厦门大学新方法：跨图像提示让SAM3更懂伪装目标
伪装目标分割最烦人的地方，不是模型不够大，而是提示一旦打偏，结果就直接跑偏。GFR-SAM干脆把“点提示”换成“跨图像示例”，再用过滤和细化兜底，思路很顺，工程味也很足。
视觉与图像
共 793 篇
东京大学提出DAE密钥生成：KDR、SKC、随机性三项都更稳
无线密钥生成最怕的不是“没信号”，而是两端看到的信道不够像。东京大学这篇工作干脆让DAE先替信道估计“去噪整容”，再去做量化和纠错，结果把KDR、SKC和随机性一起往上抬了一截。
Apple Research最新论文：3步从图像集合悟出概念
这篇论文最有意思的地方，不是又造了一个更会“听话”的模型，而是把问题反过来：模型能不能从几张示例图里自己悟出共同概念，再拿去指导生成？Apple Research这次盯上的，就是视觉模型最容易翻车、但也最像人类学习的那一口气。
真实模糊场景里，JADE-GS为何更稳？
高速运动把图像“拍糊”这件事，常见到让人麻木，但真要把它从3D重建里彻底修好，难点就来了。JADE-GS的思路很直接：让事件相机补时间信息，再让3D几何反过来约束2D去模糊，效果和效率都比单向流水线更像样。
ICASSP 2026新作：场景驱动Hadamard排序，30%采样也能稳拿高质量光谱图
单像素光谱成像最怕“拍得慢还拍不准”。这篇论文的思路很直接：先拍一点点，再让模型决定后面该拍哪些 Hadamard 模式，结果在仿真和近红外实拍里都比固定排序更稳。
上海AI实验室等开源视频深度估计新模型！从游戏里抓出6M帧合成数据，效果效果优于所有生成式方法
如果有一项技术能从你的手机视频中提取出世界的3D结构，像人眼一样感知景深，你会用它做什么？上海AI实验室联合浙大、悉尼大学，最近放了一个大招：Depth Any Video。这个模型直接在Stable Video Diffusion上「开刀」，并靠着从游戏世界收集来的600万帧高质量深度数据，实现了视频深度估计的时空一致性全面飞跃。效果拉满，看了演示gif保
上海AI Lab最新研究：给视频做深度估计，零成本“打游戏”就搞定了？
视频深度估计一直卡在“没数据”上。这篇来自上海AI Lab、浙大和悉大的论文，直接去游戏里“白嫖”了4万段高精度视频深度数据，再把手里的视频生成扩散模型改成深度估计模型，3步去噪就出结果，跑得比谁都快。效果直接起飞，把之前所有生成式深度模型都甩在身后。
USTC新方法：视频遗忘不改模型也能做
这篇论文最有意思的地方，不是“删掉了什么”，而是“删掉之后还能不能把视频保住”。SIRUS把遗忘、保真、质量、鲁棒性和效率拆开测，终于不再让概念擦除只靠一张嘴说服人。
0.8B端到端文档解析SOTA：OvisOCR2怎么做到的
阿里这次没玩虚的，直接把文档解析从“流水线拼装”拉到“端到端一把梭”。0.8B 小模型能在公开榜单上登顶，关键不在嘴上说模型小，而在数据引擎和训练 recipe 真把小模型喂明白了。
低信噪比下反超MVDR！这篇论文把语音增强改成了“看输出”
这篇论文最有意思的地方，不是又造了一个波束成形器，而是把“选参数”这件事倒过来了：不先盯输入信号，而是先看输出好不好，再决定用哪个候选方案。对低信噪比和麦克风统计失真的场景，这个思路很实在。
NVIDIA+Stanford新作RoboTTT：8K上下文让机器人长记性
机器人策略最烦的不是“不会动”，而是“记不住”。这篇把测试时训练塞进机器人基础模型里，直接把上下文拉到8K步，还顺手做出单次视频模仿和在线改进，思路很硬。
6G卫星语义通信新框架：VAE把带宽压到98.17%
这篇论文把“自动驾驶需要传什么”这件事说得很直白：别再傻乎乎传整张图了，直接传任务相关语义。更有意思的是，它不是只做压缩，还把重建和分类一起训练，顺手把卫星链路下的低信噪比问题也一起收拾了。
