把视频“偷摸”压缩的事告诉大模型：微软新方法令牌省93%
视频理解模型往往要把每一帧都当成独立图片来处理，这又慢又浪费算力。微软和斯坦福的研究人员直接从视频压缩算法中取经，用轻量级的运动向量和残差代替大部分图像的密集编码，让首帧生成时间快了86%，令牌用量暴减93%，同时性能还不降反升！这个方法与之前的Quickviewer等非均匀采样思路不同，它是在编解码层面做“减法”，从根源上避免了冗余。
视觉与图像
共 793 篇
TUM新论文：世界模型先验资质，不然判决不算数
世界模型最容易犯的错，不是不会生成，而是生成得太像了，结果把动作是否有效这件事给糊弄过去了。慕尼黑工大这篇论文把“能不能信”拆成一层层门槛，读完会发现，闭环评测这件事，真没法只看画面好不好看。
北英格兰大学新作：低对比度掌脉图像不再难认
掌脉识别最烦的不是“认错人”，而是图像本身先把自己搞得像一团雾。本文把低对比度增强和特征匹配过滤串成一条完整链路，在三套数据上把效果、泛化和工程代价都讲得比较实在，值得认真看。
腾讯+中山大学新方法：视频生成提速2.11倍
视频生成最怕的不是“算不动”，而是“算力明明省下来了，GPU却在等别人”。FVAttn抓住的正是这个系统级痛点：自适应稀疏注意力一边提质量，一边制造负载不均。论文把运行时修负载、空闲算力再利用和计算通信重叠串起来，思路很工程，也很实用。
腾讯+中山大学新作：视频生成提速2.11×，靠的是RLB和SASA
视频生成最贵的地方，不是模型不会画，而是算力先被注意力“拖死”了。FVAttn的思路很实在：先把多卡负载不均修掉，再把空出来的等待时间塞回高价值计算里，属于工程味很浓、也很能打的一类工作。
Anthropic最新研究：Claude Opus 4.7安全与能力双线升级
Anthropic这份系统卡很像一份“体检报告”：一边告诉读者 Claude Opus 4.7 在软件工程、长上下文、代理搜索上更能打，另一边把生物、网络、对齐风险也摊开讲清楚。好看的不是口号，是它把“能力提升”和“安全边界”一起量化了。
MICADO MAIT新进展：500Hz闭环跑通了
ELT首光仪器不是“画图纸”阶段了，SCAO模块已经开始真刀真枪地制造、集成和闭环测试。更硬核的是，团队已经在台架上跑出500Hz稳定闭环，这种工程进度比很多论文里的“未来工作”更像未来。
CVPR式思路？DDR-SR让超分辨率学会“看图下菜碟”
这篇工作最有意思的地方，不是又堆了一个更大的超分模型，而是先问了一句很朴素的话：同样是低清图，凭什么都用同一套力气修？DDR-SR把“难图重修、易图轻修”这件事做成了可路由的系统，思路很工程，也很实用。
DCP改造后有多强？四叉树+引导滤波跑出0.74SSIM
这篇工作很“朴素”，但不空。它没有靠大模型堆参数，而是把低光照增强里最容易被忽略的几个老问题——大气光估计不准、透射率细节糙、结果容易发灰——逐个拆开处理。思路偏传统，但工程味很足，适合想看物理模型怎么落地的人。
轨迹优化+TVAE+RL：四足机器人野外越障新范式
四足机器人最难的不是“跑起来”，而是“跑着跑着还知道该怎么换姿势”。这篇工作把轨迹优化、动作预训练、强化学习和感知蒸馏串成一条链，真机直接冲到6米/秒，属于能看懂、也能落地的那类机器人论文。
原子一跑就退相？这篇论文把里德伯激元救回来了
原子一跑，相干就散，这事在里德伯极化激元里尤其致命。本文不去硬追“把原子冻住”，而是让原子在存储期间自己把相位补回来，三套协议的思路都很直接，实验可操作性也不差。
ICCV 2026风格D2DF：视频移物一步搞定，还能不要草稿
这篇工作最狠的地方，不是“能修视频”，而是把“多步扩散修复”硬生生压成了一步，还顺手把对外部草稿的依赖也掐掉了。对于视频对象移除这种既要像真、又要够快的任务，D2DF给出了一条很工程化的路子。
