香港科技大学提出LiveLight：视频重光照首次实时化，交互式打光边播边调
实时移动光源，画面即刻响应——LiveLight 让视频重光照从『渲染后等待』变为『边播边调』。香港科技大学联合多家机构提出首个基于扩散模型的实时流式视频重光照框架，仅用4步采样跑出15.78FPS还把质量做到SOTA，视频编辑领域值得重点关注的方向性工作。
视觉与图像
共 793 篇
视频生成｜复旦快手新研究：同一个PE写两边，T2V多事件生成全面涨点
如果你在公众号里刷到过AI视频生成的翻车现场，大概率见过这种名场面：你明明输入的是“一只熊推开树桩、找到食物、抓住老鼠、吃掉它”，生成的视频里熊只做到了一半就停下来，甚至干脆把树桩忘了。这不能全怪视频生成模型“笨”。真…
ACM MM 2026：北大EchoCache让音频驱动视频生成提速2.46倍，还更稳？
继北大CRAFT之后，又是北大团队！这次他们让音频驱动的视频生成告别“傻快”——只用声音的能量分布，就能精准指挥算力花在刀刃上，2.46倍加速还保住了画质。这招“听声辨位”，值得所有搞视频生成加速的玩家看一看。
UC San Diego最新实测：AI超分热成像三维重建，清晰度暴涨却更“不准”？
每次去佛罗伦萨，游客都在仰头看大卫像，而真正的“老司机”却在用热成像扫墙面。UC San Diego团队在千年凉廊上做了一场“硬核实验”：把AI超分拉来重建三维热像模型，结果耐人寻味——
中南财大首个SNN全能修图：31.6dB媲美ANN，能耗仅1/5
脉冲神经网络历来以“省电”闻名，可让它直接处理静态RGB图，就像让旱鸭子下水——有点为难它。中南财大等机构这次直接把SNN拉进全能图像修复赛道：性能追平ANN，能耗只有人家的五分之一，16.8mJ就能搞定一整套修复流程。
中科大DAVET：扩散视觉语言模型按需“喂”视觉证据，平均提速1.55倍
扩散视觉语言模型快不起来，根子在于每一步去噪都在反复“看重”同一批视觉token。中科大这个DAVET直接把“视觉证据何时给、给多少”当作资源分配问题来做，不训练不微调，平均提速1.55倍、质量仅掉1.86%，思路相当实用。
热那亚大学最新研究：轻量分割提精度不靠骨干，靠解码器？
大家都在卷骨干网络，可热那亚大学这篇论文偏偏告诉你：轻量分割模型的涨点空间其实藏在被忽视的分割头里。本文系统对比三种解码器模块、验证多任务层次分解的有效性，参数量比基线少约40%，加权精度反而从91.2%涨到92.8%。把解码器这口“冷饭”炒出了新味道，值得一读。
告别脏数据！亚马逊开源Data Turnstile，让0.6B模型逼近7倍大模型
这篇论文切中了AI智能体落地的一个真痛点：小模型工具调用能力弱，但可靠数据既贵又脏。Data Turnstile把整段对话拆成带校验的角色化有向无环图，用开源权重模型就能批量产出高质量函数调用数据。0.6B微调后BFCL直逼7倍大的Qwen3-4B，多轮电信任务1.7B直接超越32B——数据质量对小模型而言，就是胜负手。
鲁汶大学最新研究：超表面让波前“弯”一下，近场MIMO信道直接分开
鲁汶大学Caloz团队用超表面把波前“掰弯”，近场MIMO用户信道相关性从接近1直接打到0.1，频谱效率和有效秩同步起飞。6G近场通信的电磁调控新思路，做天线和做算法的都值得一看。
IEEE BigData 2025：CEMD跨域迁移，让胆囊分割暴涨27%还能提速3倍
在医学影像分割的同类探索里，这篇把手伸向了更硬核的跨手术域迁移：胆囊手术学到的东西，能不能直接帮直肠手术做分割？CEMD架构给出的答案是——不仅能用，胆囊类分割还暴涨27%，收敛还快3倍，值得一读。
清华自进化新框架：让机器人学会自己找“坑”，失败率狂降67%！
机器人训练有个“鬼打墙”现象：数据越采越多，失败率却纹丝不动。清华这篇工作直接告诉机器人“哪里不行补哪里”——用一个轻量关键性模型引导数据采集，失败率最高降67%，还顺手解决了VLA微调的平台期问题。思路极简，效果很硬，值得一读。
多目标决策太难？这只"狐猴"从人类偏好中学会平衡的艺术
现实世界的决策总在多个目标之间为难：既要跑得快，又要省电；既要安全，又要高效。当奖励函数难以定义时，多目标强化学习该何去何从？LEMUR给出了一个优雅的答案，在多个连续控制任务上全面超越既有方法，逼近全知Oracle的性能表现。
