复旦等提出ICWM：先探一探再控制
这篇论文把机器人“换视角就失忆”的老毛病，改写成一个系统辨识问题：先随机探一探，再把这段互动当上下文喂给模型。简单粗暴，但很对路，仿真和实机都给出了不错的增益。
视觉与图像
共 793 篇
加州理工新框架FAPS：首个统一函数空间回归与PDE逆问题的后验采样器，推理快1.7倍
从稀疏采样到全局推断，这是科学计算与AI交叉领域最迷人的难题之一。加州理工团队提出的FAPS，巧妙地用流匹配先验“包”住了后验采样，不仅统一了函数回归和PDE逆问题，还在推理阶段降本增效。更关键的是，它不需要显式评估先验密度，且能无缝对接不同查询网格，切切实实把理论转化成了实用工具。
光场去噪新范式！印度理工用LSH稀疏注意力，参数更少、性能反超SOTA
光场去噪一直是个难题：数据大、维度高、噪声还独立于视图。印度理工学院这次用LSH稀疏注意力，把整个4D光场直接当作一个整体来做全局交互，不仅性能全面超越SOTA，参数量和推理速度还更优。在图像去噪领域，这种“大一统”的思路相当值得关注。
生成AI老“画”不对？浙大新方法GAZER：让自回归模型在生成中“自纠错”，无需重新训练！
生成AI经常“画不对题”？这可能是顶尖模型也无法避免的“语法错误”。浙大联合山大的GAZER，不走寻常路，它不重训模型，而是在生成过程中，让模型自己扮演“质检员”，通过多模态大模型“复盘”草稿，发现错误后“回炉重造”，简单一招就让图像和视频生成的语义对齐效果显著提升。同类工作中，GAZER切中了核心痛点，非常值得一看！
纽约大学联手清华造百万级手语视频！3DGS+扩散模型，翻译模型鲁棒性飙升
手语翻译模型的顶级论文通常都在干净、正面的数据集上刷分，一到真实世界的侧拍、杂背景、陌生人就瞬间“原形毕露”。纽约大学联手清华大学，直接搬出3DGS和扩散模型，搞了个百万级增强数据集SignNet-1M，专门给模型做“抗压训练”，翻译质量飙升，鲁棒性不降反升。这条路子，值得所有做多模态和鲁棒性研究的同学重点关注！
中国电信&西安交大最新SOTA！InteractiveAvatar：实时流式生成，视频头像也能听懂你的话
能让数字人听懂你说话的“套路”来了！InteractiveAvatar不仅能把语音转成视频，还能理解“看一下手表几点了”这种复杂意图，并做出相应动作。在长达数分钟的无限流式生成中，画面一致性还吊打一众对手，实时推理速度更是达到26.68 FPS。
多伦多大学最新研究：黑暗中的3D重建，信噪比低于-4dB也不怕！
黑暗环境下的3D重建一直是计算机视觉的"禁区"——常规的SfM管线在低信噪比下直接崩溃。多伦多大学带来的Dark3R另辟蹊径，通过教师-学生蒸馏把MASt3R这类3D基础模型"教会"在黑暗中看清世界，仅需噪声-干净RAW图像对训练，无需任何3D真值监督。看过的龙迷都直呼"真不错"！
扫地机为啥老让你猜谜？最新研究教你机器人“说人话”
LED灯闪和机器人又扭头又说话，你更信哪个？这篇论文竟然在德国博物馆实地“抓”观众来做实验！结果既在意料之外，又在情理之中——视频里看着很清晰的信号，一到真实世界，效果直接打对折。下次家里扫地机对你狂闪红灯，你可要仔细琢磨一下它到底想干嘛了！
Meta最新研究：一张照片就能生成4D人-物交互动画，效果效果优于单令牌方法！
只需一张图片，就能精准控制4D人-物交互动画中的姿态、接触、布局细节。Meta联合马普所、阿姆斯特丹大学等机构提出的IMAGIN-4D，用“空间-时间”双重解耦的图像条件化策略，把生成图像遵循度指标直接砍半。同类工作做视频生成，它做4D交互，效果惊艳。
语音增强新范式：FiLM注入SSL特征，实时也能做到
还在为扩散模型生成的语音不够自然、遇到噪声就“懵圈”而头疼吗？马里兰大学团队这次直接把自监督学习的“语言学耳朵”——Wav2Vec2，装进了扩散模型的U-Net里。效果拔群，PESQ直接飙升0.4，让AI在降噪时更懂你说的是什么，而不是无脑涂抹。
小米最新研究：RS-Gen让AI绘图告别“翻车”，逻辑推理+实时搜索，效果直逼闭源
让AI画个"某品牌最新概念车"？传统模型直接摆烂。小米团队提出的RS-Gen，专治AI绘图的"知识盲区"和"逻辑短路"。它像个聪明的项目经理，把复杂任务拆解成"先查资料、再想思路、最后画图"，关键是不用重新训练模型，即插即用。在WISE基准上，直接把通义千问的基线模型从0.51拉到0.823，效果直逼商业闭源模型，这波开源社区赢麻了。
端到端自动驾驶：22小时适配变0.9小时，且零在线交互
端到端驾驶系统有个“隐形痛点”：车厂不断升级感知模型，可下游的决策策略一旦重训就是天价成本。上海交大这篇论文直接点题：不重训策略，就用一个轻量“拼接层”把特征空间对齐回来！效果扎实，跨域场景下驾驶分数从34.76飙到89.88，而适配时间从22小时缩到1小时以内。这思路特别实用，喜欢搞工程落地的朋友别错过。
