天津大学提出RISE：不用配对数据，0.35M参数拿下无监督低光增强SOTA
无监督低光增强容易做成一锅粥：曝光、噪声、结构全搅在一起。天津大学的RISE偏要分清楚——像光线从亮处往暗处传播一样，从可靠亮区推断全图光照结构，顺带用双测光参考做自适应曝光。0.35M参数跑出无监督SOTA，还不用配对数据，值不值得读，你说了算。
视觉与图像
共 717 篇
仅1500张图让ViT学会看“鸟喙”，CVPR 2026新方法鲁棒性大涨
本论文针对视觉Transformer在分布偏移下依赖背景等虚假相关性的顽疾，提出概念引导微调（CFT）。仅用1500张图、无需人工标注，让模型注意力从背景转向鸟喙、鱼鳍这类判别性语义概念，五个OOD基准一致提升。CVPR 2026 Highlight，代码已开源，可复现性强，值得细读。
代码生成｜中科院大作：安全测试当规范，结构化反馈零回归修复80个
大模型生成的代码能跑就算完？一测就出安全漏洞的场面见过太多。这篇论文把安全测试当“可执行规范”提前塞给模型，2705条轨迹实测：隐藏的联合成功率平均涨19.3个百分点，但也有模型越看测试越翻车。机制级严谨、工程级实用，值得细读。
加州理工最新研究：AI科学家跑完79个实验，竟然一次都没跑偏
论文标题: An AI Scientist that Doesn’t Drift: Taste, Structure, and Falsifiable Findings in a Quadruped Navigation Research Loop 发表日期: 2026年08月 发表单位: California Institute of Technology
RMIT提出RMR-Net：道路缺陷检测新范式，7/8场景精度领先
道路缺陷检测最怕输入图像又糊又暗——坑洼裂纹在模糊里“隐身”，再强的检测器也得抓瞎。RMIT团队这篇工作直接把退化证据变成恢复条件，让复原后的图像“喂”给检测器，8种退化场景里7项精度领先。方法简洁、定位精准，适合所有做巡检和车载视觉的团队围观。
图像生成｜南科大新作：在线微调13秒搞定个性化文生图，主体一致性稳了
一张参考图，一段文字，13秒在线微调，不用预训练不用大算力，就能让扩散模型在生成过程中同时锁定"主体像不像"和"文字听不听话"。这种把炼丹塞进推理管线的思路，工程落地潜力很值得一看。
西工大最新研究：一步超分不用蒸馏，FLOPs狂降6倍、质量反超CTMSR
一步超分又有新玩法：西工大MeanSR不靠教师模型蒸馏，直接学习低分辨率条件下的平均速度场来显式建模恢复轨迹，CLIPIQA、MUSIQ、MANIQA全面涨，FLOPs只有之前最强单步方法CTMSR的约1/6，推理还快了近一倍。感兴趣怎么实现的，往下看。
ACM MM 2026：让超分模型学会"随机应变"？测试时自适应让模糊视频秒变清晰
视频超分模型碰到真实世界里的压缩伪影、噪点、模糊就翻车，这是老难题了。这篇论文把「测试时自适应」玩出了花：不重新训练、不要高清参考，AI模型边推理边自我调整，画质和文字清晰度都有实打实的提升。思路接地气，实验做得很扎实，值得一读。
ATDEdit：图像编辑告别背景漂移，PSNR冲到27.44dB
图像编辑最怕什么？改完目标，背景也跟着面目全非。这篇ACM MM 2026论文提出ATDEdit，把扩散Transformer的采样过程改造成异步Token解码，用Token级条件惊奇在线发现"该改哪些Token"，不需要外部掩码、不需要微调，在PIE-Bench上把背景保持的PSNR推到27.44dB。方法干净、思路漂亮，值得一读。
白捡0.5dB？福州大学ANCHOR让视频恢复SOTA还能再涨分
视频恢复网络费尽心思聚合相邻帧信息，却可能在局部区域修出更糟的结果。福州大学这篇ANCHOR不改造网络，而是把低质当前帧当作"锚点"，用物理痕迹推断每一处该信网络还是该信原图，纯后处理就能让多种SOTA模型继续涨分。这种"事后纠错"的思路把"何时该相信时间聚合"这个被忽视的问题摆上了台面，值得一读。
NTIRE 2026低光挑战赛：小米接收！RAW域多帧去噪PSNR狂飙6.49dB
夜拍糊成鬼片？手持五张RAW直接融合出纯净大片？NTIRE 2026低光挑战赛正是为此而设：585个真实场景、三阶段残酷评测，冠军方案PSNR比官方基线飙升6.49dB，直接把夜间计算摄影卷到新高度。想知道小米、大华这些一线团队如何驯服噪声与手抖？这篇挑战赛报告给了最全答案。
计算开销砍98.7%，成功率不降反升：VANE重新定义机器人测试时训练
机器人部署最怕什么？模型离线训得好，一到现场就“水土不服”。理想汽车联合多所高校提出VANE框架，把测试时训练做成“提案—验证—提交”的可靠流程：用未来视觉表征预测当监督信号，只在关键时刻更新，错了还能回滚。SimplerEnv上WidowX平均成功率提升3.2个百分点，反向传播计算量削减98.7%。把“边干边学”从口号变成了可信工程。
