港城大MirrorWorld：AI画镜子终于不再“睁眼说瞎话”
最近，来自香港城市大学和斯旺西大学的研究团队提出一个名为 MirrorWorld 的框架，专门解决视频生成中的镜子反射一致性问题。
视觉与图像
共 717 篇
CVPR 2026新国立：先白平衡再调光，跨相机色彩恒常误差大降32%
让大模型当"色偏裁判"？新国立这篇CVPR 2026论文把跨相机白平衡玩出了新花样：不直接回归光照，而是先白平衡、让视觉语言模型判断残留色偏、再迭代修正。四大基准全面碾压现有方法，最差场景误差几乎减半，思路清奇还实用。
巴黎萨克雷大学新设计：绿光腔功率突破200kW，X射线产率刷新纪录！
绿光波段的光学增强腔，此前最高功率仅约4 kW，红外却已做到500 kW以上。这篇来自巴黎萨克雷大学的论文，用一套三步设计法直接把515 nm腔的规划功率拉到200 kW，X射线光子率冲上10^12量级，红外模式下更是给出10^13的全球新纪录。方法不炫技，但每一步都踩在工程痛点上，值得细读。
西北工业大学最新研究：图像超分和文字预测一个模型搞定，速度比DiffTSR快101倍
场景文本超分是OCR落地硬骨头——图要修得漂亮，字还得认得准。西北工业大学等机构提出的DualTSR把图像生成和文字预测塞进同一个Transformer，训练时同步加噪、推理时互相引导，把DifTSR参数量砍掉六倍、速度快一百倍，识别率反而大涨12.78个百分点。一个字：值。
清华AIR最新研究：视频扩散模型做规划不用跑完，170ms就够？
视频扩散模型做驾驶规划，一定要把未来视频全部生成完吗？清华AIR这篇工作给出了否定的答案：中间层特征已经足够解码出好轨迹。它给六个中间层装上"提前出口"，配一个轻量质量打分器，分数够了就立刻刹车返回，平均端到端延迟只有170毫秒，比全深度规划省下47%的时间，数值还更高。把视频生成的成本巧妙避开了，这个思路在同类工作里相当眼前一亮。
最新SOTA攻击：SAM3概念分割被一招打崩，Mask AP暴跌40.7
SAM3把分割从“几何抠图”进化成了“概念理解”，可越聪明的东西往往越怕被人抓住命门。这篇来自中科大、江南大学等团队的工作，首次为SAM3量身定制了跨概念通用对抗攻击UCD，一张扰动让五个数据集平均Mask AP从59.43直接被干到18.73，还顺手迁移到了SAM3.1和视频推理。AI安全方向的硬核活，值得好好拆解。
CVPR 2026浙大新作：2万对物理真实模糊数据，局部去模糊SOTA
拍跑步的人、旋转的车轮，结果只有物体糊背景清晰——这就是局部运动模糊。过往数据集要么合成失真、要么采集昂贵且对不齐。浙大这篇CVPR 2026工作用工业相机物理级还原曝光过程，搞出2万+真实配对数据，训练出的模型在ReLoBlur真实场景上照样能打，这活儿干得漂亮。
8K不够看？8K全景相机+4K云台拼出24K远程呈现，老板再也不用眯眼看PPT了
24K沉浸感，听起来有没有很刺激？这篇论文巧妙借助静态场景的稳定性，用“8K全景相机+4K云台相机”的搭配，把静态360度远程呈现的有效分辨率提升到了24K水平，还顺手做了一个用户实验来验证体验提升。VR远程协作、远程巡检、沉浸式教学都可能被这波操作刷新上限。
FDA最新研究：病理图像评估不用纠结，换个特征提取器，相关性飙8倍？
先来聊一个问题：怎么判断一张“造假”的病理切片图像到底像不像真的？
埃默里+芝加哥最新研究：说句话AI就改轮廓，胶质瘤分割DSC涨2.2%
化疗靶区勾画要改一处轮廓，AI直接"听懂"人话动手改——这是三维医学影像分割基础模型VoxTell与文本指令结合的一次亮眼尝试。冻结全部预训练权重，只训练一个轻量指令分支，就能让模型按临床语言精确编辑亚区轮廓，正确指令在跨数据集测试中比矛盾指令高出0.047的Dice分离度，方向对了。
告别标注！成功大学HyperLUCID零标签高光谱变化检测，精度97.9%
这篇工作提出一个反直觉的新思路：高光谱变化检测不直接“找差异”，而是先学一个“光谱校准函数”把两次拍摄的条件差异抹平，变化区域自然“跳”出来。全流程零标签、无监督，精度最高冲到97.9%，参数量和计算量还比同行低一两个数量级，机载边缘设备都能流畅跑。零标注、高精度、还轻量，值得细读。
3D高斯泼溅杀进波束赋形！港科大GSBF免CSI延迟仅24ms
当视觉圈的3D高斯泼溅还在忙着做新视角合成时，港科大的研究者已经把它搬进了毫米波通信的波束赋形里。GSBF让基站不再依赖繁琐的在线CSI估计，用激光雷达点云初始化环境表征，24毫秒内直接合成高质量波束——连逐波束扫描都省了。
