小周同学的CtrlCV研记

摘要： 一、趋势 ① 简单介绍： CVPR 2026 的分割方向共收录多篇相关论文，覆盖从基础模型适配、弱/无监督、视频时序、3D 与跨模态，到遥感、医学、特殊模态与评测基准的全谱系，是收录量最大的视觉子方向之一。整体呈现出「底座通用化、监督轻量化、场景极端化」三条主线。 ② 基础模型成为「分割操作系统」， 阅读全文

摘要： 一、趋势 ① 简单介绍 CVPR 2026 图像生成方向共收录 447 篇（约占全会议生成式视觉的一半），整体已从“能否生成”跨入“可控、高保真、可对齐、可溯源”的阶段。扩散模型仍是绝对主干（约 50% 论文提及），但骨干正从 U-Net 迁移到 DiT/Transformer，并出现流匹配（Flo 阅读全文

摘要： 一、趋势 ① 简单介绍 CVPR2026 的 3D 视觉方向共收录并解读 156 篇论文，覆盖从底层几何表示、重建渲染，到生成式 3D、场景理解、SLAM 与机器人具身的完整技术栈。它不是独立小方向，而是连接「感知—重建—生成—理解—行动」的中枢，也是大模型化、实时化浪潮中最先被「重做一遍」的视觉子 阅读全文

摘要： 一、趋势 ① 简单介绍：目标检测正在从“设计专用网络去拟合固定类别表”转向“以冻结的视觉 / 语言基础模型为底座，通过对齐、提示、检索与推理把它改造成检测器”。今年的主导叙事是开放词表 / 通用检测、零 / 少样本异常检测、以及多模态（事件 / 红外 / 雷达 / 点云）、3D 与视频时序感知的全面 阅读全文

摘要： 核心目标 医学影像的核心目标是用计算机视觉方法，从 MRI/CT/超声/X 光/病理切片/内窥镜视频等医学影像中自动完成分割、检测、重建、诊断与预后，在不加重医生负担、不乱用敏感数据的前提下，提升诊疗的效率、精度与可及性。 一、趋势 · 四个方向与意义 ① 简单介绍 CVPR 2026 医学影像方向 阅读全文

摘要： 自监督学习（SSL） 与 表示学习（Representation Learning） 这一大类，核心目标是 不依赖或极少依赖人工标注，从图像、视频、点云、信号等数据中自动学到可迁移、可泛化的视觉/多模态表征。 一、趋势 自监督与表示学习是当前视觉乃至多模态大模型的"发动机"。这次在2026CVPR的 阅读全文

摘要： 我是小周同学，控制工程方向的研究生，平时在「控制 + 计算机视觉」这条线上做研究。今天在博客园开博，这篇算新人报道。 先说名字。Ctrlcv研记 Ctrl 是 Control（控制），CV 是 Computer Vision（计算机视觉），就是我研究方向的缩写。控制打底，视觉往上叠，两条线拧在一起。 阅读全文