WACV

ViTAMINS: An Empirical Study of Training Self-Supervised Vision Transformers with Synthetic Hard Negatives

ViTAMINS：使用合成难负样本训练自监督视觉Transformer的实证研究

Nikos Giakoumoglou, Andreas Floros, Kleanthis-Marios Papadopoulos, Tania Stathaki

机构 * Imperial College London（帝国理工学院） 纠错

AI总结 本研究提出ViTAMINS方法，将合成难负样本用于视觉Transformer预训练，经多任务基准测试，该方法性能优于竞争模型且资源效率更高，推动对比学习成为主流生成式与自蒸馏方法的替代方案。

Comments WACV 2027

JUMP-lite: Compact, reproducible benchmarking of cell representations

JUMP-lite：紧凑、可复现的细胞表征基准测试

Alán F. Muñoz, Johan Fredin Haslum, Runxi Shen, Anne E. Carpenter, Shantanu Singh

机构 * Broad Institute of MIT and Harvard（麻省理工学院与哈佛大学博德研究所） 纠错

AI总结 研究针对JUMP数据集体积过大导致细胞表征基准测试难以开展的问题，提出JUMP-lite压缩子集与Nahual框架，测试5种表征方法并验证压缩保留下游信号，为相关基准测试提供基础。

Comments Submitted to WACV 2027

From Pixels to Purchase: Building and Evaluating a Taxonomy-Decoupled Visual Search Engine for Home Goods E-commerce

从像素到购买：构建和评估一个去分类的视觉搜索引擎用于家居商品电商

Cheng Lyu, Jingyue Zhang, Ryan Maunu, Mengwei Li, Vinny DeGenova, Yuanli Pei

机构 * Wayfair 纠错

AI总结 本文提出了一种去分类的视觉搜索引擎，通过无分类区域提案和统一嵌入提升搜索灵活性，并引入LLM-as-a-Judge框架实现零样本评估，从而提高家居电商的检索质量和客户参与度。

Journal ref 2026 IEEE/CVF Winter Conference on Applications of Computer Vision Workshops (WACVW), pp. 1582-1590, 2026

CRS-Bench: A Reference-Relative Reliability Benchmark for Medical Image Encoders

CRS-Bench：面向医学图像编码器的参考相对可靠性基准

Xingtao Lin, Hangqi Ren, Caiwan Sun, You Chen

机构 * Vanderbilt University Medical Center（范德堡大学医学中心） ； Vanderbilt University（范德堡大学） 纠错

AI总结 本研究提出CRS-Bench基准，通过评估15个预训练医学图像编码器的多轴可靠性，结合临床可靠性评分，发现部分编码器排序与AUROC结果反转，确定PanDerm等为稳定领先层级，为医学编码器选择提供更全面框架。

Comments 10 pages, 7 figures. Submitted to WACV 2027

Action Anticipation at a Glimpse: To What Extent Can Multimodal Cues Replace Video?

瞬间动作预见：多模态线索能替代视频到何种程度？

Manuel Benavent-Lledo, Konstantinos Bacharidis, Victoria Manousaki, Konstantinos Papoutsakis, Antonis Argyros, Jose Garcia-Rodriguez

机构 * Universidad de Alicante（阿利坎特大学） ； Foundation for Research and Technology-Hellas（希腊基础研究与技术基金会） ； University of Crete（克里特大学） ； Hellenic Mediterranean University（希腊地中海大学） 纠错

AI总结 AAG通过结合单帧RGB特征与深度线索及先前动作信息，实现了多模态单帧动作预见，能与视频聚合基线和先进方法在教学活动数据集上竞争。

Comments Accepted in WACV 2026 - Applications Track

Journal ref 2026 IEEE/CVF Winter Conference on Applications of Computer Vision (WACV)

Subimage Overlap Prediction: Task-Aligned Self-Supervised Pretraining For Semantic Segmentation In Remote Sensing Imagery

子图像重叠预测：面向遥感图像语义分割的任务对齐自监督预训练

Lakshay Sharma, Alex Marin

机构 * Instacart ； New York University（纽约大学） ； University of Washington（华盛顿大学） 纠错

AI总结 本文提出子图像重叠预测任务，通过少量预训练数据提升遥感图像语义分割性能，实现更快收敛和同等或更优的mIoU表现。

Comments Accepted at CV4EO Workshop at WACV 2026

Journal ref Proceedings of the IEEE/CVF Winter Conference on Applications of Computer Vision (WACV) Workshops, 2026, pp. 1414-1423

ENAF: A Multi-Exit Network with an Adaptive Patch Fusion for Large Image Super Resolution

ENAF：用于大图像超分辨率的自适应补丁融合多出口网络

Duong M. Nguyen, Tuan Nghia Nguyen, Xuan Truong Nguyen

机构 * Hanoi University of Science and Technology（河内理工大学） ； Seoul National University（首尔大学） 纠错

AI总结 ENAF是带自适应补丁融合的SISR动态网络，通过嵌入小型PSNR估计网络优化补丁分配，在常用数据集上结合主流骨干网络可提升SISR的质量-复杂度权衡效果

Comments Accepted at WACV 2025

Detector-Augmented SAMURAI for Long-Duration Drone Tracking

增强检测器的SAMURAI用于长时间无人机跟踪

Tamara R. Lenhard, Andreas Weinmann, Hichem Snoussi, Tobias Koch

机构 * Institute for the Protection of Terrestrial Infrastructures, German Aerospace Center (DLR)（地面基础设施保护研究所，德国航空航天中心（DLR）） ； ACIDA Lab, Technical University of Applied Sciences Würzburg-Schweinfurt（应用技术大学施魏尔堡-施维恩富特学院ACIDA实验室） ； Data Science Institute, European University of Technology（欧洲技术大学数据科学研究所） ； LIST3N, Université de Technologie de Troyes（图卢兹理工大学LIST3N） 纠错

AI总结 本文提出增强检测器的SAMURAI模型，用于提升无人机在复杂城市环境中的长时间跟踪鲁棒性，显著提高了成功率并降低了误检率。

Journal ref 2026 IEEE/CVF Winter Conference on Applications of Computer Vision Workshops (WACVW)

Structure-aware Riemannian Growth Fields for 4D Plant Modeling

面向4D植物建模的结构感知黎曼生长场

Meng-Yu Jennifer Kuo, Ryo Kawahara

机构 * Nara Women’s University（奈良女子大学） ； Kyoto University（京都大学） 纠错

AI总结 该研究提出结构感知黎曼生长场框架，用于从稀疏时间观测重建4D植物生长，构建了10天双物种标注数据集，在几何精度与对应一致性上优于现有方法。

Comments Accepted to WACV 2027 (Round 1)

SuperQuadricOcc: Real-Time Self-Supervised Semantic Occupancy Estimation with Superquadric Volume Rendering

SuperQuadricOcc: 基于超级二次曲面体渲染的实时自监督语义占用估计

Seamie Hayes, Alexandre Boulch, Andrei Bursuc, Reenu Mohandas, Ganesh Sistu, Tim Brophy, Ciaran Eising

机构 * Data Driven Computer Engineering (D²iCE) Research Centre（数据驱动计算机工程（D²iCE）研究中心） ； University of Limerick（利默里克大学） ； Taighde Éireann – Research Ireland（爱尔兰研究——塔吉德） 纠错

AI总结 本文提出SuperQuadricOcc，通过超级二次曲面体渲染实现实时自监督语义占用估计，相比传统方法更高效且占用内存更少，在Occ3D-nuScenes数据集上取得最佳性能。

Comments Accepted at WACV 2027

You Only Flow Once: Calibrated and Real-Time Radar Pose Estimation with Multi-Hypothesis Normalizing Flows

仅一次流：基于多假设归一化流的校准且实时雷达位姿估计

Jonas Leo Mueller, Sebastian Hoefler, Dario Zanca, Naga Venkata Sai Jitin Jami, Thomas Altstidl, Bjoern M. Eskofier

机构 * Friedrich-Alexander-Universität Erlangen-Nürnberg（弗里德里希-亚历山大-埃尔兰根-纽伦堡大学） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） ； LMU München（慕尼黑大学） ； Helmholtz Zentrum München（慕尼黑亥姆霍兹中心） 纠错

AI总结 该研究针对雷达位姿估计的歧义问题，提出MH-NFPG方法，结合时空Transformer与归一化流，实现高效实时的校准位姿估计，性能优于扩散模型。

Comments Accepted at the Winter Conference on Applications of Computer Vision (WACV) 2027

MVMD: A Multi-View Approach for Enhanced Mirror Detection

MVMD：用于增强镜面检测的多视图方法

Yidan Shen, Yu Wen, Chen Zhang, Xin Fu, Renjie Hu

机构 * University of Houston（休斯顿大学） 纠错

AI总结 针对现有镜面检测仅关注单图像的局限，提出多视图镜面检测方法MVMD及首个多视图镜面检测数据库，通过三个模块提升检测效果，使准确率和IoU分别最高提升2.6%和11.1%，增强了镜面密集环境下的三维重建准确性。

Comments This work has already published at WACV 2025, just want more accessibility

Journal ref 2025 IEEE/CVF Winter Conference on Applications of Computer Vision (WACV)

PrismVAU: Prompt-Refined Inference System for Multimodal Video Anomaly Understanding

PrismVAU: 用于多模态视频异常理解的提示优化推理系统

Iñaki Erregue, Kamal Nasrollahi, Sergio Escalera

机构 * Universitat de Barcelona（巴塞罗那大学） ； Computer Vision Center（计算机视觉中心） ； Aalborg University（奥胡斯大学） ； Milestone Systems（Milestone系统） 纠错

AI总结 PrismVAU通过轻量级系统和自动提示工程实现高效的多模态视频异常理解，无需复杂标注和外部模块。

Comments This paper has been accepted to the 6th Workshop on Real-World Surveillance: Applications and Challenges (WACV 2026)

SOVABench: A Vehicle Surveillance Action Retrieval Benchmark for Multimodal Large Language Models

SOVABench：多模态大语言模型的车辆监控动作检索基准

Oriol Rabasseda, Zenjie Li, Kamal Nasrollahi, Sergio Escalera

机构 * Milestone Systems A/S（Milestone Systems公司） ； Universitat de Barcelona（巴塞罗那大学） ； Computer Vision Center（计算机视觉中心） ； Aalborg Universitet（奥胡斯大学） 纠错

AI总结 SOVABench为多模态大语言模型提供车辆监控动作检索基准，通过定义两种评估协议评估跨动作区分和时间方向理解，展示了模型在复杂监控任务中的性能。

Comments This work has been accepted at Real World Surveillance: Applications and Challenges, 6th (in WACV Workshops)

Sparse Mixture-of-Experts for Non-Uniform Noise Reduction in MRI Images

用于MRI图像非均匀降噪的稀疏混合专家模型

Zeyun Deng, Joseph Campbell

机构 * Purdue University（普渡大学） 纠错

AI总结 针对MRI图像非均匀噪声问题，提出细粒度稀疏混合专家框架，将图像分区域后路由至专用降噪CNN，在合成与真实脑部MRI数据集上性能优于现有方法，且泛化性良好。

Comments Accepted to the WACV Workshop on Image Quality

Journal ref in 2025 IEEE/CVF Winter Conference on Applications of Computer Vision Workshops (WACVW), Tucson AZ USA, pp 260-268

GMT: Guided Mask Transformer for Leaf Instance Segmentation

Feng Chen, Sotirios A. Tsaftaris, Mario Valerio Giuffrida

机构 * University of Edinburgh（爱丁堡大学） ； University of Nottingham（诺丁汉大学） 纠错

Comments Accepted at IEEE/CVF Winter Conference on Applications of Computer Vision (WACV) 2025 (Oral Presentation)

Journal ref IEEE/CVF Winter Conference on Applications of Computer Vision (WACV), 2025, pp. 1217-1226

CalibBEV: LiDAR-Camera Calibration via BEV Alignment

CalibBEV：基于鸟瞰图对齐的激光雷达-相机标定方法

Filippo D'Addeo, Lorenzo Cipelli, Adriano Cardace, Emanuele Ghelfi, Andrea Zinelli, Massimo Bertozzi

机构 * University of Bologna（博洛尼亚大学） ； University of Parma（帕尔马大学） ； Stanford University（斯坦福大学） ； VisLab srl（VisLab有限公司） ； Ambarella Inc.（安霸公司） 纠错

AI总结 CalibBEV是一种激光雷达-相机标定方法，通过两步BEV对齐结合CLIP对比损失实现跨模态统一，在KITTI、nuScenes基准上大幅降低了标定误差，达到最优性能。

Journal ref Proceedings of the IEEE/CVF Winter Conference on Applications of Computer Vision. 2026. p. 4345-4354

FedEFC: Federated Learning Using Enhanced Forward Correction Against Noisy Labels

FedEFC: 在噪声标签下使用增强前向校正的联邦学习

Seunghun Yu, Jin-Hyun Ahn, Joonhyuk Kang

机构 * KAIST（韩国科学技术院） ； Myongji University（明溪大学） 纠错

AI总结 FedEFC通过预停止和损失校正技术，有效缓解联邦学习中噪声标签的影响，尤其在异构数据环境下表现优异。

Comments 9 pages, 3 figures, revised version

Journal ref Proc. IEEE/CVF Winter Conference on Applications of Computer Vision (WACV), 2026

MIME: Multimodal Interactive Motion Encoder

MIME：多模态交互式运动编码器

Addison Zucek, Prerit Gupta, Kamila Kuatova, Aniket Bera

机构 * Purdue University（普渡大学） 纠错

AI总结 研究针对动画、AR/VR等场景中多人交互的文本-运动表示学习问题，提出多模态交互式运动编码器MIME，通过特定方法捕捉结构并训练，在文本-运动检索任务中表现出色，还能跨数据集支持下游运动生成。

Comments Under review at WACV 2027

MLLM-LLaVA-FL: Multimodal Large Language Model Assisted Federated Learning

MLLM-LLaVA-FL：多模态大语言模型辅助联邦学习

Jianyi Zhang, Hao Frank Yang, Ang Li, Xin Guo, Pu Wang, Haiming Wang, Yiran Chen, Hai Li

机构 * Duke University（杜克大学） ； Johns Hopkins University（约翰霍普金斯大学） ； University of Maryland College Park（马里兰大学学院市分校） ； Lenovo Research（联想研究院） 纠错

AI总结 针对联邦学习中数据异质性问题，提出MLLM-LLaVA-FL框架，利用多模态大语言模型，通过全球视觉文本预训练、客户端本地训练和服务器端全局对齐三个阶段，提升联邦学习性能。

Comments Accepted to WACV 2025

Journal ref IEEE/CVF Winter Conference on Applications of Computer Vision (WACV 2025)

Enhancing Monocular 3D Hand Reconstruction with Learned Texture Priors

利用学习到的纹理先验增强单目3D手部重建

Giorgos Karvounas, Nikolaos Kyriazis, Iason Oikonomidis, Georgios Pavlakos, Antonis A. Argyros

机构 * ICS-FORTH（希腊研究所） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； University of Crete（克里特大学） 纠错

AI总结 重新审视纹理在单目3D手部重建中的作用，提出轻量级纹理模块，嵌入像素观察到UV纹理空间，实现预测与观察手部外观的密集对齐损失，增强HaMeR系统，提高精度和真实感。

Comments Accepted at WACV 2026. Project page: https://gkarv.github.io/hand-texture-module/

Learning to Visually Connect Actions and their Effects

学习在视觉上连接动作及其效果

Paritosh Parmar, Eric Peh, Basura Fernando

机构 * Institute of High-Performance Computing, Agency for Science, Technology and Research, Singapore（高性能计算研究所，科技研究局，新加坡） 纠错

AI总结 该研究引入视觉连接动作及其效果（CATE）概念，探索其动作选择和效果亲和力评估两方面，设计基线模型，发现模型在该任务中表现不佳，人类远超模型，还表明CATE可作为自监督任务学习视频表征。

Comments WACV 2025 (Two Reviewer Nominations for Best Paper Candidate; Oral Presentation)

MetaMax: Improved Open-Set Deep Neural Networks via Weibull Calibration

MetaMax：通过威布尔校准改进开放集深度神经网络

Zongyao Lyu, Nolan B. Gutierrez, William J. Beksi

机构 * The University of Texas at Arlington（德克萨斯大学阿灵顿分校） 纠错

AI总结 研究开放集识别问题，提出MetaMax这一有效后处理技术，直接对类激活向量建模，改进当代方法，无需计算类平均激活向量等，实验表明其性能优于OpenMax且与其他先进方法相当。

Comments To be presented at the 2023 IEEE/CVF Winter Conference on Applications of Computer Vision (WACV) Workshop on Dealing with Novelty in Open Worlds (DNOW); v2 added related work section

Spatial Support Matters: Geometry-Aware Graph Fusion for Rainfall Field Reconstruction

空间支撑至关重要：面向降雨场重建的几何感知图融合

Low Jun Yu, Niramay Kachhadiya, Herath Mudiyanselage Viraj Vidura Herath, Sanka Rasnayaka, Lucy Amanda Marshall

机构 * School of Computing, National University of Singapore（新加坡国立大学计算机学院） ； Faculty of Engineering, The University of Sydney（悉尼大学工程学院） 纠错

AI总结 针对降雨场重建中多源观测支撑（点、线、面）的几何差异问题，提出几何感知多支撑异构图神经网络，通过跨支撑消息传递融合并重建降雨场，在新加坡数据上RMSE降低23.2%。

Comments Submitted to WACV 2027, applications track

A Realistic Protocol for Evaluation of Weakly Supervised Object Localization

弱监督目标定位评估的现实协议

Shakeeb Murtaza, Soufiane Belharbi, Marco Pedersoli, Eric Granger

机构 * LIVIA, ILLS, Dept. of Systems Engineering, ETS Montreal（蒙特利尔高等技术学院系统工程系LIVIA实验室、ILLS实验室） 纠错

AI总结 提出一种无需手动边界框标注的WSOL评估协议，利用预训练区域提议方法生成伪边界框进行模型选择和阈值估计，在自然和医学图像数据集上达到与使用真实边界框相当的性能。

Comments 13 pages, 5 figures

Journal ref WACV 2025: IEEE/CVF Winter Conf. on Applications of Computer Vision, Arizona, USA

Variance Reduction on the Camera Axis: Multi-View Score Distillation for 3D

相机轴上的方差缩减：用于3D的多视角分数蒸馏

Marian Lupascu, Mihai Sorin Stupariu, Ionut Mironica

机构 * Department of Computer Science, University of Bucharest（布加勒斯特大学计算机科学系） ； Adobe Research（Adobe研究院） 纠错

AI总结 提出多视角聚合分数蒸馏（MV-SDI），通过在每个优化步骤聚合K个视角的梯度来降低方差，无需重新训练或使用多视角数据，在固定UNet预算下显著提升3D生成的一致性和对齐指标。

Comments 30 pages, 19 figures. Submitted to WACV 2027 (Algorithms Track)

See, Think, Learn: A Self-Taught Multimodal Reasoner

看见、思考、学习：一种自教的多模态推理器

Sourabh Sharma, Sonam Gupta, Sadbhawna

AI总结 本文提出See-Think-Learn框架，通过自训练提升多模态推理能力，结合感知与推理生成结构化推理过程，增强模型区分正确与误导性回答的能力。

Comments Accepted at The Winter Conference on Applications of Computer Vision 2026

BAFIS: Dataset + Framework to assess occupational Bias and Human Preference in modern Text-to-image Models

BAFIS：评估现代文本到图像模型中的职业偏见与人类偏好的数据集与框架

Thomas Klassert, Adrian Ulges, Biying Fu

机构 * RheinMain University of Applied Sciences（莱茵美因应用科学大学） 纠错

AI总结 本研究提出BAFIS平台和包含21,140张多语言提示生成图像的数据集，评估五种文本到图像模型在职业生成中的性别和种族偏见，结合人类偏好反馈，发现系统性偏见并强调纳入人类偏好的必要性。

Comments Accepted at the IEEE Winter Conference on Applications of Computer Vision, WACV 2026

Online Episodic Memory Visual Query Localization with Egocentric Streaming Object Memory

在线事件记忆视觉查询定位与眼动流对象记忆

Zaira Manigrasso, Matteo Dunnhofer, Antonino Furnari, Moritz Nottebaum, Antonio Finocchiaro, Davide Marana, Rosario Forte, Giovanni Maria Farinella, Christian Micheloni

机构 * University of Udine（乌迪内大学） ； University of Catania（卡塔尼亚大学） ； York University（约克大学） 纠错

AI总结 本文提出OVQ2D任务，通过在线处理视频流实现对象定位，引入ESOM框架整合发现、跟踪和记忆模块，实验显示其在Ego4D数据集上表现优异，但仍有提升空间。

Comments in IEEE/CVF Winter Conference on Application of Computer Vision (WACV) 2026

Curve Skeletonization in Continuous domain for Meshes and Point Clouds

网格与点云的连续域曲线骨架化

Jai Bardhan, Ramya Hebbalaguppe, Aravind Udupa

机构 * TCS Research（TCS研究） ； IIT Delhi（德里理工学院） 纠错

AI总结 提出CSCD框架，将基于局部分隔符的骨架化方法推广到连续域，通过CSCD-M（网格）和CSCD-PC（点云）两种实现，提升了骨架提取的鲁棒性和拓扑保持能力。

Comments 31 pages, 26 figures, 7 tables, 4 algorithms. Published at IEEE/CVF Winter Conference on Applications of Computer Vision (WACV) 2026