华东师大上交大新方法：7维打分，平均PLCC到0.870
低光增强最怕“看着变亮了，实际上更假了”。这篇论文不再只给一个总分，而是把画质拆成7个维度一起评，诊断价值明显更强。
视觉与图像
共 793 篇
NVIDIA新作：长视频重光照终于不闪了
长视频重光照最烦的不是“能不能变亮”，而是“每一块都别自己演戏”。这篇 NVIDIA 新作把问题改写成跨块连续翻译，再加暖启动提示，思路很工程，也很实用。
Meta新框架CECL：压缩回波一招聚类视频复杂度
视频流媒体最怕的不是“码率不够”，而是“同样的码率，给不同视频的效果完全不一样”。这篇论文直接抓住这个痛点，用压缩回波给视频做自监督预训练，思路很工程，也很聪明。
GeoCodeBench来了：3D视觉代码，GPT-5也只拿36.6%
这篇论文很像给大模型出了一张“3D几何博士资格考试卷”。它不只看模型会不会写代码，更看它能不能把论文读对、把几何语义守住，结果相当不客气：最强模型也没过四成。
1B模型把僧伽罗语OCR打到1.05%：还顺手赢了Google
这篇论文最有意思的地方，不是又做了一个 OCR，而是把“真实世界里的老旧僧伽罗语文档”这件麻烦事正面接住了。数据集、QLoRA 微调、跨年代评估三件事一起上，最后还把 Google Document AI 挤在了后面，挺硬核。
UNC新作NBGL：超声去斑点还要保边界，SSIM冲到0.9856
超声去斑点最怕两件事：噪声没去干净，边界先被抹平。NBGL把“去噪”和“保边界”拆成双分支，再用噪声感知机制动态调权，思路很工程，也很实用。
SpatialUAV来了：低空无人机空间智能，GPT-5也没跑多远
低空无人机不是“拍得清”就算懂空间，真正难的是跨视角、几何关系和运动理解。SpatialUAV把这件事拆成14类任务，结果很直接：主流模型离人类还差得不小。
PRA把像素自回归拉到新SOTA：135M反超1.9B
像素空间自回归一直有个尴尬：输入和输出都在“高维泥潭”里打滚，越滚越脏。PRA的思路很实在，直接把难题拆成“先降维、再并行近似 rollout”，还顺手把生成和理解一起往前推了一步。
哈工大深圳新框架：病理图像合成对齐度更高
病理图像合成最烦的不是“生成”，而是“生成得像且结构还对”。CHIS偏偏把这两个最难缠的问题拆开处理，还做成了训练自由插件，省掉了不少标注和微调成本。
阿里Home3D 1.0：一张图生成可编辑3D家具
Home3D 1.0 不是单纯“把图变成 3D”，而是把家具商品化这件事拆成几道硬菜：几何、纹理、材质、部件，各管一摊。最有意思的是，它把“可编辑”放到了和“像不像”同等重要的位置，这才像真正面向设计和电商的方案。
华中科大小米汽车新方法：中间层一训，PDMS涨1.3
这篇论文最有意思的地方，不是又堆了一个更大的自动驾驶模型，而是把“中间表示”当成了真正要训练的对象。它把视频生成、轨迹规划和安全边界三件事拆开处理，结果还真把收敛速度和闭环表现一起抬起来了。
腾讯中山大学新方法：复杂指令不再乱序
自回归视频最怕的不是慢，而是“顺序一乱就全乱”。TempAct 把规划和执行拆开，再用分层强化学习去训，专治复杂时间指令下的语义混淆、提示切换失灵和误差传染，思路很像给视频模型配了个会排兵布阵的总指挥。
