WACV

Towards Fast and Scalable Normal Integration using Continuous Components

通过连续组件实现快速且可扩展的法线积分

Francesco Milano, Jen Jen Chung, Lionel Ott, Roland Siegwart

机构 * ETH Zurich（苏黎世联邦理工学院） ； The University of Queensland（昆士兰大学） 纠错

AI总结 本文提出通过连续组件估计实现快速且可扩展的法线积分，显著提升处理大分辨率法线图的效率。

Comments Accepted by the IEEE/CVF Winter Conference on Applications of Computer Vision (WACV) 2026, first round. Camera-ready version. 17 pages, 9 figures, 6 tables. Code is available at https://github.com/francescomilano172/normal_integration_continuous_components

Sketch-guided Cage-based 3D Gaussian Splatting Deformation

基于草图的基于笼子的3D高斯点扩散变形

Tianhao Xie, Noam Aigerman, Eugene Belilovsky, Tiberiu Popa

机构 * Concordia University（康科德大学） ； Université de Montréal（蒙特利尔大学） ； Mila（Mila研究院） 纠错

AI总结 本文提出了一种基于草图的3D GS变形系统，结合笼子变形与神经雅可比场，实现对3D模型几何的精细控制，并通过实验展示其在静态模型动画化中的应用。

Comments 10 pages, 9 figures, accepted at WACV 26, project page: https://tianhaoxie.github.io/project/gs_deform/

SceneProp: Combining Neural Network and Markov Random Field for Scene-Graph Grounding

SceneProp：结合神经网络和马尔可夫随机场进行场景图接地

Keita Otani, Tatsuya Harada

机构 * The University of Tokyo（东京大学） ； RIKEN AIP（日本科学技术研究所（RIKEN）先进研究所（AIP）） 纠错

AI总结 SceneProp通过将场景图接地重新公式化为马尔可夫随机场的MAP推断问题，有效提升了复杂查询下的视觉接地性能。

Comments Accepted to WACV 2026

TalkingPose: Efficient Face and Gesture Animation with Feedback-guided Diffusion Model

TalkingPose: 基于反馈引导扩散模型的高效人脸与手势动画

Alireza Javanmardi, Pragati Jaiswal, Tewodros Amberbir Habtegebrial, Christen Millerdurai, Shaoxiang Wang, Alain Pagani, Didier Stricker

机构 * German Research Center for Artificial Intelligence (DFKI)（德国人工智能研究中心（DFKI）） ； RPTU（鲁尔大学） 纠错

AI总结 TalkingPose通过反馈引导扩散模型实现高效的人体上半身动画生成，支持无限持续时间的连贯动画创作。

Comments WACV 2026, Project page available at https://dfki-av.github.io/TalkingPose

GFT: Graph Feature Tuning for Efficient Point Cloud Analysis

GFT：用于高效点云分析的图特征调谐

Manish Dhakal, Venkat R. Dasari, Rajshekhar Sunderraman, Yi Ding

机构 * Department of Computer Science, Georgia State University（计算机科学系，佐治亚州立大学） ； DEVCOM Army Research Laboratory（陆军研究实验室） 纠错

AI总结 GFT通过图特征调谐方法，针对点云数据高效减少可训练参数，提升点云分析任务的效率与性能。

Comments Accepted to WACV 2026

Boosting Diffusion Guidance via Learning Degradation-Aware Models for Blind Super Resolution

通过学习降质感知模型提升扩散引导：用于盲超分辨率

Shao-Hao Lu, Ren Wang, Ching-Chun Huang, Wei-Chen Chiu

AI总结 本文提出DADiff，通过学习降质感知模型提升扩散引导，解决盲超分辨率中的降质核依赖问题，实现高保真结果。

Comments To appear in WACV 2025. Code is available at: https://github.com/ryanlu2240/DADiff

Optimizing against Infeasible Inclusions from Data for Semantic Segmentation through Morphology

通过形态学优化对抗数据中的不可行包含以实现语义分割

Shamik Basu, Luc Van Gool, Christos Sakaridis

机构 * University Of Bologna（博洛尼亚大学） ； INSAIT（INSAIT研究所） ； Sofia University St. Kliment Ohridski（索菲亚大学圣克莱门特·欧赫里迪斯基大学） ； ETH Zürich（苏黎世联邦理工学院） 纠错

AI总结 InSeIn通过提取空间类关系约束并采用可微形态学损失优化语义分割，提升预测可行性与性能。

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

UniDiff: Parameter-Efficient Adaptation of Diffusion Models for Land Cover Classification with Multi-Modal Remotely Sensed Imagery and Sparse Annotations

UniDiff: 用于多模态遥感影像和稀疏标注的土地覆盖分类的扩散模型参数高效适应

Yuzhen Hu, Saurabh Prasad

机构 * University of Houston（休斯敦大学） 纠错

AI总结 UniDiff通过参数高效的方法适应扩散模型，实现多模态遥感数据在稀疏标注下的有效分类与融合。

Comments Camera-ready for WACV 2026

Prompt-OT: An Optimal Transport Regularization Paradigm for Knowledge Preservation in Vision-Language Model Adaptation

Prompt-OT: 一种用于视觉-语言模型适应中知识保留的最优传输正则化范式

Xiwen Chen, Wenhui Zhu, Peijie Qiu, Hao Wang, Huayu Li, Haiyu Wu, Aristeidis Sotiras, Yalin Wang, Abolfazl Razi

机构 * Morgan Stanley（摩根士丹利） ； Clemson University（克莱姆森大学） ； Arizona State University（亚利桑那州立大学） ； Washington University in St. Louis（圣路易斯华盛顿大学） ； University of Arizona（亚利桑那大学） ； University of Notre Dame（圣母大学） 纠错

AI总结 Prompt-OT通过最优传输正则化提升视觉-语言模型在知识保留和跨领域适应中的性能

Comments Accepted to WACV 2026