西交&中大MICCAI 2026：死后组织“生前还原”，专家盲选23.81%胜出
法医病理误判的潜在风险，被一次脑洞大开的「图像翻译」给盯上了。本论文首次把薛定谔桥搬进死后自溶恢复，不搞像素级配对，直接学分布映射，还建了首个真实数据集AutoPath。更狠的是，它证明FID这类老牌指标在诊断场景里可能「帮倒忙」——专家盲评和滑片级诊断一致性，才是硬通货。
视觉与图像
共 793 篇
MuJoCo三族机器人参数全变，看清华如何让世界模型不发懵
换根连杆、改个质量，世界模型就“失忆”？清华这项研究把机器人形态参数和可复用动力学分开建模，让世界模型在没见过的新参数下也能零样本预测和规划。想搞机器人泛化的，这篇值得一读。
同济开源AfordAny：单张照片搞定3D功能定位，473类基准领跑
单张照片就能告诉机器人“杯子把手在哪、椅子坐哪里”？同济大学与中科院最新开源AfordAny，把开放世界3D功能定位做成了端到端流水线，473类基准直接拉满。
五种姿态估计器实测短跑：RTMPose-M平均6.99度成黑马
跑姿分析一直被认为是专业实验室的专利，动辄几十万的设备劝退了大多数人。这篇论文用五个成熟姿态估计模型+后处理，把髋膝关节角度估测误差压到5.3°，还配套了网页演示平台，属于典型的低成本高性价比工作，做运动科学和姿态估计的朋友值得一读。
CVPR 2026斯坦福新作：一张图推演3D世界，碰撞也能预测
斯坦福在CVPR 2026交出的这份P3Sim答卷，把"世界模型"从玄学拉回了工程：概率图模型+自回归Transformer+几何条件化，三大件拼出一个能从单张图推演3D物理变化的模拟器。新视角合成在SEVA基准上RE10K达到21.54的PSNR，3D物体操作在3DEditBench上PSNR冲到23.12。7月底刚聊过同团队PhyWM，这篇更像是把"懂物
最新研究：零样本免训练图像篡改定位，AUC高达0.839
图像取证是典型“平时用不上、出事就救命”的技术。这篇论文不依赖训练数据、不查设备指纹库，仅凭单张可疑图像就能定位篡改区域，RTD数据集上AUC达0.839、IoU 0.725，多项指标领先同类方法。做内容安全、多媒体取证的朋友值得一读。
明尼苏达大学CM-RED：4步MRI重建，效果亮眼1000步扩散模型
扩散模型做MRI重建效果好，但动辄几百上千步的迭代采样让临床落地遥遥无期。明尼苏达大学这篇CM-RED，把一致性模型塞进RED优化框架，4步出图，PSNR/SSIM全面超越1000步的DPS和100步的DDS，计算量直降25—250倍。生成式MRI重建的“速度焦虑”，这次是真的被治好了。
电子科大等提出FreqDiff：频域扩散让四大基准16项指标全面SOTA
想象一个场景：某情报分析系统正在滚动监测全球事件流，屏幕突然弹出一条提示——“未来一周，A国可能与B国启动贸易谈判”。
CVPR 2026！人大&清华R²VLM：长时程任务进度估计MAE骤降92%
史上最亮伽马暴GRB 221009A飞过天际时，IXPE用了三天才转过头，偏振只能给出一个上限；而规划中的EXPO能在约50秒内自主重指向，把"上限"变成"精度"。这篇文章讲的就是这台把X射线偏振能段拓宽4倍、重指向快8000倍的下一代空间天文台。
告别每步都算谱分解！Meta让Muon在15B DiT上跑出性价比
训练扩散Transformer最烧钱的不是模型，而是优化器？Meta这篇新作把Muon优化器从1.3B一路验证到15B，生成质量稳定赢过AdamW最高19.1%，又用「周期性行式」设计把优化器通信量砍掉66.7%。质量不掉、速度反超，训练成本敏感的同学值得细读。
分割精度大涨10个点？被引1647次的UC Berkeley经典只用一招
这是一篇被引1647次的深度学习经典之作。当所有人都在用CNN最后一层特征时，UC Berkeley团队提出“超列”表示，将多层特征融合用于像素级定位，在分割、关键点、部件标注三大任务上全面领先，至今仍是多尺度特征融合的思想源头。
Apple最新研究：视频推理不再"画未来"，延迟降5倍+
这篇来自Apple的新研究直接把“视觉思维”做进了训练：模型在训练时预测未来帧的潜在表示，推理时不再生成中间图像，端到端延迟比显式视觉CoT降低5倍以上，同时在6个评测设置上稳定超越纯文本后训练。对视频理解、实时预测和统一多模态模型感兴趣的同学值得细读。
