ICCV

FLNet: Flood-Induced Agriculture Damage Assessment using Super Resolution of Satellite Images

FLNet：利用卫星图像超分辨率进行洪水引起的农业损害评估

Sanidhya Ghosal, Anurag Sharma, Sushil Ghildiyal, Mukesh Saini

机构 * Annam.AI CoE, MoE, Indian Institute of Technology Ropar, Punjab, India（Annam.AI联合研究所、教育部、印度理工学院罗帕尔分校） ； Department of Mathematical Sciences, Rajiv Gandhi Institute of Petroleum Technology, Jais, UP, India（数学科学系、拉贾吉安石油技术学院） ； Department of Computer Science and Engineering, Indian Institute of Technology Ropar, Punjab, India（计算机科学与工程系、印度理工学院罗帕尔分校） 纠错

AI总结 FLNet利用卫星图像超分辨率技术，提升空间分辨率以更准确评估洪水导致的农业损害，实现高效、低成本的自动化评估。

Comments Accepted for oral presentation at the 10th International Conference on Computer Vision and Image Processing (CVIP 2025)

Better, But Not Sufficient: Testing Video ANNs Against Macaque IT Dynamics

更强大，但不足够：测试视频ANNs against Macaque IT动态

Matteo Dunnhofer, Christian Micheloni, Kohitij Kar

机构 * York University（约克大学） ； University of Udine（乌迪内大学） 纠错

AI总结 本文通过比较自然视频与静态、递归和视频基于的ANN模型，发现视频模型在神经预测性上有所改进，但无法捕捉IT中表达的外观不变的时间计算，表明需要新的目标来编码生物时间统计和不变性。

Comments Extended Abstract at the 2nd Human-inspired Computer Vision workshop at ICCV 2025

VisualCloze: A Universal Image Generation Framework via Visual In-Context Learning

VisualCloze: 一种通过视觉上下文学习实现通用图像生成的框架

Zhong-Yu Li, Ruoyi Du, Juncheng Yan, Le Zhuo, Qilong Wu, Zhen Li, Peng Gao, Zhanyu Ma, Ming-Ming Cheng

机构 * VCIP, CS, Nankai University（VCIP、计算机科学、南开大学） ； Beijing University of Posts and Telecommunications（北京邮电大学） ； Tsinghua University（清华大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； The Chinese University of Hong Kong（香港中文大学） 纠错

AI总结 VisualCloze通过视觉上下文学习实现通用图像生成，支持多种任务泛化与反向生成，利用图结构数据集提升任务密度和知识迁移。

Comments Accepted at ICCV 2025. Project page: https://visualcloze.github.io