Wang, Yushen Zuo, Yuanjun Chai, Zhendong Liu, Yicheng Fu, Yichun Feng, Kin-Man Lam

机构 * University of Science and Technology of China（中国科学技术大学） ； The Hong Kong Polytechnic University（香港理工大学） ； University of Washington（华盛顿大学） ； Nanjing University（南京大学） ； Stanford University（斯坦福大学） ； University of Chinese Academy of Sciences（中国科学院大学） 纠错

Comments ICCV 2025

Multi-Object Sketch Animation by Scene Decomposition and Motion Planning

Jingyu Liu, Zijie Xin, Yuhan Fu, Ruixiang Zhao, Bangxiang Lan, Xirong Li

Comments Accepted by ICCV 2025

PRIMAL: Physically Reactive and Interactive Motor Model for Avatar Learning

Yan Zhang, Yao Feng, Alpár Cseke, Nitin Saini, Nathan Bajandas, Nicolas Heron, Michael J. Black

机构 * Meshcapade ； Max Planck Institute for Intelligent Systems（马克斯·普朗克智能系统研究所） ； Stanford University（斯坦福大学） 纠错

Comments ICCV'25 camera ready; main paper and appendix; 19 pages in total

Web Artifact Attacks Disrupt Vision Language Models

Maan Qraitem, Piotr Teterwak, Kate Saenko, Bryan A. Plummer

机构 * Boston University（波士顿大学） 纠错

Comments Accepted at ICCV 2025

R1-VL: Learning to Reason with Multimodal Large Language Models via Step-wise Group Relative Policy Optimization

Jingyi Zhang, Jiaxing Huang, Huanjin Yao, Shunyu Liu, Xikun Zhang, Shijian Lu, Dacheng Tao

机构 * Nanyang Technological University（南洋理工大学） 纠错

Comments ICCV 2025 Camera Ready

SSVQ: Unleashing the Potential of Vector Quantization with Sign-Splitting

Shuaiting Li, Juncan Deng, Chenxuan Wang, Kedong Xu, Rongtao Deng, Hong Gu, Haibin Shen, Kejie Huang

机构 * Zhejiang University（浙江大学） ； vivo Mobile Communication Co., Ltd（vivo移动通信有限公司） 纠错

Comments ICCV'25 camera ready

SplatTalk: 3D VQA with Gaussian Splatting

Anh Thai, Songyou Peng, Kyle Genova, Leonidas Guibas, Thomas Funkhouser

机构 * Georgia Institute of Technology（佐治亚理工学院） ； Google DeepMind（谷歌DeepMind） 纠错

Comments Accepted at ICCV 2025

GAS: Generative Avatar Synthesis from a Single Image

Yixing Lu, Junting Dong, Youngjoong Kwon, Qin Zhao, Bo Dai, Fernando De la Torre

机构 * Carnegie Mellon University（卡内基梅隆大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Stanford University（斯坦福大学） 纠错

Comments ICCV 2025; Project Page: https://humansensinglab.github.io/GAS/

AutoOcc: Automatic Open-Ended Semantic Occupancy Annotation via Vision-Language Guided Gaussian Splatting

Xiaoyu Zhou, Jingqi Wang, Yongtao Wang, Yufei Wei, Nan Dong, Ming-Hsuan Yang

机构 * Wangxuan Institute of Computer Technology, Peking University（北京大学计算机技术研究院） ； Chongqing Changan Automobile Co., Ltd（重庆长安汽车有限公司） ； University of California, Merced（加州大学默塞德分校） 纠错

Comments ICCV 2025 Hightlight (main conference)

Democratizing Text-to-Image Masked Generative Models with Compact Text-Aware One-Dimensional Tokens

Dongwon Kim, Ju He, Qihang Yu, Chenglin Yang, Xiaohui Shen, Suha Kwak, Liang-Chieh Chen

机构 * ByteDance Seed（字节跳动种子） ； POSTECH 纠错

Comments ICCV 2025. Project page at https://tacju.github.io/projects/maskgen.html

$\textit{Revelio}$: Interpreting and leveraging semantic information in diffusion models

Dahye Kim, Xavier Thomas, Deepti Ghadiyaram

机构 * Boston University（波士顿大学） ； Runway 纠错

Comments ICCV 2025

KinMo: Kinematic-aware Human Motion Understanding and Generation

Pengfei Zhang, Pinxin Liu, Pablo Garrido, Hyeongwoo Kim, Bindita Chaudhuri

机构 * University of California, Irvine（加州大学欧文分校） ； University of Rochester（罗切斯特大学） ； Imperial College, London（伦敦帝国学院） ； Flawless AI 纠错

Comments Accepted to ICCV 2025; Project page: https://andypinxinliu.github.io/KinMo

Coordinate-based Speed of Sound Recovery for Aberration-Corrected Photoacoustic Computed Tomography

Tianao Li, Manxiu Cui, Cheng Ma, Emma Alexander

机构 * Northwestern University（西北大学） ； California Institute of Technology（加州理工学院） ； Tsinghua University（清华大学） ； NSF-Simons AI Institute for the Sky (SkAI)（NSF-模拟斯通AI天空研究所（SkAI）） 纠错

Comments Accepted to IEEE/CVF International Conference on Computer Vision (ICCV), 2025

VideoLLaMB: Long Streaming Video Understanding with Recurrent Memory Bridges

Yuxuan Wang, Yiqi Song, Cihang Xie, Yang Liu, Zilong Zheng

机构 * NLCo Lab, State Key Laboratory of General Artificial Intelligence, BIGAI（NLCo实验室、国家一般人工智能重点实验室、BIGAI） ； School of Computer Science & Technology, Beijing Institute of Technology（计算机科学与技术学院、北京理工大学） ； Computer Science and Engineering, University of California（计算机科学与工程系、加州大学） ； Wangxuan Institute of Computer Technology, Peking University（王轩计算机技术研究所、北京大学） 纠错

Comments To appear at ICCV 2025

The Inter-Intra Modal Measure: A Predictive Lens on Fine-Tuning Outcomes in Vision-Language Models

Laura Niss, Kevin Vogt-Lowell, Theodoros Tsiligkaridis

机构 * MIT Lincoln Laboratory（麻省理工学院林肯实验室） 纠错

Comments Accepted to ICCV 2025

Class-Wise Federated Averaging for Efficient Personalization

Gyuejeong Lee, Daeyoung Choi

机构 * SAKAK Inc.（SAKAK公司） ； The Cyber University of Korea（韩国网络大学） 纠错

Journal ref Published in ICCV 2025