CVPR 2026开源！MoCoDiff让长程运动告别漂移，风格控制刷新SOTA
运动生成界的“解耦大师”来了！MoCoDiff把文本、风格、历史信息拆成独立控制通道，在冻结扩散骨干上即插即用，长序列不漂移、风格不串味，效率还直接冲到136.89 FPS——动画师看了想点赞，研究者看了想复现。
视觉与图像
共 793 篇
英意团队新研究：触屏遥操作耗时直降53.5%，比拼摇杆更精准
摇杆遥操作机器人一直是“手残党劝退”重灾区：按钮全靠背，速度控制全凭手感。这篇论文直接把手指滑动变成机械臂运动，20人跨国实测完成时间直降53.5%，认知负荷也压了下来。想少练“手劲”的核工业接班人，值得一看。
Meta最新研究：LLM Agent让用户一句话重塑信息流，反感内容直降2.74%
Meta在RecSys 2026上放了颗实弹：用LLM Agent把推荐系统从"被动猜你喜欢"变成"用户实时说了算"。三层架构干净利落，离线准确率98.85%，线上A/B负面反馈同时下降，是目前少见的工业级对话推荐实战样本，搞推荐的同学值得一读。
最新FDIR：压缩图恢复不再纠结，3.5K训练图拿下7/10下游任务
JPEG一压狠了，画面就糊成一团。传统方法要么回归均值磨平纹理，要么生成式模型脑补纹理骗过人眼却坑了下游模型。FDIR用两阶段解耦把这笔“三角债”理清了，只用3.5K张图就拿下7/10下游任务领先，值得做压缩恢复的同学都看一眼。
快手Kling团队新作：16 FPS实时生成多镜头连贯视频，一个模型搞定生成、参考与编辑
告别逐镜头生成的割裂感，快手Kling团队联合清华、南大提出的ContextMaster，把生成、参考和编辑统一进一个模型，在单卡上跑到16 FPS的同时，还能让角色和场景在多镜头之间保持一致。🔍 想看懂这套固定预算稀疏路由怎么在有限算力下留住完整记忆？这篇值得细读。
华中科大SimWAM：单目摄像头91.5 PDMS登顶NAVSIM，视频生成零开销！
视频生成模型在自动驾驶里一直是“吃钱大户”，训练花钱推理更花钱。华中科大这波操作骚气：让视频大模型只在训练时当“免费家教”，推理时直接扔了它，结果单目摄像头91.5 PDMS登顶NAVSIM，延迟还比别人低一大截😏 这便宜占得，值得好好看看。
Meta最新研究：云边协同语音增强，仅增1.5%参数提升3.77dB
戴智能眼镜开电话会，周围人声嘈杂听不清？边缘小模型算力不够，云端大模型又太慢——Meta这次让云边“组队打怪”，边缘只加1.5%参数就能蹭到云端大模型的“听力”，在64毫秒延迟下硬是把语音增强的SI-SDR拉高了3.77dB。真·云边协同新范式，值得一看。
身份相似度0.988！四校联手端出免训练人脸修复新范式
手机里存了三年的糊脸照片，AI一顿猛修，结果亲妈都不认得了？扩散模型人脸修复最怕"五官漂移"，南邮等四校带来WaveFreqAnchor：零训练、零微调，只用波结构锚定+频率校正，把身份相似度一路抬到0.988，修完还像本人！
图像恢复新SOTA！FIT用可变形tokenization摘得多任务接收，平均30.72dB
图像恢复圈的老问题——固定patch切割总在退化边界上“切错地方”，导致修复完还留着一道道网格伪影。FIT把tokenization本身变成可变的，让patch边界跟着雨线、模糊核、景深走，五任务平均PSNR一口气拉到30.72dB，比JIT基线提升1.44dB。一句话：patch不“卷”了，改“弯”了。
残碑补字新范式：字符级掩码扩散让Ithaca都成了配角
当大模型都在卷token时，这篇论文反着来：用字符级离散扩散处理古希腊残卷，把修复误差从24.6直接干到15.5。更难得的是，它把训练语料和11个去污染检查点全部开源，还承诺每个残破文本都能找到一个"从未见过它"的模型来做修复。数字人文的"可复现良心"，大概就长这样。
浙大最新：零差距≠真恢复！SA-PPG揭示基准污染修复被严重高估
评测行业深水炸弹："零差距"可能根本不是修复成功，而是正负误差抵消的假象！浙大新作直指现有污染缓解指标G-AP的两大致命缺陷，并给出SA-PPG评估指标与RailCap缓解策略。多模型多基准验证下，旧方法的"完美修复"排名被彻底翻盘。做评测、做数据清洗的，这篇不能错过。
训练零成本，孔径感知INR让动态散斑去噪PSNR猛涨5.8dB
散斑噪声是相干成像（SAR、数字全息、光学相干断层扫描）里绕不开的"毛玻璃"，动态场景下尤其难缠。本文用孔径感知最大似然+时空隐式神经表示，做到完全无训练去噪：不需要干净参考、不需要配对数据、甚至换孔径都不用重训，模拟和实验室实测都在时间一致性和细节恢复上赢了监督模型。思路相当clean，值得一读。
