ICCV

Is CLIP ideal? No. Can we fix it? Yes!

CLIP是否理想？不。我们能否修复它？是的！

Raphi Kang, Yue Song, Georgia Gkioxari, Pietro Perona

AI总结 本文分析了CLIP潜在空间的几何局限性，提出DCSM方法以解决其根本问题，提升了CLIP-like模型在多个基准上的性能。

Comments ICCV 2025

CIPHER: Culvert Inspection through Pairwise Frame Selection and High-Efficiency Reconstruction

CIPHER: 通过成对帧选择和高效重建进行涵洞检查

Seoyoung Lee, Zhangyang Wang

AI总结 本文提出一种高效的RGB基3D重建管道，用于在视觉重复环境中对涵洞结构进行自动检查，通过成对帧选择和实时重建提升检查效率。

Comments Accepted by ICCV 2026 End-to-End 3D Learning

CSD-VAR: Content-Style Decomposition in Visual Autoregressive Models

CSD-VAR：视觉自回归模型中的内容-风格分解

Quang-Binh Nguyen, Minh Luu, Quang Nguyen, Anh Tran, Khoi Nguyen

AI总结 本文提出CSD-VAR方法，通过视觉自回归模型的逐尺度生成过程提升内容-风格分离，引入三种创新：尺度感知交替优化策略、基于SVD的校正方法和增强键值记忆以提升内容保真度。

Comments Accepted to ICCV 2025; Project page: https://nqbinhcs.github.io/csd-var-page/