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。
视觉与图像
共 793 篇
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。
机器人规划新范式：自动学习有向时间成本，14点提升不是梦
还在发愁机器人规划里怎么设计奖励函数？来自香港浸会大学的这篇论文直接告诉你：不用愁！它从无奖励的演示日志里“挖”出时间距离，让世界模型规划得又快又准，导航成功率直接拉满，操作任务也大幅提升。这正是龙哥一直在说的：比起花里胡哨的模型结构，搞清楚“规划目标从哪来”往往更重要。
0.2B参数、1GB显存，32Hz实时控制！华中科大&华为新VLA范式TurboVLA
大模型驱动的机器人VLA虽然强大，但推理慢、显存高。TurboVLA反其道而行，直接跳过LLM，用双向视觉-语言交互实现32Hz实时控制，仅需0.2B参数和0.9GB显存，性能却比肩甚至超越十亿级模型。机器人部署从此不再高攀不起！
