首尔大学CVPR 2026：34Hz实时去噪，热红外图像不再“雪花飘飘”
当你把机器人放进一座没有灯光的漆黑走廊，绝大多数视觉传感器都会当场“罢工”，但热红外相机可以。只是，它拍出来的画面像蒙上了一层雪花点，还带着顽固的横条纹。首尔大学团队交出的这份答卷——TIDY，用一种极其优雅的方式把噪声“剥离”了出来，纯靠小波域的数学之美，让热成像实现了前所未有的清晰。
视觉与图像
共 793 篇
NUS新方法给VLM配探照灯：GPT-4o、Gemini看图提升2-6个点
你遇到过吗？让VLM读个图表或者扫描PDF，模型说得头头是道：“我要先看y坐标然后对比...”结果最后答案错得一塌糊涂！ 这不是推理能力不行，是 证据没入眼 。今天聊的NUS新研究SPOT-E，用一招「熵塑形」给VLM搭了个探照灯，冻结主干模型不用训，直接让GPT-4o、Gemini看图能力上一个台阶～
上海交大最新研究：多设备智能体执行失败，真的不用全局重规划？
多设备协同的AI智能体，一张发票报销就能牵扯出手机、电脑、多个在线系统。一旦CPU烧了、网络崩了，传统方案就是粗暴“全部重来”。上海交大这项研究告诉你，根本不需要！分层恢复，小毛病本地解决，大毛病再上全局判断，这才是智能体该有的“情商”。
告别模糊！频域隐式高斯泼溅让浓雾图像秒变高清，PSNR猛涨
单图去雾一直面临“高频细节丢失”和“物理模型不准”两大难啃的骨头。重庆大学与清华大学合作，将现在大火的3D/2D高斯泼溅改造为一种“隐式”范式，在特征域的频域空间里做文章，还顺手补上了物理模型的短板。这篇工作在多个基准上拿了SOTA，看完之后你会感叹：原来高斯泼溅还能这么玩？
DeepMind最新警告：AI越强越不合作？揭秘“唯我论”超级智能的隐患
DeepMind终于出手，这次不谈算力，不聊模型，而是直接戳中了整个AI领域的“灵魂痛点”——我们的AI，从根上就不懂合作。这篇论文像一盆冷水，泼醒了还在疯狂堆数据、跑benchmark的各位同行。它告诉我们，超级智能的关键不在于“多强”，而在于“多合群”。不适合在“唯我独尊”的范式下闭门造车的研究者都该读读。
告别“似是而非”，StyleDoctor一招提升风格一致性50%
AI画画火了这么久，但你有没有发现，让它“精准复刻”某种画风，比如水墨、印象派、卡通，结果总有点“似是而非”？ 核心问题在于，现有的“人类偏好奖励模型”能判断美丑，却根本不懂“风格”这回事。CVPR 2026的这篇StyleDoctor，就像给AI配上了一位严格的“美术史教授”，专门用来评估和引导风格生成。这项工作还配套了一个涵盖1000种风格、40万对样本
马克斯普朗克研究所最新研究：一个正则化同时搞定表征崩溃与行动对齐！
同类工作里，防止表征崩溃的招数多得让人眼花缭乱：要么冻结编码器、要么上EMA、要么加各种复杂的正则项。而这篇文章用一个逆动力学预测就把问题解决了——既防止了表征崩塌，又顺带让模型只关注环境中“可控”的部分，堪称一举两得。实验还揭示了学习到的潜在空间竟能如此优雅地保持世界状态的结构，读来令人茅塞顿开。
东南大学最新研究：噪声放大一招制敌，AI生成视频检测准确率飙升至91.92%！
AI视频生成已经卷到真假难辨，有时肉眼都看不出来，但算法放大招了！东南大学这篇工作另辟蹊径，不跟生成模型硬刚画面，而是从数字图像的“底层逻辑”——位平面入手。简单说，就是把视频拆成最细的“基因”片段，把AI留下的蛛丝马迹放大、再放大，然后交给分类器。效果相当炸裂，在标准测试集上直接甩开所有现有方法一大截，还顺手建了个专门为难检测器的数据集，真·专治各种不服。
渲染新定义：分离信息率失真框架，骨架重建精度99.9%
当我们看图时，真正读到的究竟是像素，还是图中物体间“分离”或“重叠”的逻辑关系？这篇2026年6月的论文，从信息论角度彻底颠覆了“渲染=画得像”的传统认知。它将场景的几何分离关系视为一个待传输的“信源”，把渲染过程建模为一个噪声信道，并用手性证书的理论给出了一个优雅的率失真框架。一句话总结：这是渲染与几何信息论的一次清新跨界，看完忍不住想鼓掌。
CIAN框架让AI读图秒懂新闻背景，三步流水线包揽检索生成润色
模型再强，看图说话也常常只说“表面现象”。今天介绍的CIAN框架，给AI装上了“新闻检索”和“故事叙述”能力，让它能闭着眼睛（不是）看清照片里的时间、地点和人物关系。想知道怎么做到的吗？让我们一探究竟。
告别“走一步看一步”！GraphWorld让自动驾驶学会用潜世界模型“预判未来”
现有的端到端自动驾驶方法大多“走一步看一步”，缺乏长远预判。本文提出的GraphWorld，用潜世界模型为车辆装上“预知眼”，不再生成昂贵的未来视频，而是将交互关系压缩成紧凑的潜世界状态，大幅提升6秒长时域规划的精度和安全性，碰撞率直接砍半。论文已被CVPR 2026接收。
从手工到全自动：Vines-DB数据集让藤蔓冠层测量告别ImageJ
在2026年6月推送过ETH利用AI预测小麦3D体积的方法后，这次犹他州立大学团队直接放了个大招：一个专门为观赏藤蔓植物打造的、高精度实例分割数据集Vines-DB。这就像给AI配了一本植物图谱，让机器学会精准识别和量化每一片藤蔓的覆盖面积。别小看这个数据集，它可是从168株藤蔓里，带着人工标注的边界框和分割掩码，一点一点抠出来的。想搞精准园艺？没这个数据集
