Empa+ETH最新研究：569样本筛出钙钛矿发光黄金窗口
这篇工作最有意思的地方，不是“又做了一个钙钛矿筛选”，而是把材料发现做成了可复制的流水线。569个样本、自动化表征、再加上一个能直接指导发光优化的光学指纹，工程味很足。
标签：数据集
共 112 篇
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。
第一视角人机交互新基准：20段数据测出跟踪真相
这篇论文不玩虚的，直接把“社交机器人到底该盯脸还是盯身体”拉出来做了系统评测。更有意思的是，ReID 对身体跟踪是加分项，对脸跟踪却可能是减分项，结论挺反直觉。
CORTEX来了：3D胸部CT推理首次变成可验证结构
这篇工作最有意思的地方，不是又做了一个医疗问答集，而是把“医生怎么想”这件事拆成了能检查、能打分、能复核的结构。对3D胸部CT来说，这比只看最终答案靠谱多了。
北大+中科院提出PhysRAG：7K视频让生成更守物理
这篇 PhysRAG 很像给视频生成模型塞了个“物理常识外挂”：先把训练数据洗干净，再把物理参考视频检索进来，用可学习查询提炼成真正有用的先验。结果不是只会“看起来像”，而是开始“物理上像”。
纽约大学联手清华造百万级手语视频！3DGS+扩散模型，翻译模型鲁棒性飙升
手语翻译模型的顶级论文通常都在干净、正面的数据集上刷分，一到真实世界的侧拍、杂背景、陌生人就瞬间“原形毕露”。纽约大学联手清华大学，直接搬出3DGS和扩散模型，搞了个百万级增强数据集SignNet-1M，专门给模型做“抗压训练”，翻译质量飙升，鲁棒性不降反升。这条路子，值得所有做多模态和鲁棒性研究的同学重点关注！
多伦多大学最新研究：黑暗中的3D重建，信噪比低于-4dB也不怕！
黑暗环境下的3D重建一直是计算机视觉的"禁区"——常规的SfM管线在低信噪比下直接崩溃。多伦多大学带来的Dark3R另辟蹊径，通过教师-学生蒸馏把MASt3R这类3D基础模型"教会"在黑暗中看清世界，仅需噪声-干净RAW图像对训练，无需任何3D真值监督。看过的龙迷都直呼"真不错"！
IIT Indore新作：摄像头测呼吸，不再"看肤色下菜碟"！MAE直降42.1%
传统摄像头测呼吸，一到深肤色就"翻车"——信号弱、噪声大，原因在于方法"一刀切"，不懂因肤制宜。IIT Indore这篇ELITE-RR，用肤色感知投影+运动信号去噪+双表征对比学习，三招齐下，把呼吸率估计误差直接砍掉42.1%，还开源了首个印度族裔呼吸数据集。方法设计干净利落，实验全面无死角，干货满满，值得一读！
Apple最新研究：10个标注员就够了！KL散度饱和曲线给出标注预算最优解
苹果最新研究揭示了一个没人细想过的问题：收集标注时，花了钱不等于拿到了“对”的信息。KL散度和熵相关性对标注数量的要求天差地别。更扎心的是，免费的标签平滑无法取代标注员提供的“物品特有不确定性”信号。这篇文章会让你重新思考数据标注的预算分配，获得实实在在的降本增效理论基础。
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。
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
东南大学最新研究：噪声放大一招制敌，AI生成视频检测准确率飙升至91.92%！
AI视频生成已经卷到真假难辨，有时肉眼都看不出来，但算法放大招了！东南大学这篇工作另辟蹊径，不跟生成模型硬刚画面，而是从数字图像的“底层逻辑”——位平面入手。简单说，就是把视频拆成最细的“基因”片段，把AI留下的蛛丝马迹放大、再放大，然后交给分类器。效果相当炸裂，在标准测试集上直接甩开所有现有方法一大截，还顺手建了个专门为难检测器的数据集，真·专治各种不服。
