ECCV 2026南开新作：像素看不清？超像素来救！7M参数横扫雨雪雾
恶劣天气下的图像恢复，难点从来不在“去除”而在“组织”——雨雪雾在空间上分布极不均匀，而现有状态空间模型（SSM）却用固定轨迹逐个像素扫描，总把语义冲突区域硬凑成一段。南开大学等机构提出SSR，把扫描粒度从像素提升到超像素，让状态沿着语义边界“顺流而下”，再配合区域级门控做通道校准，参数量仅7.05M，却在六个基准上刷新了SOTA。思路干净，性价比极高，值得
视觉与图像
共 717 篇
Yann LeCun新作｜视频预训练算力暴降20倍，丢掉95%Token反而更强
Yann LeCun参与的最新视频预训练工作，把JEPA家族的防坍塌机制全砍了，只用单一编码器加SIGReg正则，预训练算力直接降到原来的二十分之一，甚至95%的token随机丢掉反而精度更高。视频预训练终于不再是算力大户的专属游戏，这篇值得所有做视觉自监督的读者细读。
告别一键硬修！SuperSharpen把盲去模糊变成“手动挡”，细节更真实
这篇工作把扩散模型去模糊从“一键生成”变成了“手动调档”，引入了类似音量旋钮的模糊度量（BM），让用户自己决定要锐化多少、生成多少细节。还实打实对比了ControlNet适配和全量微调两条路线，结论清晰，落地感强，值得做图像恢复和摄影后处理的朋友读一读。
卢森堡大学新研究：太空机器人没奖励信号也能自学修复，60分钟见效果
太空机器人一旦硬件故障，传统强化学习就抓瞎——因为真空中根本算不出奖励信号。卢森堡大学这篇工作把世界模型玩出了新高度：预训练阶段把奖励函数"记住"在隐空间里，部署后冻结奖励预测器、只更新转移动力学，60分钟无监督数据就能让机器人自我修复。三大任务、代码开源、效果诚实不吹牛，值得一读。
5张人脸见证：GAN引导扩散PSNR提升4.40dB
GAN快但不够稳，扩散稳但太磨叽，这俩能不能别打架、搭个伙？本文给出了一个简单又实用的答案：把冻结的WGAN-GP中间特征当“导师”，用交叉注意力喂给扩散U-Net，在CelebA人脸去噪上直接涨了4.40dB。方法不复杂，但对混合范式感兴趣的读者值得一读。
马普所PhysHead：给数字人装上“仿真头发”，风吹发丝不再僵硬
现在的数字人头像，脸可以以假乱真，头发却像顶了个头盔——怎么晃都是死的。马普所等机构提出PhysHead，把头发拆成一根根发丝并接入物理引擎，让头像在点头、转头甚至刮风时，头发真的会飘。顺便还借大模型把“秃头版”训练数据造了出来，细节拉满。
机器人看懂房间的起点：伯克利用HHA编码让检测AP提升56%
先花十秒钟想一个场景：一台扫地机器人走进一个从来没去过的房间，它需要知道哪里有桌子、哪里有椅子、哪个是垃圾桶，最好还能知道每件东西具体占了多大面积——注意，是像素级的轮廓，不是一个框就算完。
拒绝内卷！北大CVPR 2026新作ExtrinSplat：3D语义理解不嵌特征，存储直接砍到MB级
3D高斯泼溅遇上开放词汇理解，过去大家往点云里硬塞特征，结果存储爆表、边界糊成一片。北大这篇CVPR 2026新作反其道而行，把几何和语义彻底解耦，用VLM生成文本假设做外置索引，直接让特征存储从GB级砍到MB级。思路清奇，落地极香，值得一读！
西交&中大MICCAI 2026：死后组织“生前还原”，专家盲选23.81%胜出
法医病理误判的潜在风险，被一次脑洞大开的「图像翻译」给盯上了。本论文首次把薛定谔桥搬进死后自溶恢复，不搞像素级配对，直接学分布映射，还建了首个真实数据集AutoPath。更狠的是，它证明FID这类老牌指标在诊断场景里可能「帮倒忙」——专家盲评和滑片级诊断一致性，才是硬通货。
MuJoCo三族机器人参数全变，看清华如何让世界模型不发懵
换根连杆、改个质量，世界模型就“失忆”？清华这项研究把机器人形态参数和可复用动力学分开建模，让世界模型在没见过的新参数下也能零样本预测和规划。想搞机器人泛化的，这篇值得一读。
同济开源AfordAny：单张照片搞定3D功能定位，473类基准领跑
单张照片就能告诉机器人“杯子把手在哪、椅子坐哪里”？同济大学与中科院最新开源AfordAny，把开放世界3D功能定位做成了端到端流水线，473类基准直接拉满。
五种姿态估计器实测短跑：RTMPose-M平均6.99度成黑马
跑姿分析一直被认为是专业实验室的专利，动辄几十万的设备劝退了大多数人。这篇论文用五个成熟姿态估计模型+后处理，把髋膝关节角度估测误差压到5.3°，还配套了网页演示平台，属于典型的低成本高性价比工作，做运动科学和姿态估计的朋友值得一读。
