高通联合高校新方案：3DGS也能像视频一样自适应流播放
想象一下你在云VR里看演唱会，网络突然卡顿，画面立刻变成马赛克甚至崩溃——SplatStream就是来终结这种尴尬的。它让动态3D高斯泼溅像视频一样支持自适应流传输，带宽不够就降质量但不中断，从粗糙到精细丝滑过渡。是不是很香？
视觉与图像
共 793 篇印度理工新方法：结构化证据+LLM推理，犹豫识别性能翻2.24倍
犹豫不决本难测，传统多模态融合不灵。PRISM-AH另辟蹊径：轻量网络抽取出结构化证据（冲突时刻、主导模态、韵律特征），再用LLM套上专家知识推理，一次性提升2.24倍。思路新颖，适合搞多模态理解、情感计算的读者。
CVPR 2026：一招M2B变换消除框形偏置，弱监督分割Dice飙至85.9%
医学图像分割的像素级标注成本高得离谱，边界框标注是更经济的替代，但框形偏置总会让预测结果“方方正正”。深圳大学在CVPR 2026提出的WeakMed，用一招Mask-to-Box变换和尺度一致性损失，巧妙地把框形偏置化解于无形，在9个数据集上全面超越现有弱监督方法，甚至逼近全监督。这对于想低成本部署医学分割的团队来说，简直是及时雨。
VPW代码世界模型：比代码基线高23.5%，接触操作从0到96%
如何让机器人学会像人一样理解物理世界？港浸大团队提出了VisualPatchWorld，它不依赖人工搭建的物理引擎，而是从几个专家轨迹中自动学习可执行的代码级世界模型。这种方法既保留了神经模型的自动化能力，又让模型变得清晰可见、可编辑。
2026最新！弗吉尼亚大学Lantern：物理引导扩散不崩生成，FPD持平纯去噪
这篇来自弗吉尼亚大学的Lantern直面物理引导扩散在量热器模拟中的梯度冲突问题，设计GradBlend让物理辅助损失不妨碍生成保真度，并引入新度量CFD诊断层间与体素相关性。实验显示Lantern在FPD上持平纯去噪基线，而普通多任务方法性能崩溃2-100倍。对想给生成模型加物理约束的团队极有启发性。
Netflix ID-V2V开源：一招锁住人脸，重风格化零损失
Netflix 这次玩真的——以前给演员换背景换灯光，人脸基本就崩了。ID-V2V 把身份保持当成了重光照问题，用“重光照面部”+“法线图”把演员的脸死死锁住，单视频就能训，真人脸相似度直接拉到 0.701，比第二名高出 30% 多，还能同时管住多人场景。做视频后期的小伙伴，这篇一定得看。
SC26最新！3DGS压缩粒子数据：65倍压缩PSNR超30dB，渲染快2300倍
3D高斯泼溅这个计算机图形学的网红，被Temple大学和阿贡国家实验室的团队跨界用到科学数据压缩上，结果直接碾压传统有损压缩器SZ3好几个身位。不仅压缩比高，还能实时交互渲染，宇宙学家们可以欢呼了。看完直呼：还能这么玩？
水下照片秒变清晰！DY-LUT仅3.56M参数，4K推理仅7ms，速度比扩散模型快300倍
水下图像增强一直面临空间不均匀衰减的棘手难题，大多数方法要么效果不错但慢得离谱，要么轻快但恢复质量堪忧。DY-LUT直接把场景深度和YCbCr色彩分离这两个自然线索揉进四维查找表，用极小的参数量（3.56M）实现了质量和效率的双赢。自适应4K推理只需要约7毫秒，比那些笨重的扩散模型快了两个数量级，还能给下游检测和特征匹配带来实打实的提升，很值得关注。
TPAMI 2026最新：一个扩散模型搞定无标定红外超分与融合，下游检测率涨超5%！
红外与可见光双摄设备如今很常见，可两个摄像头总有‘视角差’，导致图像对不齐。以往要么手动校准，要么用复杂的配准网络。而这篇BeyondFusion另辟蹊径——直接在扩散模型的潜空间里让两个模态‘自对齐’，还能同时输出红外超分辨率图和融合图，手机实拍效果惊艳。一篇方法干净、结果扎实的工作，值得细读。
清华等提出LoTA-N2N：自监督去噪最新SOTA
自监督去噪一直以来都存在一个隐忧：没有干净图像作为目标，构造的代理损失和真正想要的监督损失之间到底差了多少？这篇清华等高校的论文从“迹”差距入手，把各种自监督方法统一到同一个分析框架下，并发现全局迹很小可能掩盖局部大幅正负抵消。为此提出的LoTA-N2N，通过两阶段设计先预训练再局部迹抑制，无需配对数据、无需预知噪声模型，就在21/24个测试设置上拿到零样本
扔掉源数据！TADD用CLIP作锚点，视频域漂移性能提升9.6%
视频测试时适应（TTA）一直是块硬骨头，尤其当遇到真实场景的严重分布漂移（比如白天到黑夜、体育到日常），现有方法要么忘得快，要么扛不住。圣保罗大学这篇ACM MM 2026论文提出TADD，巧妙地在冻结CLIP上只加个轻量适配器，靠「零样本蒸馏+目标蒸馏」双重约束，既守住CLIP的通用语义，又保留源域判别知识。效果实在：三个标准benchmark上全面超越之
3DMM法线图+视频扩散，TUM新作ViDS让表情控制告别“盲猜”
在视频生成领域，肖像动画一直是个既要保身份又要跟表情的棘手活。传统3DMM渲染生硬，纯扩散模型控制不准。本篇来自TUM和丰田的ViDS巧妙地把3DMM法线图作为视频扩散的条件，实现了精细、稳定的肖像动画生成，FID低至21.29，用户评分领先对手一大截。
