IDEAL-M3D: Instance Diversity-Enriched Active Learning for Monocular 3D Detection
IDEAL-M3D：实例多样性增强的主动学习用于单目3D检测
AI总结 IDEAL-M3D通过实例级多样性增强主动学习，提升单目3D检测性能并减少标注资源消耗。
Journal ref WACV 2026
期刊&会议
WACV
Winter Conference on Applications of Computer Vision · 会议 · Computer Vision
HABIT: Human Action Benchmark for Interactive Traffic in CARLA
HABIT: 交互交通中的人类行为基准
机构 * Intelligent Vehicles Lab, Munich University of Applied Sciences（智能车辆实验室，慕尼黑应用科学大学）
AI总结 HABIT是一个高保真度的交互交通人类行为基准，通过整合现实人类运动数据提升自动驾驶模拟的真实性，揭示现有自动驾驶代理在复杂场景下的性能缺陷。
Comments Accepted to WACV 2026. This is the pre-camera-ready version
AuViRe: Audio-visual Speech Representation Reconstruction for Deepfake Temporal Localization
AuViRe：用于深度伪造时间定位的音频视觉语音表示重建
AI总结 AuViRe 通过音频视觉语音表示重建技术，提升深度伪造时间定位的准确性，实验结果显示在多个数据集上均优于现有方法。
Comments WACV 2026
CycleSL: Server-Client Cyclical Update Driven Scalable Split Learning
CycleSL: 服务器-客户端循环更新驱动的可扩展分割学习
机构 * Technical University of Munich（慕尼黑技术大学） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心）
AI总结 CycleSL通过循环更新机制提升分割学习的可扩展性和性能，有效缓解客户端漂移和延迟问题。
Comments The IEEE/CVF Winter Conference on Applications of Computer Vision 2026 (WACV-26)
Exploiting Inter-Sample Information for Long-tailed Out-of-Distribution Detection
利用样本间信息进行长尾分布异常检测
机构 * The University of Melbourne（墨尔本大学）
AI总结 本文提出利用图表示方法提升长尾分布下OOD检测性能，通过高斯化和GCNs优化特征空间，实验表明在FPR和尾类分类精度上优于现有方法。
Journal ref In 2025 IEEE/CVF Winter Conference on Applications of Computer Vision (WACV) (pp. 8546-8555). IEEE
PSA-MIL: A Probabilistic Spatial Attention-Based Multiple Instance Learning for Whole Slide Image Classification
PSA-MIL: 一种基于概率空间注意力的多实例学习方法用于整张滑动图像分类
机构 * Technion – Israel Institute of Technology（技术学院–以色列理工学院）
AI总结 PSA-MIL通过整合空间上下文的注意力机制，提升整张滑动图像分类的准确性和效率，同时减少计算成本。
Comments Proceedings of the IEEE/CVF Winter Conference on Applications of Computer Vision (WACV), 2026
Zero-Shot Coreset Selection via Iterative Subspace Sampling
通过迭代子空间采样进行零样本聚类选择
AI总结 本文提出ZCore方法，通过迭代子空间采样在无标签数据上实现高效的聚类选择，提升下游模型性能并降低成本。
Comments WACV 2026
Adversarial Pseudo-replay for Exemplar-free Class-incremental Learning
对抗性伪回放用于无示例的类增量学习
机构 * Independent Researcher（独立研究者）
AI总结 本文提出对抗性伪回放方法，通过扰动新任务图像生成伪回放样本，以解决无示例类增量学习中的稳定性与塑性矛盾，提升冷启动设置下的性能。
Comments Accepted to WACV 2026
Show Me: Unifying Instructional Image and Video Generation with Diffusion Models
Show Me: 用扩散模型统一指令图像和视频生成
机构 * Michigan State University（密歇根州立大学）
AI总结 ShowMe通过统一视频扩散模型的空间和时间组件，提升指令图像和视频生成的性能与一致性。
Comments Accepted by WACV 2026
QAL: A Loss for Recall Precision Balance in 3D Reconstruction
QAL：用于3D重建中召回精度平衡的损失
机构 * University at Buffalo, The State University of New York（布法罗大学）
AI总结 QAL是一种用于3D重建中平衡召回和精度的损失函数，通过结合覆盖加权最近邻项和未覆盖真实地面吸引项，提升了补全效果和机器人操作的可靠性。
Comments Accepted to WACV 2026. Camera-ready version to appear
CORA: Consistency-Guided Semi-Supervised Framework for Reasoning Segmentation
CORA: 一致性引导的半监督框架用于推理分割
机构 * Stony Brook University（石溪大学） ； UNC-Charlotte（北卡罗来纳大学夏洛特分校）
AI总结 CORA通过一致性引导的半监督方法实现高效推理分割，在Cityscapes和PanNuke数据集上分别提升2.3%和2.4%
Comments WACV 2026 accepted
MedPEFT-CL: Dual-Phase Parameter-Efficient Continual Learning with Medical Semantic Adapter and Bidirectional Memory Consolidation
MedPEFT-CL：基于医学语义适配器和双向记忆巩固的双阶段参数高效持续学习
机构 * University College London（伦敦大学学院）
AI总结 MedPEFT-CL通过语义驱动适配器和双向记忆协调，实现医学视觉-语言任务中的参数高效持续学习，有效缓解灾难性遗忘。
Comments Accepted by WACV 2026 (round 2)
Intraoperative 2D/3D Registration via Spherical Similarity Learning and Differentiable Levenberg-Marquardt Optimization
术中2D/3D配准 via 球形相似性学习和可微勒克莱尔-马尔科夫特优化
机构 * Southeast University（东南大学） ； University of Texas at Arlington（德克萨斯大学阿灵顿分校）
AI总结 本文提出基于球形相似性学习和可微勒克莱尔-马尔科夫特优化的术中2D/3D配准方法，以提高配准精度和收敛速度。
Comments WACV 2026 Accepted
Occlusion Sensitivity Analysis with Augmentation Subspace Perturbation in Deep Feature Space
基于深度特征空间的遮挡敏感性分析与增强子空间扰动
AI总结 本文提出OSA-DAS方法，通过深度特征空间构建低维子空间，实现更精确的模型预测解释，优于现有解释器。
Comments Accepted at WACV 2024
