CVPR 2026斯坦福新作：一张图推演3D世界，碰撞也能预测
斯坦福在CVPR 2026交出的这份P3Sim答卷，把"世界模型"从玄学拉回了工程：概率图模型+自回归Transformer+几何条件化，三大件拼出一个能从单张图推演3D物理变化的模拟器。新视角合成在SEVA基准上RE10K达到21.54的PSNR，3D物体操作在3DEditBench上PSNR冲到23.12。7月底刚聊过同团队PhyWM，这篇更像是把"懂物
视觉与图像
共 717 篇
最新研究：零样本免训练图像篡改定位，AUC高达0.839
图像取证是典型“平时用不上、出事就救命”的技术。这篇论文不依赖训练数据、不查设备指纹库，仅凭单张可疑图像就能定位篡改区域，RTD数据集上AUC达0.839、IoU 0.725，多项指标领先同类方法。做内容安全、多媒体取证的朋友值得一读。
明尼苏达大学CM-RED：4步MRI重建，效果亮眼1000步扩散模型
扩散模型做MRI重建效果好，但动辄几百上千步的迭代采样让临床落地遥遥无期。明尼苏达大学这篇CM-RED，把一致性模型塞进RED优化框架，4步出图，PSNR/SSIM全面超越1000步的DPS和100步的DDS，计算量直降25—250倍。生成式MRI重建的“速度焦虑”，这次是真的被治好了。
电子科大等提出FreqDiff：频域扩散让四大基准16项指标全面SOTA
想象一个场景：某情报分析系统正在滚动监测全球事件流，屏幕突然弹出一条提示——“未来一周，A国可能与B国启动贸易谈判”。
CVPR 2026！人大&清华R²VLM：长时程任务进度估计MAE骤降92%
史上最亮伽马暴GRB 221009A飞过天际时，IXPE用了三天才转过头，偏振只能给出一个上限；而规划中的EXPO能在约50秒内自主重指向，把"上限"变成"精度"。这篇文章讲的就是这台把X射线偏振能段拓宽4倍、重指向快8000倍的下一代空间天文台。
告别每步都算谱分解！Meta让Muon在15B DiT上跑出性价比
训练扩散Transformer最烧钱的不是模型，而是优化器？Meta这篇新作把Muon优化器从1.3B一路验证到15B，生成质量稳定赢过AdamW最高19.1%，又用「周期性行式」设计把优化器通信量砍掉66.7%。质量不掉、速度反超，训练成本敏感的同学值得细读。
分割精度大涨10个点？被引1647次的UC Berkeley经典只用一招
这是一篇被引1647次的深度学习经典之作。当所有人都在用CNN最后一层特征时，UC Berkeley团队提出“超列”表示，将多层特征融合用于像素级定位，在分割、关键点、部件标注三大任务上全面领先，至今仍是多尺度特征融合的思想源头。
Apple最新研究：视频推理不再"画未来"，延迟降5倍+
这篇来自Apple的新研究直接把“视觉思维”做进了训练：模型在训练时预测未来帧的潜在表示，推理时不再生成中间图像，端到端延迟比显式视觉CoT降低5倍以上，同时在6个评测设置上稳定超越纯文本后训练。对视频理解、实时预测和统一多模态模型感兴趣的同学值得细读。
巡检顺序、传感、轨迹一次选完，新框架30秒搞定
当离散路径选择和连续轨迹优化纠缠在一起，传统方法常在无限解空间里迷路。这篇最新论文把Steiner旅行商问题搬进凸集图，用统一分支定界把访问顺序、传感模式和连续轨迹一次打包，180个基准实例30秒内全部找到可行解，还自带ε-最优性证书。搞机器人自主规划的同学值得读一读！
抛弃端到端！这个医学影像智能体让AI终于分清肝脏脾脏左右
先问大家一个问题：如果你是一个放射科医生，看到一张腹部CT片子，有人问你“肝脏在脾脏的左边还是右边？”，你会怎么回答？
腾讯中科大新研究：关节物体重建不用猜类型，螺旋关节误差骤降98%
关节物体重建一直是机器人操作里的硬骨头，以前的方法要么依赖关节类型先验，要么遇到螺旋关节就翻车。REArtGS++ 直接拿两张不同状态的多视角 RGB 照片，就把零件级网格、关节参数一起端出来，螺旋关节误差比之前最好的方法降了一个量级，单卡 4090 只要 20 分钟，值得一读。
2B小模型效果优于GPT-4oMIT/IBM开源150万图表数据集
图表理解长期卡在数据上：规模小、模态不全、代码缺失。MIT、IBM联合开源ChartNet，150万张图表、24种类型、6种绘图库，五种模态完全对齐，居然让2B小模型在图表重建、数据提取上超越GPT-4o，这数据质量有点东西。
