视频换脸数据合成不再“裸奔”：自适应锚定闭环放置，告别美颜滤镜式失真
视频换脸的一大痛点就是没有“正确答案”用来训练。DreamID-V虽用首尾帧锚定加姿势驱动生成了配对数据，但中间帧的身份漂移和皮肤像美颜滤镜一样平滑，一直没解决。这篇2026年7月的新论文直接把锚点放置闭环化，哪里漂插哪里，还从真实视频里扒纹理补回去——思路简单粗暴，实验设计也很严谨，七组实验一一对应验证假设。做换脸、视频生成或数据增强的小伙伴值得看看。
视觉与图像
共 793 篇
3D纹理超分新SOTA来了！自适应视角+扩散模型，浙大这一招让老旧资产秒变4K
你是不是也遇到过这种尴尬：下载了一个精美的3D模型，结果纹理一放大全是马赛克，UV接缝处裂开得像补丁？传统图像超分模型拿到纹理图上直接翻车，生成模型又一味“自由发挥”不保留原细节。浙大团队这次祭出Texture++，用“自适应视角+四叉树掩码+局部单步扩散”三板斧，既保真又无缝，4倍超分PSNR飙到37.53，比SOTA高出1.5个dB，关键是——不需要梯度
新方法NSMA：把规则“钉”进神经网络，零样本称霸8大网络！
继2026年6月推过一篇强化学习搞定视频压缩之后，这回ABR领域又来了一个狠角色。电通大团队不仅一针见血地指出：多年来用来测试强化学习ABR策略泛化性的工具（只看平均带宽等统计量）是错的！还顺手把“规则”和“学习”的边界给消融了。 方法是真硬核：把经典码率选择的规则，直接以几何锚点的形式嵌进神经网络的潜在空间里，让网络“想跑偏都难”。训练只用3G数据，零微调
GeoThreat来了：遥感LVLM可控攻击成功率飙升
遥感LVLM看着挺靠谱，但能被一张加了微小噪声的图片骗得认错地物？GeoThreat做到了，攻击成功率飙到88%，比之前最好的方法高出46%。这篇工作不仅是攻击，更是对遥感领域LVLM鲁棒性的警钟。
A类预印本新方法：Power Diagram让抢修分区更均衡
停电恢复里“被遗忘的角落”最扎心——偏远小区往往要等更久。这篇论文首次把故障概率密度纳入分区，让每个片区等待时间几乎一样，标准差从6直接降到2.87。数学上漂亮，工程上实用，值得所有搞电力调度的同学看一眼。
SA-FARI来了：741站点、99物种、1.6万轨迹
野外多动物跟踪最缺的不是模型花活，而是“像样的数据考场”。这篇工作直接把考场搬到了4大洲、741个站点、99个物种上，还顺手把分割级标注做到了能真刀真枪测跟踪。
FORGE-plus来了：LLM给机器人定力上限，压不坏还会修
机器人装配里最容易翻车的，不是“不会做”，而是“太用力”。这篇工作把LLM从“嘴强王者”变成了会给力控设预算、会看力信号选恢复动作的监督器，思路非常工程化。
Google新方法：先想清楚再分类，F1最高涨10.5%
这篇论文最有意思的地方，不是又造了一个更强的分类器，而是先承认一件事：很多视觉概念根本没法一上来就说清。Google把“边界样本+概念梳理”做成了一个可交互流程，专门治那种人和模型都容易吵架的主观概念，挺实用。
WMFM-OOD来了：无线基础模型也要先过“安全门”
6G最怕的不是模型不够大，而是模型在陌生环境里还“自信满满”地胡说八道。本文专门抓住无线多模态基础模型的信任危机，用几何原型把OOD检测做成了一个几乎不拖慢推理的安全闸门，工程味很足。
RealDefocus基准来了：散焦去模糊终于有统一考场
散焦去模糊最怕的不是模型不够大，而是各说各话、数据各跑各的。RealDefocus Benchmark把统一分割、统一协议、跨数据集验证都摆上台面，终于让“谁更强”不至于靠运气。
Siemens新方法：2D模型做3D分类，1.3M参数拿下12任务
3D医学分类最容易踩坑的地方，这篇论文几乎都点到了：不是模型越大越好，而是适配方式常常更关键。更狠的是，作者直接把“2D模型不如3D模型”的老观念掀了桌子。
ETH Zurich开源ReViV：单目视频4D重建，把人和场景一起读出来
一段单目第一人称视频，竟然想同时“读出”身体、手、注视、相机轨迹和深度。ReViV最有意思的地方，不是它又做了一个单任务模型，而是把这些本来就互相牵连的信号，硬是塞进了一个统一生成框架里，还跑得很快。
