WACV

LLM Augmented Intervenable Multimodal Adaptor for Post-operative Complication Prediction in Lung Cancer Surgery

基于大语言模型的可干预多模态适配器用于肺癌手术后并发症预测

Shubham Pandey, Bhavin Jawade, Srirangaraj Setlur, Venu Govindaraju, Kenneth Seastedt

机构 * University at Buffalo（布法罗大学） ； Roswell Park Comprehensive Cancer Center（罗斯威尔帕克综合癌症中心） 纠错

AI总结 MIRACLE通过整合术前临床和放射学数据，利用超球面嵌入空间和干预式深度学习模块，实现肺癌手术后并发症风险的预测与可解释性管理。

Comments Accepted to P2P-CV @ WACV 2026

Correcting and Quantifying Systematic Errors in 3D Box Annotations for Autonomous Driving

校正并量化自动驾驶中3D盒标注的系统误差

Alexandre Justo Miro, Ludvig af Klinteberg, Bogdan Timus, Aron Asefaw, Ajinkya Khoche, Thomas Gustafsson, Sina Sharif Mansouri, Masoud Daneshtalab

机构 * Traton Group R&D（特龙集团研发部） ； Mälardalen University（马尔默达伦大学） ； KTH Royal Institute of Technology（皇家理工学院） 纠错

AI总结 本研究提出了一种方法，用于校正和量化自动驾驶中3D盒标注的系统误差，提升标注质量并提高性能评估的准确性。

Comments Accepted to The IEEE/CVF Winter Conference on Applications of Computer Vision 2026

STEC: A Reference-Free Spatio-Temporal Entropy Coverage Metric for Evaluating Sampled Video Frames

STEC：一种无参考的时空熵覆盖度量，用于评估采样视频帧

Shih-Yao Lin

机构 * Independent Researcher（独立研究者） 纠错

AI总结 STEC是一种无参考的时空熵覆盖度量，用于评估视频帧采样的有效性，通过联合建模空间信息强度、时间分散性和非冗余性，提供一种轻量且原则性的采样质量度量。

Comments This paper corresponds to the camera-ready version of a WACV 2026 Workshop paper

DIS2: Disentanglement Meets Distillation with Classwise Attention for Robust Remote Sensing Segmentation under Missing Modalities

DIS2: 通过类级注意机制实现解耦与蒸馏以在缺失模态下实现鲁棒的遥感分割

Nhi Kieu, Kien Nguyen, Arnold Wiliem, Clinton Fookes, Sridha Sridharan

机构 * Queensland University of Technology（昆士兰理工大学） ； Shield AI 纠错

AI总结 DIS2通过类级注意机制实现解耦与蒸馏，以在缺失模态下实现鲁棒的遥感分割。

Comments Accepted to WACV 2026 - Computer Vision for Earth Observation Workshop

CSGaussian: Progressive Rate-Distortion Compression and Segmentation for 3D Gaussian Splatting

CSGaussian：渐进率失真压缩与分割用于3D高斯溅射

Yu-Jen Tseng, Chia-Hao Kao, Jing-Zhong Chen, Alessandro Gnutti, Shao-Yuan Lo, Yen-Yu Lin, Wen-Hsiao Peng

机构 * National Yang Ming Chiao Tung University ； University of Brescia ； National Taiwan University 纠错

AI总结 CSGaussian提出一种统一框架，通过整合语义学习实现3D高斯溅射的率失真优化压缩与分割，提升场景编辑与操作能力。

Comments Accepted at WACV 2026

From Bands to Depth: Understanding Bathymetry Decisions on Sentinel-2

从带宽到深度：理解Sentinel-2的水深决策

Satyaki Roy Chowdhury, Aswathnarayan Radhakrishnan, Hsiao Jou Hsu, Hari Subramoni, Joachim Moortgat

机构 * The Ohio State University（俄亥俄州立大学） 纠错

AI总结 本文提出Swin-BathyUNet模型，通过分析其深度推断机制和可靠性，揭示了Sentinel-2水深决策中光谱重要性、注意力机制及跨区域推理的挑战与解决方案。

Comments Accepted by WACV 2026

Histopath-C: Towards Realistic Domain Shifts for Histopathology Vision-Language Adaptation

Histopath-C: 向 histopathology 视觉-语言适应的现实领域偏移迈进

Mehrdad Noori, Gustavo Adolfo Vargas Hakim, David Osowiechi, Fereshteh Shakeri, Ali Bahri, Moslem Yazdanpanah, Sahar Dastani, Ismail Ben Ayed, Christian Desrosiers

机构 * LIVIA, ÉTS Montreal, Canada International Laboratory on Learning Systems (ILLS)（LIVIA，蒙特利尔工程学院，加拿大国际学习系统实验室） 纠错

AI总结 Histopath-C通过引入现实合成损坏的基准和LATTE策略，提升组织病理学图像的视觉-语言适应鲁棒性。

Comments Accepted to WACV 2026

Infrared Object Detection with Ultra Small ConvNets: Is ImageNet Pretraining Still Useful?

红外小规模卷积网络目标检测：ImageNet预训练仍然有用吗？

Srikanth Muralidharan, Heitor R. Medeiros, Masih Aminbeidokhti, Eric Granger, Marco Pedersoli

机构 * LIVIA, Dept. of Systems Engineering, ETS Montreal, Canada（LIVIA，系统工程系，蒙特利尔大学） ； International Laboratory on Learning Systems (ILLS)（学习系统国际实验室） 纠错

AI总结 本文研究了超小型卷积网络在红外目标检测中的性能，发现ImageNet预训练在一定容量阈值后对鲁棒性提升有限，建议避免过于小的模型以提高鲁棒性。

Comments Accepted to WACV 2026

SGPMIL: Sparse Gaussian Process Multiple Instance Learning

SGPMIL：稀疏高斯过程多实例学习

Andreas Lolos, Stergios Christodoulidis, Aris L. Moustakas, Jose Dolz, Maria Vakalopoulou

机构 * National and Kapodistrian University of Athens（希腊国家与卡波迪斯蒂亚诺斯大学） ； ÉTS Montréal（蒙特利尔ÉTS） ； Archimedes, Athena Research Center（阿提卡研究中心） ； CentraleSupélec, Université Paris-Saclay（巴黎萨克雷大学中央理工-supélec） 纠错

AI总结 SGPMIL通过引入稀疏高斯过程，提升多实例学习中实例级预测的可靠性与可解释性。

Comments 8 pages, 4 figures, 2 tables. Accepted to IEEE/CVF Winter Conference on Applications of Computer Vision (WACV) 2026