計算機視覺正從“看清世界”轉向“理解與交互”。隨着感知能力接近人類極限，單純追求準確率的邊際收益遞減。CVPR2026標誌着研究重點轉向：視覺成爲推理、決策與交互的中介，告別“盲目推理”，邁向自適應與隱式路徑，如多模態模型通過“思維鏈”展開邏輯。
騰訊混元團隊開源視頻生成加速方案DisCa，通過可學習特徵緩存技術，在已蒸餾的少步模型上進一步壓縮推理成本，提升生成速度。該方案代碼與模型權重已公開，並被CVPR2026收錄。
螞蟻集團在CVPR 2026 NTIRE挑戰賽中，於“複雜真實場景魯棒性樣本測試”和“人臉增強異常檢測”兩賽道奪冠。該成果有助於提升支付、內容審覈、金融認證等場景的風險識別能力。面對深度僞造與AIGC濫用加劇、檢測模型在真實場景及多模態大模型迭代中準確率不足的挑戰，這一突破爲應對提供了重要技術支撐。
在計算機視覺領域頂會之一CVPR2025上，騰訊宣佈混元3D2.1大模型對外開源，此爲首個全鏈路開源的工業級3D生成大模型，在行業內處於領先地位。 混元3D模型在知名開源社區和技術平臺Hugging Face的下載量已超180萬，開源效果獲全球開發者認可。此次升級的混元3D2.1模型在效果上有顯著提升，上傳首飾盒圖片後，生成的3D首飾盒紋理清晰、質感細膩、光影一致。在遊戲、電影、線上商城等領域，新模型可生成3D版角色、道具、產品模型。
CVPR 2024會議論文項目，用於零樣本視頻翻譯的空間-時間對應方法
fushh7
LLMDet是基於大語言模型監督的強開放詞彙目標檢測器，CVPR2025亮點論文成果
chuonghm
MaGGIe是一個用於圖像和視頻的二值掩膜引導實例感知alpha人物摳圖模型，已被CVPR 2024接收。
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
VIP會員
