大连理工ACM MM 2026：视图不齐也能聚类，ACC提升近6%
多视图聚类最怕数据对不齐：设备故障、存储分离，大量样本的视图配对关系直接丢失。大连理工这篇ACM MM 2026工作，用锚点图加匈牙利算法的双重对齐策略，把对齐从“一次完成”升级为“二次校准”，在六个数据集上ACC最高比第二名提升5.97%，还顺手缓解了单次对齐误差大的老毛病。想看看GCN怎么在错位数据里找回结构的，这篇值得读。
视觉与图像
共 747 篇四大缩放维度首次系统对比：本地CUA堆算力不如“选对维度”
这篇来自汉阳大学的实证研究，把本地电脑使用代理的推理时扩展拆成上下文、时间、结构、并行四个维度逐项考察。结论有点反直觉：额外算力常常不是提升成功率，而是把失败模式从“死循环”改写成“假成功”。对做本地部署的团队来说，这是一份难得的避坑指南。
视频阴影去除新SOTA！杭电等高校新方法，0.82dB领先
夏天在景区拍照，最难缠的不是人潮，而是地上那道怎么躲都躲不开的影子。照片还能靠后期硬修，一到视频里影子跟着物体动起来，简直是在考验修图师的心脏。今天这篇AAAI 2027论文《WildShadowRemover》，把“去除视频阴影”这件事直接交给视频扩散模型来搞定。看完只能说一句：还是让模型去扛吧，人眼真的看不过来。
不看全局，每台机器人只花256字节就能预测集群未来？
集群机器人最烦的就是每台各看各的、未来状态对不上账。ITMO这篇CS-JEPA让每台机器人只靠局部观测和单轮256字节消息，独立预测同一个未来集体状态，只给6个全局标注样本就开始见效，拓扑、规模外推和规划价值评估全都能打，值得细读。
比单图SR强太多？多视图+序列人脸超分还能顺便提升Re-ID
人脸超分一直有个尴尬：单张低清图怎么补也补不出真实五官。这篇韩国三校合作的工作干脆“摇人”——把同一个人的多张低清监控图凑在一起，用Transformer把身份特征统一起来，再靠级联网络一步步把脸“画”清晰，顺便把行人再识别也推进了一把。思路简单粗暴，效果却很能打。
武大最新CoRE-UIR：一网打尽12种遥感退化，PSNR+1.05dB、提速近12倍！
“单模型修复所有退化”的热潮里，武汉大学这个工作把专家网络玩出了新花样——公共专家打底、低秩残差专家补丁，还能白嫖CLIP语义先验。12种退化一锅端，PSNR涨了1.05dB，速度却快了近12倍，遥感修复玩家值得一读。
南科大BlindPSNR：让低光增强自动选最优，Top-1达89.5%
还在手动挑低光增强参数？这篇论文发现7个主流无参考质量评估指标在候选选择任务上全军覆没（Top-1准确率全部为0%），并推出BlindPSNR——不依赖任何参考图就能预测PSNR，在场景未见数据上Top-1准确率飙到89.5%，后悔值仅0.026dB，代码已开源。对任何要落地低光增强的团队都是一份实用参考。
CoPE-VideoLM | Codec 结构化视频表征让 VLM 更快更省 token
这是正式入口 dry-run 验证稿，不实际上传微信。
5步扩散+状态空间交互：弱监督显著检测首次全面超越全监督
弱监督显著检测一直面临标注稀疏的困境，上海大学团队直接请出SAM把涂鸦变成高质量像素级伪标注，再搭配Mamba+扩散模型做精修。7个数据集上碾压所有弱监督方法，甚至干翻了不少全监督方法。这是一套有工程潜力的弱监督方案，值得细读。
1200个视觉依赖问题拷问四大模型：渲染偏差让3D推理暴跌15%
继6月聊过商汤“思考with images”之后，团队进一步追问：模型画出来的中间状态，到底是真用了还是仅仅装样子？为此他们构造了1200个视觉依赖样本的See2ThinkBench，并设计了可干预的VAoT协议。结果扎心：模型选动作挺准，但渲染忠实度平均只有60%，3D场景下错误反馈能让准确率暴跌15个百分点——画图推理，远没想象中靠谱。
几何深度学习新范式：一招让网格模型“听懂”内在几何，手指关节都能变形
继2025年PoissonNet霸榜网格学习之后，蒙特利尔大学团队终于把注意力机制按网格几何的“本性”改造了一番——内在且三角化无关。结果直接拉满：高频信号预测PSNR暴增6dB，手指变形细节从未如此清晰，而且代码和实验都开源可复现，看完就想动手试试。
哈工大等提出PRISM：让AI画画学会“看图自改”，TIFA飙至91.4%新SOTA
文生图提示优化一直是热门，但之前的方法要么只看文本要么只给分数，缺少结构化图像诊断。PRISM另辟蹊径，用一个VLM同时当裁判和教练，先看图挑毛病再针对性改提示，最后用强化学习让模型越改越好。在TIFA上从76.1飙升到91.4，关键是可解释性极强——每个修改都有理有据。
