TESPEC: Temporally-Enhanced Self-Supervised Pretraining for Event Cameras
机构 * University of Toronto（多伦多大学） ； Vector Institute（向量研究所）
Comments Accepted at IEEE/CVF International Conference on Computer Vision (ICCV) 2025
期刊&会议
ICCV
International Conference on Computer Vision · 会议 · Computer Vision
DPoser-X: Diffusion Model as Robust 3D Whole-body Human Pose Prior
机构 * Tsinghua University（清华大学） ； Nanyang Technological University（南洋理工大学） ； Beihang University（北航） ； NVIDIA Research（NVIDIA研究） ； SenseTime Research（商汤科技研究院） ； Shanghai Jiao Tong University（上海交通大学）
Comments ICCV 2025 (oral); Code released: https://github.com/moonbow721/DPoser
GS-Occ3D: Scaling Vision-only Occupancy Reconstruction with Gaussian Splatting
机构 * IIIS, THU（清华大学人工智能学院） ； Shanghai Qi Zhi Institute（上海启智研究院） ； AIR, THU（清华大学人工智能研究院） ； BAAI（北京人工智能研究院） ； Mercedes-Benz Group China Ltd.（梅赛德斯-奔驰集团中国有限公司）
Comments ICCV 2025. Project Page: https://gs-occ3d.github.io/
HOLa: Zero-Shot HOI Detection with Low-Rank Decomposed VLM Feature Adaptation
机构 * National University of Singapore（国立新加坡大学） ； University of Mississippi（密苏里大学） ； ASUS Intelligent Cloud Services (AICS)（ASUS智能云服务（AICS））
Comments Accepted by ICCV 2025
Describe Anything Model for Visual Question Answering on Text-rich Images
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）
Comments 11 pages, 5 figures. Accepted to VisionDocs @ ICCV 2025
Text Embedding Knows How to Quantize Text-Guided Diffusion Models
机构 * Korea University（韩国大学）
Comments ICCV 2025
SegmentDreamer: Towards High-fidelity Text-to-3D Synthesis with Segmented Consistency Trajectory Distillation
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）
Comments Accepted by ICCV 2025, project page: https://zjhjojo.github.io/segmentdreamer/
Voyaging into Perpetual Dynamic Scenes from a Single View
机构 * University of Pennsylvania（宾夕法尼亚大学）
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
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）
Comments ICCV 2025
ProSAM: Enhancing the Robustness of SAM-based Visual Reference Segmentation with Probabilistic Prompts
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）
Comments ICCV 2025
SiM3D: Single-instance Multiview Multimodal and Multisetup 3D Anomaly Detection Benchmark
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）
Comments Accepted at ICCV 2025. Project page: https://alex-costanzino.github.io/SiM3D/
DuET: Dual Incremental Object Detection via Exemplar-Free Task Arithmetic
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）
Comments Accepted at ICCV 2025
Fair Generation without Unfair Distortions: Debiasing Text-to-Image Generation with Entanglement-Free Attention
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）
Comments Accepted to ICCV 2025
Zero-Shot Vision Encoder Grafting via LLM Surrogates
机构 * University of Maryland（马里兰大学） ； Meta
Comments ICCV 2025
Early Timestep Zero-Shot Candidate Selection for Instruction-Guided Image Editing
机构 * KAIST（韩国科学技术院） ； Seoul National University（首尔国立大学） ； OGQ
Comments Accepted to ICCV 2025
Safeguarding Vision-Language Models: Mitigating Vulnerabilities to Gaussian Noise in Perturbation-based Attacks
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）
Comments ICCV 2025
Multi-Object Sketch Animation by Scene Decomposition and Motion Planning
Comments Accepted by ICCV 2025
PRIMAL: Physically Reactive and Interactive Motor Model for Avatar Learning
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）
Comments ICCV'25 camera ready; main paper and appendix; 19 pages in total
Web Artifact Attacks Disrupt Vision Language Models
机构 * Boston University（波士顿大学）
Comments Accepted at ICCV 2025
R1-VL: Learning to Reason with Multimodal Large Language Models via Step-wise Group Relative Policy Optimization
机构 * Nanyang Technological University（南洋理工大学）
Comments ICCV 2025 Camera Ready
SSVQ: Unleashing the Potential of Vector Quantization with Sign-Splitting
机构 * Zhejiang University（浙江大学） ； vivo Mobile Communication Co., Ltd（vivo移动通信有限公司）
Comments ICCV'25 camera ready
SplatTalk: 3D VQA with Gaussian Splatting
机构 * Georgia Institute of Technology（佐治亚理工学院） ； Google DeepMind（谷歌DeepMind）
Comments Accepted at ICCV 2025
GAS: Generative Avatar Synthesis from a Single Image
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）
Comments ICCV 2025; Project Page: https://humansensinglab.github.io/GAS/
AutoOcc: Automatic Open-Ended Semantic Occupancy Annotation via Vision-Language Guided Gaussian Splatting
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）
Comments ICCV 2025 Hightlight (main conference)
GestureLSM: Latent Shortcut based Co-Speech Gesture Generation with Spatial-Temporal Modeling
机构 * University of Rochester（罗切斯特大学） ； University of Tokyo（东京大学）
Comments Accepted to ICCV 2025. Project Page: https://andypinxinliu.github.io/GestureLSM
Democratizing Text-to-Image Masked Generative Models with Compact Text-Aware One-Dimensional Tokens
机构 * ByteDance Seed（字节跳动种子） ； POSTECH
Comments ICCV 2025. Project page at https://tacju.github.io/projects/maskgen.html
$\textit{Revelio}$: Interpreting and leveraging semantic information in diffusion models
机构 * Boston University（波士顿大学） ； Runway
Comments ICCV 2025
KinMo: Kinematic-aware Human Motion Understanding and Generation
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
Comments Accepted to ICCV 2025; Project page: https://andypinxinliu.github.io/KinMo
Coordinate-based Speed of Sound Recovery for Aberration-Corrected Photoacoustic Computed Tomography
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））
Comments Accepted to IEEE/CVF International Conference on Computer Vision (ICCV), 2025
VideoLLaMB: Long Streaming Video Understanding with Recurrent Memory Bridges
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）
Comments To appear at ICCV 2025
