ICCV

Ouroboros: Single-step Diffusion Models for Cycle-consistent Forward and Inverse Rendering

Ouroboros: 单步扩散模型用于循环一致的正向与反向渲染

Shanlin Sun, Yifan Wang, Hanwen Zhang, Yifeng Xiong, Qin Ren, Ruogu Fang, Xiaohui Xie, Chenyu You

机构 * University of California, Irvine（加州大学伊维特分校） ； Stony Brook University（石溪大学） ； Huazhong University of Science and Technology（华中科技大学） ； University of Florida（佛罗里达大学） 纠错

AI总结 Ouroboros通过双单步扩散模型实现正反向渲染的互促，扩展了内在分解到室内外场景，并引入循环一致性机制，实验显示其在多样场景中表现优异且推理速度显著提升。

Comments Accepted by ICCV 2025

AIM 2025 Rip Current Segmentation (RipSeg) Challenge Report

AIM 2025 涨潮分离（RipSeg）挑战报告

Andrei Dumitriu, Florin Miron, Florin Tatui, Radu Tudor Ionescu, Radu Timofte, Aakash Ralhan, Florin-Alexandru Vasluianu, Shenyang Qian, Mitchell Harley, Imran Razzak, Yang Song, Pu Luo, Yumei Li, Cong Xu, Jinming Chai, Kexin Zhang, Licheng Jiao, Lingling Li, Siqi Yu, Chao Zhang, Kehuan Song, Fang Liu, Puhua Chen, Xu Liu, Jin Hu, Jinyang Xu, Biao Liu

机构 * Computer Vision Lab, CAIDAS & IFI, University of Würzburg, Germany（计算机视觉实验室，CAIDAS与IFI，乌尔姆大学，德国） 纠错

AI总结 本文报告了AIM 2025 RipSeg挑战赛，旨在提升静止图像中涨潮分离的自动分割技术。挑战赛基于最大的涨潮数据集RipVIS，聚焦单类实例分割，通过F1、F2、AP50和AP[50:95]等指标评估，揭示了涨潮分割的现状与未来方向。

Comments Challenge report paper from AIM Workshop at ICCV 2025

Journal ref 2025 IEEE/CVF International Conference on Computer Vision Workshops (ICCVW)