4.23K参数冲SOTA！这篇水下增强把频率先验玩明白了
这篇工作最有意思的地方，不是“又加了个注意力”，而是把频率先验和重参数化卷积硬绑在一起，还尽量不增加推理成本。对超轻量水下增强来说，这种思路比单纯堆参数更像正经做工程。
标签：涨点神器
共 102 篇
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。
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。
GAN训练也能算清楚？Koc大学提出有效协方差动力学
这篇论文最有意思的地方，是把原本“玄学味很重”的GAN训练，硬生生拆成了可解的高维动力学问题。类条件、相关性、非零均值这些看起来很乱的因素，最后都被压进了一个有效协方差里，理论和实验还能对上。
ECCV 2026新作：AMG-Fuse让恶劣天气融合更稳了
这篇 AMG-Fuse 很会“借力打力”：不死磕把退化图硬修到完美，而是先用伪真值把训练方向扶正，再用掩码把每个模态该出力的地方分清楚。雪、雨、雾都能一起照顾到，还顺手把下游检测也拉了一把，属于很实用的那种新方法。
Apple Research最新论文！9位AI法官投票，有效票数竟然只有2张？
“三个臭皮匠，顶个诸葛亮”在AI评审领域失灵了。Apple Research这篇论文泼了盆冷水：你花重金请来9个顶级大模型打分，以为获得群体智慧，实际上它们只用同一种声音对你说话。这是直面当前AI测评滥用的“清醒剂”。
告别VAE解码瓶颈！让生成器自己当评委，视频对齐又快又准
继2026年6月推过AVDM2、DenseDPO等视频生成加速和对齐方法后，今天这篇城大新作PRISM，直接把视频生成模型本身变成了最懂行且最快速的“评委”。以往用大视觉语言模型当裁判，又慢又贵，还得等视频全生成完。PRISM反其道而行之，冻结生成模型，在满是噪声的潜伏空间里就能精准打分，还能在生成早期就淘汰烂片，推理提速7.6倍。这波操作，值得所有做视频生
告别零点开销！CVPR 2026提出DASQ，精度+17%功耗反降
把模型“减肥”这件事，龙哥之前也聊过不少，比如大模型量化、混搭量化之类的。但今天这篇CVPR 2026的文章视角很刁钻——它发现视觉模型权重那些看起来不对称的“坏脾气”，其实只是被少数几个“刺头”（离群点）给带歪了。把刺头一拔，底下全是规规矩矩的对称分布。于是作者干脆利落地抛弃了硬件不友好的“非对称量化零点”，搞了个密集+稀疏的二重奏。这波操作不仅精度反超了
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
模型太大跑不动？试试“循环”一下：递归缩放让6层Transformer媲美30层，参数省5倍！
拼参数时代要终结了？EPFL等机构提出递归掩码扩散模型（R-MDM），让模型在每次去噪时“循环思考”多次。仅6层循环5次的模型，效果竟吊打30层大模型，推理还快了2.7倍！这不就是AI界的“以小博大”新范式吗？
南开大学新发现：管子稍微一捏扁，球球排列竟全乱套？
把完美的圆形管子稍微捏扁那么一丁点（不到1%），里面球球的排列方式就会产生翻天覆地的变化——这是南开大学团队刚刚揭示的惊人发现。该研究不仅能解释生物体中奇怪的细胞堆积现象，更为材料设计提供了全新的手性调控思路，太有意思了！
让AI画图"指哪打哪"！STAR新方法：让奖励信号精准导航，GenEval得分飙至0.9759
以前给AI发“大锅饭”奖励，生成区域无论主次都一个待遇，难怪画出来的图总在细节上翻车。这次STAR的方法挺巧妙——直接把模型里的注意力图拿来当导航，给“画什么”和“画在哪里”的区域多发奖励。效果是真不错，GenEval飙到0.97，而且计算量几乎没增加，属于花小钱办大事的典范。
