WACV

QUOTA: Quantifying Objects with Text-to-Image Models for Any Domain

QUOTA: 通过文本到图像模型对任意领域的对象进行量化

Wenfang Sun, Yingjun Du, Gaowen Liu, Yefeng Zheng, Cees G. M. Snoek

机构 * University of Amsterdam（阿姆斯特丹大学） ； Cisco Research（思科研究） ； Westlake University（西湖大学） 纠错

AI总结 QUOTA通过双循环元学习策略，实现无需重新训练即可在任意领域中高效量化对象数量。

Comments Accepted by WACV 2026

SCAdapter: Content-Style Disentanglement for Diffusion Style Transfer

SCAdapter: 内容-风格解耦用于扩散风格迁移

Luan Thanh Trinh, Kenji Doi, Atsuki Osanai

机构 * LY Corporation（LY公司） 纠错

AI总结 SCAdapter通过CLIP图像空间实现内容与风格的解耦，提升扩散模型在逼真图像迁移中的效果和效率。

Comments Accepted to WACV 2026

Patch-wise Retrieval: A Bag of Practical Techniques for Instance-level Matching

基于补丁的检索：实例级匹配的实用技术集合

Wonseok Choi, Sohwi Lim, Nam Hyeon-Woo, Moon Ye-Bin, Dong-Ju Jeong, Jinyoung Hwang, Tae-Hyun Oh

机构 * POSTECH ； KAIST（韩国科学技术院） ； Samsung Research（三星研究所） 纠错

AI总结 Patchify通过基于补丁的检索框架实现高效实例级匹配，结合LocScore评估空间正确性，提升检索性能与可解释性。

Comments WACV 2026

GrowTAS: Progressive Expansion from Small to Large Subnets for Efficient ViT Architecture Search

GrowTAS: 从小到大逐步扩展子网络以实现高效的ViT架构搜索

Hyunju Lee, Youngmin Oh, Jeimin Jeon, Donghyeon Baek, Bumsub Ham

机构 * Yonsei University（延世大学） 纠错

AI总结 GrowTAS通过逐步扩展子网络，提高ViT架构搜索的效率和稳定性。

Comments Accepted to WACV 2026

CLARGA: Multimodal Graph Representation Learning over Arbitrary Sets of Modalities

CLARGA：任意模态集合上的多模态图表示学习

Santosh Patapati

机构 * Santosh Patapati（独立研究者） 纠错

AI总结 CLARGA是一种通用的多模态融合架构，通过构建注意力加权图实现多模态表示学习，适用于任意模态集合，具有高效的融合能力和良好的鲁棒性。

Comments WACV; Supplementary material is available on CVF proceedings

mmWEAVER: Environment-Specific mmWave Signal Synthesis from a Photo and Activity Description

mmWEAVER: 从照片和活动描述合成环境特定的毫米波信号

Mahathir Monjur, Shahriar Nirjon

机构 * UNC Chapel Hill（北卡罗来纳大学教堂山分校） 纠错

AI总结 mmWeaver通过隐式神经表示和超网络，高效生成环境特定的毫米波信号，提升活动识别和姿态估计性能。

Comments Accepted at the IEEE/CVF Winter Conference on Applications of Computer Vision 2026 (WACV 2026)

DiffRegCD: Integrated Registration and Change Detection with Diffusion Features

DiffRegCD：集成注册与变化检测的扩散特征

Seyedehanita Madani, Rama Chellappa, Vishal M. Patel

机构 * Johns Hopkins University（约翰霍普金斯大学） 纠错

AI总结 DiffRegCD通过结合扩散特征与分类任务，实现统一的注册与变化检测，提升在复杂场景下的鲁棒性和精度。

Comments 10 pages, 6 figures. Accepted to WACV 2026