ICCV

Manual-PA: Learning 3D Part Assembly from Instruction Diagrams

Manual-PA: 从指令图中学习3D部件组装

Jiahao Zhang, Anoop Cherian, Cristian Rodriguez, Weijian Deng, Stephen Gould

机构 * The Australian National University（澳大利亚国立大学） ； Mitsubishi Electric Research Labs（三菱电机研究实验室） ； The Australian Institute for Machine Learning（澳大利亚机器学习研究所） 纠错

AI总结 Manual-PA通过利用图示手册中的线索，将家具组装问题分为离散和连续阶段，利用对比学习框架实现3D部件的语义对齐和姿态预测，显著提升了组装性能并实现了对现实家具的泛化。

Comments Accepted to ICCV'25

Dynamic Multimodal Prototype Learning in Vision-Language Models

视觉-语言模型中的动态多模态原型学习

Xingyu Zhu, Shuo Wang, Beier Zhu, Miaoge Li, Yunfan Li, Junfeng Fang, Zhicai Wang, Dongsheng Wang, Hanwang Zhang

机构 * University of Science and Technology of China（中国科学技术大学） ； Nanyang Technological University（南洋理工大学） ； The Hong Kong Polytechnic University（香港理工大学） ； Sichuan University（四川大学） ； National University of Singapore（新加坡国立大学） ； Shenzhen University（深圳大学） 纠错

AI总结 本文提出ProtoMM框架，通过动态更新视觉粒子和多模态原型学习，提升视觉-语言模型在测试时的适应性能。

Comments ICCV 2025

ChartPoint: Guiding MLLMs with Grounding Reflection for Chart Reasoning

ChartPoint: 通过 grounding 反射引导 MLLMs 进行图表推理

Zhengzhuo Xu, SiNan Du, Yiyan Qi, SiwenLu, Chengjin Xu, Chun Yuan, Jian Guo

机构 * Tsinghua University（清华大学） ； International Digital Economy Academy（国际数字经济学院） ； Beihang University（北航） ； Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） 纠错

AI总结 ChartPoint通过引入 grounding 反射机制，提升 MLLMs 在图表推理中的表现，开发了两个指令微调模型，在多个图表基准上取得显著提升。

Comments Accepted by ICCV 2025

A Fast and Efficient Modern BERT based Text-Conditioned Diffusion Model for Medical Image Segmentation

一种快速且高效的基于现代BERT的文本条件扩散模型用于医学图像分割

Venkata Siddharth Dhara, Pawan Kumar

机构 * International Institute of Information Technology, Hyderabad, 500032, India（国际信息科技学院，海得拉巴） 纠错

AI总结 本文提出FastTextDiff，利用ModernBERT提升医学图像分割的效率和准确性，通过整合文本注释和多模态注意力机制改进传统扩散模型。

Comments 15 pages, 3 figures, Accepted in Slide 3 10th International Conference on Computer Vision & Image Processing (CVIP 2026)

Augmenting Moment Retrieval: Zero-Dependency Two-Stage Learning

增强时刻检索：零依赖两阶段学习

Zhengxuan Wei, Jiajin Tang, Sibei Yang

机构 * ShanghaiTech University（上海科技大学） ； School of Computer Science and Engineering, Sun Yat-sen University（中山大学计算机科学与工程学院） 纠错

AI总结 本文提出AMR框架，通过两阶段训练解决时刻检索中的数据稀缺、边界模糊和细粒度语义区分问题，提升模型在真实场景下的泛化能力。

Comments This work is accepted by ICCV 2025

WonderPlay: Dynamic 3D Scene Generation from a Single Image and Actions

WonderPlay：从单张图像和动作生成动态3D场景

Zizhang Li, Hong-Xing Yu, Wei Liu, Yin Yang, Charles Herrmann, Gordon Wetzstein, Jiajun Wu

机构 * Stanford University（斯坦福大学） ； University of Utah（犹他大学） 纠错

AI总结 WonderPlay通过结合物理模拟与视频生成，实现从单张图像和动作生成多样化动态3D场景。

Comments ICCV 2025 (Highlight). The first two authors contributed equally. Project website: https://kyleleey.github.io/WonderPlay/

WorldScore: A Unified Evaluation Benchmark for World Generation

WorldScore: 一个用于世界生成的统一评估基准

Haoyi Duan, Hong-Xing Yu, Sirui Chen, Li Fei-Fei, Jiajun Wu

机构 * Stanford University（斯坦福大学） 纠错

AI总结 WorldScore提出一个统一评估基准，用于评估不同世界生成方法，涵盖3D、4D场景生成及视频生成，通过可控性、质量和动态性三个维度评估19种模型。

Comments ICCV 2025. Project website: https://haoyi-duan.github.io/WorldScore/ The first two authors contributed equally

OccluGaussian: Occlusion-Aware Gaussian Splatting for Large Scene Reconstruction and Rendering

OccluGaussian：面向大场景重建与渲染的遮挡感知高斯点云技术

Shiyong Liu, Xiao Tang, Zhihao Li, Yingfan He, Chongjie Ye, Jianzhuang Liu, Binxiao Huang, Shunbo Zhou, Xiaofei Wu

机构 * Huawei Noah’s Ark Lab（华为诺亚实验室） ； The Chinese University of Hong Kong (Shenzhen)（香港中文大学（深圳）） ； Shenzhen Institutes of Advanced Technology（深圳先进技术研究院） ； The University of Hong Kong（香港大学） ； Huawei Embodied Intelligence Lab（华为具身智能实验室） 纠错

AI总结 OccluGaussian通过遮挡感知的场景划分和区域渲染技术，提升大规模场景重建与渲染的质量和效率。

Comments Accepted to ICCV 2025. Project website: https://occlugaussian.github.io