去噪+分类一体两吃：这家新方法给USV分析送来“干净耳朵”
夜深人静，研究员对着硬盘里几十TB的野外小鼠录音发愁：录音里除了小鼠50kHz以上的超声“对唱”，还有空调、风扇、鼠笼碰撞、脚步等各色噪声，信号早被压到墙角。
视觉与图像
共 793 篇
水下照片不再蓝绿蒙蒙？这个合成数据让特征匹配暴涨近7倍
水下照片总是蓝绿蒙蒙一片？印度理工学院这次把海洋光学的"家底"全搬进了合成数据——十种Jerlov水体、深度依赖辐照度、生物荧光一次建模到位。合成数据FID比最强竞品直降46%，四个增强架构跨六个真实数据集全面反超。搞水下视觉的朋友，这份物理知识+数据工程的双拼值得仔细品品。
多语言文生图被曝"语言不平等"！LingT2I基准：10种语言33K提示词，通义千问也翻车
这几年文生图模型卷得飞起，从扩散模型到自回归模型，画质越来越惊艳，英语提示词玩得风生水起。无论是谷歌的Nano Banana，还是阿里的Qwen-Image，你用英语输入"一只在沙滩上戴墨镜的柯基"，出图效果基本都能当壁。
两张模糊图就能重建3D？PSNR暴涨2.11dB新方法出炉
当只有两张随手拍的模糊照片、还没有相机位姿时，3D重建还能做吗？本论文不仅做了，还用级联的2D→3D引导把Deblur-NeRF真实场景PSNR提升了1.19dB、合成场景提升了2.11dB。这种极简输入设定对XR、手持设备3D内容生成非常有吸引力。
中科院自动驾驶"错题本"：26毫秒现学现卖，Navtest冲到94.1
老司机最怕的不是路况差，而是同一个坑栽两次。这篇论文给自动驾驶大模型装上一个"失败记忆库"，用结构化解耦检索加上解耦LoRA测试时训练，让模型现学现卖、遇险纠偏，还把NAVSIM双榜SOTA收入囊中，代码已开源。
ACM MM'26最新：福州大学仅增0.07M参数，低光色彩还原不再跑偏
低光增强里"提亮容易、校色难"的老大难问题，这篇论文算是啃到点子上了。福州大学提出的CAGE框架，用可解释的颜色空间变换方案做色彩校正，还能像插件一样直接塞进现有模型里，成本低到可以忽略。在低光图像处理这个长期刚需的赛道上，这活儿干得漂亮。
遥感分割的黑盒难题，被熵中心XAI破解了？
深度模型在遥感分割里跑得欢，可它凭什么这么分？黑盒不拆，谁敢拿去搞灾情评估和土地利用监测？本文提出熵中心XAI方法，用熵不确定性给分割模型的决策画热力图，还顺手设计了一个H-SIT评估框架揪出“假重要区域”，在WHU数据集上把Grad-CAM、Score-CAM和Seg-Sobol都甩在身后，值得一读。
世界模型规划总翻车？VIScore三个维度直接定位病根
潜在世界模型越来越火，可学界一直缺一把能解释“为什么这个模型规划成功、那个却失败”的尺子。本文从SIGReg与VISReg的受控对比入手，把诊断对象从单一编码器扩展到编码器+预测器+规划器三件套，提出VIScore；相关度冲到0.75以上，校准误差还能低于常量拟合，属于世界模型方向稀缺的工具型工作。
扩散模型终于懂物理了！阳明交大×NVIDIA最新去雾：平均涨0.57dB
同样是扩散模型，凭什么HNDif去雾更猛？因为它不玩"纯噪声瞎猜"，而是把大气散射模型直接写进扩散过程：雾浓处多注噪声、雾淡处少注噪声，反向再联合去雾去噪。四个主流去雾骨干、六个基准数据集，平均PSNR提升0.57dB。想给自家去雾模型"插管提速"？这篇值得细读。
告别高精地图？循环注意力让视觉定位精度跃升32个百分点
自动驾驶定位一定要靠高精地图和昂贵传感器吗？长安大学这篇工作直接用普通摄像头+卫星图，把时序信息做成“记忆库”，平均误差从3.8米砍到1.57米，真实车辆零样本跑出96.86%的5米内召回。低成本方案又要卷出新高度了。
顶级会议新研究：让语音增强模型学会唱歌，原能力还不掉
一边是700小时的大规模语音增强数据，一边是只有35小时的歌声分离标注集，AI界“贫富差距”在这篇论文里被LoRA一招填平。只需6-12%额外参数，就能让语音增强模型“开口唱歌”，还稳稳保住原有看家本领，这买卖划算。
CVPR 2026新作：广西师大砍掉60%模板Token，跟踪精度只掉0.4%
多帧视觉跟踪里模板帧越堆越多，效果却可能越堆越差？ETCTrack用一个可学习的ATC模块把历史模板Token动态压缩60%，MACs直降21.4%，精度只掉0.4%，还在七个基准上拿下SOTA。代码已开源，看完这篇也许能重新理解“给Transformer减负”这件事。
