期刊&会议
International Conference on Computer Vision · 会议 · Computer Vision
SPoT: 视觉变换器中令牌的子像素位置
AI总结 SPoT通过子像素位置策略提升视觉变换器的稀疏性利用，减少令牌数量以提高效率与准确性。
Comments Appeared in Workshop on Efficient Computing under Limited Resources: Visual Computing (ICCV 2025). Code available at https://github.com/dsb-ifi/SPoT
TextMaster: 一种通过字形-风格双控实现真实文本编辑的统一框架
机构 * Taobao & Tmall Group of Alibaba（阿里巴巴淘宝与天猫集团） ； Shanghai Jiao Tong University（上海交通大学）
AI总结 TextMaster通过字形-风格双控机制，实现了高精度、可控的文本编辑，适用于多种场景和图像区域，提升了文本布局的准确性和风格的可控性。
Comments Accepted to ICCV 2025
Journal ref Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV), 2025, pp. 16112-16121
MonoFusion：通过单目融合实现稀疏视角4D重建
机构 * Carnegie Mellon University（卡内基梅隆大学）
AI总结 MonoFusion通过单目融合技术，在稀疏视角下实现高质量的动态场景4D重建，优于传统密集多视角方法。
Comments ICCV 2025. Project Page: https://z1hanw.github.io/research/25_DSR/
对神经剽窃的关注：扩散模型可以剽窃您的受版权保护的图像！
机构 * University of Central Florida（中央佛罗里达大学） ； Boston University（波士顿大学）
AI总结 本文提出了一种基于梯度的神经剽窃方法，通过扰动扩散模型的交叉注意机制，使模型能够绕过版权保护措施，揭示了扩散模型在复制受版权图像方面的潜在风险。
Comments Accepted to ICCV 2025. Code available at: https://github.com/zzzucf/Neural-Plagiarism
基于指令的图像编辑与规划、推理和生成
机构 * HKUST（香港科技大学）
AI总结 本文提出一种多模态模型，通过链式思考规划、编辑区域推理和编辑，提升基于指令的图像编辑能力，以应对更复杂的真实场景。
Comments 10 pages, 7 figures
Journal ref Proceedings of the IEEE/CVF International Conference on Computer Vision, 2025, Page 17506--17515
基于UNet的关键点回归用于自动驾驶赛车中3D圆锥定位
机构 * School of Computer Science, University of Glasgow（计算机科学学院，格拉斯哥大学） ； Amazon（亚马逊）
AI总结 本文提出基于UNet的关键点回归方法，用于自动驾驶赛车中3D圆锥定位，通过大规模数据集提升定位精度并实现颜色预测。
Comments 8 pages, 9 figures. Accepted to ICCV End-to-End 3D Learning Workshop 2025 and presented as a poster; not included in the final proceedings due to a conference administrative error
EHWGesture -- 一个用于多模态理解临床手势的数据集
机构 * Department of Control and Computer Engineering, Politecnico di Torino（控制与计算机工程系，都灵理工大学） ； Fondazione Bruno Kessler（布鲁诺·凯斯勒基金会） ； CNR-IEIIT（意大利国家研究委员会-IEIIT）
AI总结 EHWGesture是一个包含五个临床相关手势的多模态视频数据集，用于提升临床手势理解的多模态分析能力。
Comments Accepted at ICCV 2025 Workshop on AI-driven Skilled Activity Understanding, Assessment & Feedback Generation
Journal ref 2025 IEEE/CVF International Conference on Computer Vision Workshops (ICCVW)
几何分布
机构 * KAUST（卡斯土尼亚大学） ； ETH Zurich（苏黎世联邦理工学院）
AI总结 本文提出了一种基于分布的几何数据表示方法，利用扩散模型学习表面点分布，以提升3D几何建模的精度和灵活性。
Comments Accepted to ICCV 2025. For the project site, see https://1zb.github.io/GeomDist/
感知到追捕：面向开放世界的无人机检测与自主追捕的以轨迹为中心的时序推理
机构 * Sithara Inc.（Sithara公司）
AI总结 P2P通过轨迹为中心的时序推理框架，提升了无人机轨迹预测精度和追捕可行性，实现了准确的预测与可操作的追捕规划。
Comments 7 pages, 2 figures, 3 tables, 15 references. Intended for submission to ICCV 2027
迈向持续模型融合的总体方法
机构 * New York University（纽约大学） ； University of Rochester（罗切斯特大学）
AI总结 本文提出了一种持续模型融合的总体方法，通过预融合、融合过程和后融合三个阶段解决持续学习中的挑战，实现可扩展和高效的灾难性遗忘缓解。
Comments Accepted to Workshop on Continual Learning in Computer Vision, ICCV 2025
LoLep：单视角视图合成与局部学习平面及自注意力遮挡推断
机构 * Tsinghua University（清华大学） ； The Beijing Institute of Technology（北京理工大学） ； University of Maryland（马里兰大学）
AI总结 LoLep通过局部学习平面和自注意力机制实现单视角视图合成，有效提升遮挡推断和生成质量。
Comments Accepted by ICCV 2023
VITAL: 通过分布对齐和相关信息流实现更可理解的特征可视化
机构 * Max Planck Institute for Informatics（马克斯·普朗克信息研究所）
AI总结 VITAL通过分布对齐和相关信息流提升特征可视化，实现更清晰的神经网络信息解码。
Comments Accepted at the International Conference on Computer Vision 2025 (ICCV 2025). Code is available at: https://github.com/adagorgun/VITAL
StrandHead: 基于人类中心先验的文本驱动3D头像生成方法
机构 * Nanjing University（南京大学）
AI总结 StrandHead通过人类中心先验生成逼真3D头发并实现解耦头像建模，达到文本到发束生成的最新水平。
Comments Accepted by ICCV 2025; Project page: https://xiaokunsun.github.io/StrandHead.github.io
基于图神经网络的按键识别
机构 * University of Colorado Boulder（科罗拉多大学波得罗尔分校） ； Intel Labs（英特尔实验室）
AI总结 本文提出GLEVR框架，通过构建图结构有效利用第一人称视频的长期依赖关系，实现细粒度按键识别，优于现有方法。
Journal ref Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV) Workshops, 2025, pp. 7624-7633
了解“不”：一种数据驱动的方法用于增强CLIP中的否定意识
机构 * Department of Electrical and Computer Engineering, Seoul National University（首尔国立大学电子与计算机工程系） ； Amazon（亚马逊） ； Samsung Research（三星研究院） ； School of Computer Science and Engineering, Soongsil University（顺天大学计算机科学与工程学院） ； IPAI, AIIS, ASRI, INMC, and ISRC, Seoul National University（首尔国立大学IPAI、AIIS、ASRI、INMC和ISRC）
AI总结 本文提出NegationCLIP，通过生成包含否定的数据增强CLIP的否定意识，同时提出NegRefCOCOg基准用于评估多模态模型的否定理解能力。
Comments Accepted to ICCV 2025
Journal ref Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV), 2025, pp. 2825-2835
MedVSR：基于跨状态空间传播的医学视频超分辨率
机构 * The Chinese University of Hong Kong（香港中文大学） ； ETH Zurich（苏黎世联邦理工学院） ； Computer Vision Laboratory（计算机视觉实验室）
AI总结 MedVSR通过跨状态空间传播和内状态空间重建模块，提升医学视频超分辨率的重建性能和效率。
Comments ICCV 2025
TruthPrInt: 通过潜在真实引导预干预缓解大视觉-语言模型对象幻觉
机构 * Drexel University（德雷塞尔大学） ； University of Electronic Science and Technology of China（电子科技大学） ； Hong Kong University of Science and Technology (Guangzhou)（香港科学与技术大学（广州）） ； LLNL（劳伦斯利弗莫尔国家实验室） ； Lehigh University（莱斯大学）
AI总结 TruthPrInt通过学习真相方向并引导解码过程，有效缓解大视觉-语言模型中的对象幻觉问题。
Comments 15 pages, 9 figures, the first two authors contributed equally, Accepted by ICCV 2025
基于扩散变换器和CLIP的图像到图像翻译
机构 * Department of Mechanical and Aerospace Engineering（机械与航空航天工程系） ； University of Houston（休斯顿大学） ； School of Engineering（工程学院） ； Santa Clara University（圣克拉拉大学） ； School of Electrical and Computer Engineering（电气与计算机工程学院） ； Cornell University（康奈尔大学） ； Department of Electrical and Computer Engineering（电气与计算机工程系） ； Northeastern University（东北大学）
AI总结 本文提出基于扩散变换器和CLIP的图像到图像翻译方法，通过CLIP嵌入引导实现高质量、语义一致的图像转换，为配对图像翻译任务提供新方案。
Comments Published in: 2025 6th International Conference on Computer Vision, Image and Deep Learning (CVIDL)
Journal ref 2025 6th International Conference on Computer Vision, Image and Deep Learning (CVIDL), pp. 626-632,
DWIM: 向工具感知的视觉推理迈进：通过差异感知的工作流生成与指令遮蔽微调
AI总结 DWIM通过差异感知的工作流生成与指令遮蔽微调，提升工具感知的视觉推理性能。
Comments ICCV 2025
Journal ref In Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV) 2025
ReasonVQA: 一个带有结构知识的多跳推理问答基准数据集
机构 * Bosch Center for AI（博世人工智能中心） ； Technical University of Berlin（柏林技术大学） ； Fraunhofer FOKUS（弗劳恩霍夫研究所）
AI总结 ReasonVQA是一个结合结构知识的多跳推理问答基准数据集，通过生成复杂问题挑战现有VQA模型，推动领域发展。
Comments Accepted at the IEEE/CVF International Conference on Computer Vision (ICCV) 2025
Tune-Your-Style: 可调强度的3D风格迁移与高斯点散布
机构 * School of Electronic and Computer Engineering, Peking University, Shenzhen, China（电子与计算机工程学院，北京大学深圳校区） ； Pengcheng Laboratory, Shenzhen, China（鹏城实验室） ； AI for Science (AI4S)-Preferred Program, Peking University Shenzhen Graduate School, China（人工智能科学（AI4S）优选计划，北京大学深圳研究生院） ； Department of Automation and BNRist, Tsinghua University, Beijing, China（自动化系和BNRist，清华大学，北京，中国） ； Dalian University of Technology, China（大连理工大学）
AI总结 Tune-Your-Style通过可调强度的3D风格迁移方法，实现灵活的内容-风格平衡，提升3D风格迁移的定制性。
Comments ICCV 2025
LLaVA-PruMerge: 适应性令牌减少用于高效的大多模态模型
机构 * UCF（佛罗里达大学） ； UW-Madison（威斯康星大学麦迪逊分校） ； USC（南加州大学） ； UIC（伊利诺伊大学香槟分校）
AI总结 LLaVA-PruMerge通过自适应视觉令牌减少策略，显著降低视觉令牌数量而不影响性能，适用于高效的大多模态模型。
Comments Accepted to ICCV 2025. First Version is released in 2024/03
SITUATE -- 合成物体计数数据集用于视觉语言模型训练
AI总结 SITUATE是一个用于训练视觉语言模型计数任务的数据集，通过控制遮挡和空间组成，提升模型对非分布图像的泛化能力。
Comments accepted at 21st International Conference on Computer Vision Theory and Applications
ModalTune: 通过多模态信息细调滑片级基础模型以实现数字病理学中的多任务学习
机构 * Sunnybrook Research Institute（辛普森布鲁斯研究所在） ； University of Toronto（多伦多大学） ； Google Research（谷歌研究）
AI总结 ModalTune通过引入多模态信息和大型语言模型，实现数字病理学中多任务学习的统一细调框架，提升癌症生存和亚型预测性能。
Journal ref Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV), 2025
GCRayDiffusion：基于几何一致射线扩散的无姿态表面重建
机构 * Beijing Normal University（北京师范大学） ； VAST（中国科学院软件研究所） ； Hong Kong University of Science and Technology（香港科技大学）
AI总结 GCRayDiffusion通过几何一致射线扩散实现无姿态表面重建，提升稀疏视角下的3D一致性与精度。
Journal ref Proc. IEEE/CVF Conf. Comput. Vis. Pattern Recognit. (ICCV), 2025, pp. 25335-25345
DisCoPatch: 通过对抗驱动的批量统计来改进分布外检测
机构 * Eindhoven University of Technology（埃因霍温理工大学）
AI总结 DisCoPatch通过利用对抗驱动的批量统计改进分布外检测，实现高效且准确的检测性能。
Comments ICCV 2025
FilterRAG: 零样本引导式检索增强生成以缓解视觉问答中的幻觉
机构 * University of Maryland, Baltimore County（马里兰大学巴尔的摩分校）
AI总结 FilterRAG通过结合BLIP-VQA与检索增强生成，利用外部知识源减少视觉问答中的幻觉问题，提升模型在知识驱动和分布外场景的鲁棒性。
Comments 12 pages, 6 figures and 2 tables; Accepted at ICCV 2025 Workshop on Building Foundation Models You Can Trust (T2FM)
DeepShield: 通过局部和全局伪造分析强化深度伪造视频检测
机构 * Sun Yat-sen University（中山大学） ； Pengcheng Laboratory（鹏城实验室） ； Guilin University of Electronic Technology（桂林电子科技大学） ； Guangdong Key Laboratory of Big Data Analysis and Processing（广东大数据分析与处理重点实验室）
AI总结 DeepShield通过局部和全局伪造分析提升深度伪造检测的鲁棒性，有效应对未知伪造攻击。
Comments ICCV 2025. Code is available at https://github.com/lijichang/DeepShield
从光线追踪模拟双像素图像用于深度估计
机构 * Huazhong University of Science and Technology（华中科技大学）
AI总结 本文提出Sdirt方案，通过光线追踪生成逼真的双像素图像，用于提升深度估计模型对真实双像素数据的泛化能力。
Journal ref Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV), 2025
RI3D: 少样本高斯点云渲染与修复与修复扩散先验
机构 * Texas A&M University（德克萨斯A&M大学） ； Meta Reality Labs（Meta现实实验室） ； Max Planck Institute for Informatics（马克斯·普朗克信息研究所）
AI总结 RI3D通过分离视图合成任务并结合修复与修复扩散模型，实现了高质量的少样本3D渲染与缺失区域重建。
Comments ICCV 2025, Project page: https://people.engr.tamu.edu/nimak/Papers/RI3D, Code: https://github.com/avinashpaliwal/RI3D
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈