UCF-101上VideoRAE刷新SOTA：离散40、连续93
这篇论文最有意思的地方，不是又做了一个视频自编码器，而是把“只会理解”的冻结视频基础模型，硬生生改造成了能重建、能生成、还能加速训练的通用视频潜空间。更妙的是，它把连续和离散两条生成路线都打通了，工程味很足。
标签：损失函数
共 24 篇
CVPR 2026风格新作RFMSR：超分辨率不再从噪声硬冲
这篇论文最有意思的地方，不是又堆了一个大模型，而是把超分辨率的“起跑线”往前挪了一步：不再从纯噪声出发，而是让低质图像自己带路。再加上两阶段训练，既能单步快跑，也能多步细修，工程味很足。
NVIDIA离散扩散新作：1024文生图冲上SOTA
NVIDIA 这篇没有走“越大越强”的老路，而是盯着离散扩散最烦的两个痛点下手：不会自我修正、词表一大就学不动。结果很直接，1024 分辨率文生图拿到 SOTA，训练还更省显存。
NeurIPS 2026新作：扩散模型换个散度，30%污染下FID直降15点
扩散模型最怕的不是算力，而是数据里混进来的“脏样本”。这篇论文很实在：不改大结构，只把去噪损失换成散度诱导的加权形式，就把鲁棒性做出来了。
暴露偏差也能自救？清华华为新方法把Flow Matching拉回正轨
训练看起来很“正经”，推理却偷偷跑偏，这就是 Flow Matching 里最烦人的暴露偏差。DEFAR 的思路很妙：不把偏差当噪声硬压，而是把它当反馈信号，让模型自己学会纠偏。
2026最新DFM：不用只靠生成，变化描述也能更会看图
遥感变化描述最烦的，不是模型不会看图，而是太爱“说套话”。这篇DFM专门盯住这个毛病：用文本引导的对比学习把视觉特征往“该说的变化”上拽，再拿变化检测先验补一脚，思路很工程，也很对症。
语音质量评估告别瞎猜：DNSMOS-C把表示空间理顺了
这篇论文很像给语音质量模型做了一次“脑内整理术”。它没堆更大的编码器，而是在DNSMOS Pro里塞进对比学习，让模型自己把“好听”和“难听”在潜在空间里分开，思路干净，效果也稳。
WACV 2026新作：DCH-RealSR三阶段对齐，真实超分再涨2.04dB
这篇论文最有意思的地方，不是又堆了多少花活，而是把盲超分最容易被忽略的“分布对不齐”拎出来狠狠干了一顿。三阶段对齐思路很朴素，但对真实相机数据确实有效，适合想看“训练协议怎么影响结果”的读者。
南方科技大学最新研究：室内占据预测告别体素分类，32个基元效果优于SOTA，速度3.7倍
室内占据预测，传统方法要么算得慢，要么基元浪费。南方科技大学这篇FLM-Occ，直接把问题换个角度定义——从分类变成估计分布，用最大似然训练。结果呢？只用32个基元，精度超越SplatSSC的1200个，速度还快了快4倍！这思路，有点东西。
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。
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。
重庆大学新作：高斯泼溅硬塞进Transformer，无监督低光增强SSIM飙至0.926
重庆大学这波操作有点东西！在低光增强领域，无监督方法最头疼的就是复杂非均匀光照下的局部过曝/欠曝和颜色偏色。这篇论文干脆把高斯泼溅的连续光场表示当成“物理先验”硬塞进Transformer的自注意力里，让模型在增强时能“看懂”光照的物理结构，而不是在黑盒子里瞎猜。PSNR和SSIM在LOL等数据集上直接登顶，视觉修复效果图看着是真的解压。
