ACM MM 2026：让超分模型学会"随机应变"？测试时自适应让模糊视频秒变清晰
视频超分模型碰到真实世界里的压缩伪影、噪点、模糊就翻车，这是老难题了。这篇论文把「测试时自适应」玩出了花：不重新训练、不要高清参考，AI模型边推理边自我调整，画质和文字清晰度都有实打实的提升。思路接地气，实验做得很扎实，值得一读。
标签：模型架构
共 307 篇
ATDEdit：图像编辑告别背景漂移，PSNR冲到27.44dB
图像编辑最怕什么？改完目标，背景也跟着面目全非。这篇ACM MM 2026论文提出ATDEdit，把扩散Transformer的采样过程改造成异步Token解码，用Token级条件惊奇在线发现"该改哪些Token"，不需要外部掩码、不需要微调，在PIE-Bench上把背景保持的PSNR推到27.44dB。方法干净、思路漂亮，值得一读。
智能体｜2026最新！一个三次项让网络永无宁日，一个锚定扫清极化
网络会不会“吵到天荒地老”？这篇论文只用一个三次非线性，就把动态极化的产生、稳定与消除讲得明明白白；最反直觉的是，只需锚定一个智能体的观点，全网振荡分歧就能收敛回共识。推导极其优雅，值得控制系统方向的同学反复品味。
Bengio团队新作：用强化学习把贝叶斯符号回归做成后验采样器
先把镜头拉远一点。物理学家手里有一堆实验数据，然后想从里面挖出一条公式——比如爱因斯坦那个 E = mc²。放在过去，这得靠灵光一现。
CVPR 2026最佳论文！Google DeepMind新作D4RT：动态4D重建效率吊打各路大神，2
Google DeepMind把动态4D重建做成了"点单式"服务：一段视频编码一次，任何时间、任何空间位置的3D坐标随查随到。200+FPS位姿估计、18-300倍跟踪提速，CVPR 2026最佳论文的含金量，龙哥带大家一探究竟。
告别手动标注！CVPR 2026论文提出PPD，让SAM提示词越战越准
为什么值得读？CVPR 2026最佳论文荣誉提名作品，把“攻击-防御”对抗博弈引入SAM提示词优化——用攻击者主动制造干扰，逼出能抗干扰的提示词优化器，全程无需下游任务标注，即插即用，医学图像上最多涨超15个百分点。思路清奇，值得一看。
CVPR 2026开源！MoCoDiff让长程运动告别漂移，风格控制刷新SOTA
运动生成界的“解耦大师”来了！MoCoDiff把文本、风格、历史信息拆成独立控制通道，在冻结扩散骨干上即插即用，长序列不漂移、风格不串味，效率还直接冲到136.89 FPS——动画师看了想点赞，研究者看了想复现。
最新FDIR：压缩图恢复不再纠结，3.5K训练图拿下7/10下游任务
JPEG一压狠了，画面就糊成一团。传统方法要么回归均值磨平纹理，要么生成式模型脑补纹理骗过人眼却坑了下游模型。FDIR用两阶段解耦把这笔“三角债”理清了，只用3.5K张图就拿下7/10下游任务领先，值得做压缩恢复的同学都看一眼。
印度团队出手：让AI Agent"不敢乱动"，F1 88.5%还能全员验证
给AI代理发工具权限就像借车给实习生——怕他乱开。Niyam-AI直接上密码学“行车记录仪+电子围栏”：每次工具调用都得先过轻量Judge模型，再生成零知识证明，F1 88.5%、误报率仅1.1%，关键是任何第三方都能在53毫秒内验证“安全检查真的发生了”。同类工作里把ZK证明用到agent工具调用验证上的，这是头一遭。
快手Kling团队新作：16 FPS实时生成多镜头连贯视频，一个模型搞定生成、参考与编辑
告别逐镜头生成的割裂感，快手Kling团队联合清华、南大提出的ContextMaster，把生成、参考和编辑统一进一个模型，在单卡上跑到16 FPS的同时，还能让角色和场景在多镜头之间保持一致。🔍 想看懂这套固定预算稀疏路由怎么在有限算力下留住完整记忆？这篇值得细读。
苹果谷歌联手开源：16B扩散模型6层线性化，推理提速1.73倍
大模型推理贵、响应慢，一直是落地最扎心的痛点。苹果、谷歌DeepMind、哈佛这次联手给16B扩散语言模型LLaDA 2.1动了场小手术：6层注意力换成线性版本，只训练约60小时就换来最高1.7倍解码加速，代码已开源。扩散模型也能线性化，这波操作值得细品。
Meta最新研究：云边协同语音增强，仅增1.5%参数提升3.77dB
戴智能眼镜开电话会，周围人声嘈杂听不清？边缘小模型算力不够，云端大模型又太慢——Meta这次让云边“组队打怪”，边缘只加1.5%参数就能蹭到云端大模型的“听力”，在64毫秒延迟下硬是把语音增强的SI-SDR拉高了3.77dB。真·云边协同新范式，值得一看。
