WACV

RobuMTL: Enhancing Multi-Task Learning Robustness Against Weather Conditions

RobuMTL: 提高多任务学习对天气条件的鲁棒性

Tasneem Shaffee, Sherief Reda

机构 * Brown University（布朗大学） 纠错

AI总结 RobuMTL通过动态选择LoRA模块提升多任务学习在恶劣天气下的鲁棒性，实验证明在PASCAL和NYUD-v2数据集上均取得显著性能提升。

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

One Model, Many Behaviors: Training-Induced Effects on Out-of-Distribution Detection

一个模型，多种行为：训练诱导对分布外检测的影响

Gerhard Krumpl, Henning Avenhaus, Horst Possegger

机构 * Institute of Visual Computing, Graz University of Technology（视觉计算研究所，格拉茨技术大学） ； KESTRELEYE GmbH（KESTRELEYE公司） 纠错

AI总结 本文研究了训练对分布外检测性能的影响，发现准确性与检测性能之间存在非单调关系，并揭示了训练策略与检测方法间的强相关性。

Comments WACV 2026

ICONIC-444: A 3.1-Million-Image Dataset for OOD Detection Research

ICONIC-444: 一个310万张图像数据集用于OD检测研究

Gerhard Krumpl, Henning Avenhaus, Horst Possegger

机构 * Institute of Visual Computing, Graz University of Technology（视觉计算研究所，格拉茨技术大学） ； KESTRELEYE GmbH（KESTRELEYE公司） 纠错

AI总结 ICONIC-444是一个包含310万张图像的工业数据集，旨在通过提供多样化的数据支持OD检测研究，涵盖444个类别并定义四个参考任务以评估不同方法的性能。

Comments WACV 2026, Dataset repo: https://github.com/gkrumpl/iconic-444

ViSTA: Visual Storytelling using Multi-modal Adapters for Text-to-Image Diffusion Models

ViSTA: 基于多模态适配器的文本到图像扩散模型用于视觉叙事

Sibo Dong, Ismail Shaheen, Maggie Shen, Rupayan Mallick, Sarah Adel Bargal

机构 * Department of Computer Science, Georgetown University（计算机科学系，乔治城大学） 纠错

AI总结 ViSTA通过多模态历史适配器提升文本到图像扩散模型在视觉叙事中的生成一致性与文本对齐能力。

Comments Accepted to WACV 2026