Microsoft研究院新作Ink3D：视频生成把3D纹理“雕”复杂了
3D贴图最烦的不是“有没有”，而是“能不能把复杂花纹贴得像真的”。Ink3D的思路很直接：几何交给3D模型，纹理交给视频生成，再用烘焙把两边缝起来，工程味很足，也很有启发。
视觉与图像
共 793 篇
北京理工大学新方法：让模型“说实话”再追求精准
这篇论文把一个很现实的问题挑明了：多模态大模型不是不会说细节，而是细节一多就更容易“翻车”。GRANFACT、层级评测和RP-DPO三件套，正好把“说得更细”和“说得更准”这对老冤家拎到台面上狠狠干一架。
NYU新作HIG：直方图精确控图还不用训练
这篇论文最有意思的地方，不是“又一个可控生成”，而是把控制粒度卡在了文本和结构之间的中间地带：既想要全局分布，又要求精确到直方图。HIG用最优传输把这件事做成了，而且还是推理时、无需训练、还能顺手做信息嵌入，思路挺干净。
NYU新方法：直方图约束生成，颜色精确到分布
扩散模型已经很会“画”，但要它严格听话，往往得靠额外网络、微调或复杂条件。HIG更狠：直接在推理阶段用最优传输改轨迹，既能控颜色分布，也能玩信息嵌入，还几乎不增加训练成本。
CVPR 2026前后脚？DriveVer让自动驾驶“先验再改”，34M参数补上安全一刀
自动驾驶最怕的不是“不会开”，而是“开错了还直接上路”。这篇 DriveVer 很有意思：不重训大模型，偏偏把活放到测试时做二次验证和修正，34M 参数、80ms 推理，工程味很足。
ICML 2026新作：Flet把假图检测拉回73.1%
AI生成图像检测这条线，最怕的不是模型差，而是对手升级太快。Flet不再死磕“静态特征”，而是直接把检测器做成能跟着新生成器一起变的系统，这个思路很对路。
Restore3D来了：破损3D物体形状纹理一起修
这篇论文把“破损3D物体修复”从单纯补几何，推进到形状和纹理一起补，而且还要尽量保住原来没坏的部分。更狠的是，它不是只靠人工标注，而是把补哪里这件事也交给模型自己判断。
无须逐帧标注！自监督时序正则让心脏分割更稳，还能自动映射AHA 17段
这篇工作最有意思的地方，不是又把心脏分割做高了几个点，而是它盯住了一个常被忽略的老毛病：同一个心脏在连续帧里不该“人格分裂”。再顺手把AHA 17段自动映射接上，临床味道一下就出来了。
AmbiDrop来了：阵列无关语音增强，未知麦克风也能稳
这篇论文最有意思的地方，不是又堆了一个更大的网络，而是把“阵列无关”往前推了一步：先用理想 Ambisonics 训练，再用通道 dropout 模拟编码误差，最后靠 ASM 把任意麦克风阵列接进来。未知阵列、真实 Aria 眼镜、麦克风缺失，三关都过了，工程味很足。
低信噪比下更稳的EPI校正，MIT/UCSF/Stanford都在用
这篇论文最有意思的地方，不是“又做了一个畸变校正”，而是把老问题的责任链条拆了：别再先把图像重建得歪歪扭扭，再去补救B0场。它直接从k空间联合估计无畸变图像和B0场，还把旋转视图和高斯原语塞进同一个物理模型里，工程味很浓。
斜率引导Mamba来了！光场超分提升0.42dB
这篇论文最有意思的地方，不是又堆了一个“混合框架”，而是它把光场超分里最容易翻车的两件事——几何错位和扫描错位——分别拎出来治。一个负责让空间和角度别各唱各的，一个负责让Mamba别顺着方格子乱跑。
AVSR-Diff来了：4×到8×都能稳住细节
这篇论文最有意思的地方，不是把视频放大，而是把“放大倍率”和“生成成本”硬生生拆开了。AVSR-Diff 用固定低分辨率潜空间做扩散，再用连续解码补细节，2×到8×都能跑，内存还几乎不涨，工程味很足。
