CVPR 2026新作PDD：医学异常检测最高提11.8%
医学异常检测最难的，不是模型会不会“找茬”，而是能不能在复杂解剖结构里别把正常组织也当成坏人。PDD的思路很直接：先把全局与局部先验拧成一股绳，再让两个学生学出差异化能力，确实比单流派蒸馏更像回事。
标签：图像分割
共 63 篇
哈工大深圳新框架：医学分割从三套系统变一套
医学分割最难的不是“切得准”，而是“接口太多”。这篇论文把视觉示例、点框交互、文本指令和2D/3D影像统一到一个Transformer序列里，思路很硬，工程味也很足。
无须逐帧标注！自监督时序正则让心脏分割更稳，还能自动映射AHA 17段
这篇工作最有意思的地方，不是又把心脏分割做高了几个点，而是它盯住了一个常被忽略的老毛病：同一个心脏在连续帧里不该“人格分裂”。再顺手把AHA 17段自动映射接上，临床味道一下就出来了。
DiSIINet来了：扩散模型把医学增强和分割绑一起
医学影像里最烦的事之一，就是图像又糊又吵，分割还得硬上。DiSIINet干脆把增强和分割绑成一对“互相打辅助”的双分支扩散模型，思路顺，结果也扎实。
UTTO来了：只用深度做3D开放词汇分割，隐私和精度能兼得吗？
机器人和室内感知一边想“看懂世界”，一边又得守住隐私底线，这事儿一直挺拧巴。UTTO的思路很直接：既然不能看RGB，那就把不确定性当线索，专门修那些“看不稳”的点。
单目预训练+3D蒸馏，GeoLaV冲上SOTA
这篇论文最有意思的地方，不是又堆了一个更大的视频模型，而是反其道而行之：先拿单张图做几何预训练，再把3D教师的结构先验蒸馏进去。结果很直接——图像数据也能学出视频所需的空间一致性，最后还在多个基准上冲到SOTA。
CVPR经典Mask R-CNN：FAIR开源实例分割基线
这篇论文把“先找框、再抠图”做得特别顺手：Faster R-CNN 负责定位，Mask 分支负责像素级分割，RoIAlign 负责把坐标对齐。看起来只是加了个小分支，结果却把实例分割这门活干得又快又稳。
Harvard新数据集SemanticVessel：CTA脑血管标注一下扩到360例
这篇工作最有意思的地方，不是单纯“多标了点血管”，而是把动态4D-CTA变成了半自动标注流水线。更妙的是，它明确告诉模型：没标出来的血管，别急着当背景埋了。
CVPR 2026思路很新：EVIS把视频分成事件再分割
视频里常常不止一个事件，硬把它们当成“一锅粥”来分割，模型就容易看花眼。EVIS干脆先把视频拆成简单事件，再一段一段对齐文本，思路挺顺手。
Jaccard 0.8546：皮肤病灶分割的多级融合方案
这篇文章把扩散模型、双路径编码和跨层特征融合揉到一起，专门对付皮肤病灶那种“边界糊成一锅粥”的老难题。实验结果也挺硬，三个公开数据集上平均Jaccard和Dice都很能打，值得看看它到底怎么把病灶边缘抠细。
SAM2Matting零样本SOTA：视频抠图不用再靠昂贵标注
SAM2Matting把“跟踪”和“抠图”这对老搭档拆开干活，思路很干净。更离谱的是，它只用图像训练，却能在视频抠图上打出零样本SOTA，属于那种看完会想拍桌子的设计。
CVPR 2026接收！QR-Prompt把残差变提示，少样本增量学习性能飙升
少样本增量学习（FSCIL）一直是个“鱼和熊掌”都想兼得的难题，既要记住旧知识，又要快速学会新类别。CVPR 2026的这篇QR-Prompt，把VLM的残差特征做成“小纸条”，既稳定又灵活，在三个基准数据集上都刷了新SOTA。对于搞小样本、增量学习的朋友，这篇是必读品了。
