计算机视觉正从“看清世界”转向“理解与交互”。随着感知能力接近人类极限，单纯追求准确率的边际收益递减。CVPR2026标志着研究重点转向：视觉成为推理、决策与交互的中介，告别“盲目推理”，迈向自适应与隐式路径，如多模态模型通过“思维链”展开逻辑。
腾讯混元团队开源视频生成加速方案DisCa，通过可学习特征缓存技术，在已蒸馏的少步模型上进一步压缩推理成本，提升生成速度。该方案代码与模型权重已公开，并被CVPR2026收录。
蚂蚁集团在CVPR 2026 NTIRE挑战赛中，于“复杂真实场景鲁棒性样本测试”和“人脸增强异常检测”两赛道夺冠。该成果有助于提升支付、内容审核、金融认证等场景的风险识别能力。面对深度伪造与AIGC滥用加剧、检测模型在真实场景及多模态大模型迭代中准确率不足的挑战，这一突破为应对提供了重要技术支撑。
在计算机视觉领域顶会之一CVPR2025上，腾讯宣布混元3D2.1大模型对外开源，此为首个全链路开源的工业级3D生成大模型，在行业内处于领先地位。 混元3D模型在知名开源社区和技术平台Hugging Face的下载量已超180万，开源效果获全球开发者认可。此次升级的混元3D2.1模型在效果上有显著提升，上传首饰盒图片后，生成的3D首饰盒纹理清晰、质感细腻、光影一致。在游戏、电影、线上商城等领域，新模型可生成3D版角色、道具、产品模型。
CVPR 2024会议论文项目，用于零样本视频翻译的空间-时间对应方法
fushh7
LLMDet是基于大语言模型监督的强开放词汇目标检测器，CVPR2025亮点论文成果
chuonghm
MaGGIe是一个用于图像和视频的二值掩膜引导实例感知alpha人物抠图模型，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会员
