Multiphase-Diff通过扩散模型生成高对比度多相物理系统样本，显著提高物理和分布一致性。
Yining Huang, Zhenyu Liang
本研究提出深度限制的连续学习框架，分析不同编码器-解码器区域的遗忘机制，关键在浅层编码器和深层解码器。
Amal Saqib, Tausifa Jan Saleem, Numan Saeed 等
AutoDesign通过元-harness优化框架，递归提升长远目标下的多模态设计质量，关键指标78.32分。
Yaxin Luo, Haobin Jiang, Jialv Zou 等
PlayWorld通过多模态代理玩家评估171个场景中的长远目标，揭示现有世界模型在空间一致性和状态持续性方面的不足。
Kaixin Ding, Xi Chen, Minghong Cai 等
提出基于自组织映射的TabSOM，将特征空间映射为图像，提升表格数据深度学习性能与可解释性。
David Chushig-Muzo, María Ángeles Rodríguez de Cara, Eva Milara 等
提出RippleNet，基于局部微分信号实现AI生成图像检测，提升跨生成模型的泛化能力。
Jiazhen Yang, Ruijin Jin, Junjun Zheng 等
StateFlow利用结构化3D世界状态模型，通过三阶段构建、演化和访问，实现高质量预可视化，增强可控性与迭代能力。
Yuyang Yin, Zixiang Li, Longxuan Deng 等
提出“Agentic Self-Improvement”框架，通过双阶段优化显著提升图像到视频生成的语义一致性和控制性，优于无指导方法，偏好率达69%。
Aman Tyagi, Hemanth Boinpally, Jonathan Chen 等
提出HAMP-LIC，基于Hessian的混合精度后训练量化，提升图像压缩模型压缩比至4.85倍，BD率仅0.59%。
Yuefeng Zhang
提出GAS框架，通过解耦预测增强视觉理解，无推理开销，提升感知与空间理解。
Zhongbin Guo, Jiahao Xie, Dongling Xiao 等
引入元检测强化学习，结合可验证的时间定位，提升AI生成视频的检测准确率，实验证明在ViF-Bench上F1达75.39%。
Bowei Liu, Zheng Lu, Yuhan Bian 等
提出一种基于反思引导的测试时自我演化框架，通过R-OPSD实现无标注环境下GUI视觉定位的7.4%性能提升。
Shiyu Xuan, Zechao Li
提出AD2-Bench，结合层级视觉诊断和证据链，提升复杂场景下多模态推理的可信性。
Zhaoyang Wei, Bowen Jiang, Xumeng Han 等
MVTrack基于H.264运动矢量实现超快无外观移动目标追踪，参数少、效率高。
Iñaki Erregue, Kamal Nasrollahi, Sergio Escalera
VGGD利用预训练几何先验实现单帧环视重建，提升几何一致性与渲染质量。
Junhong Lin, Jinlong Wang, Xianda Guo 等
提出Gaussian Sculpting，通过场优化实现端到端高质量表面重建，结合双层训练策略。
Ke Jiaxin, Juncheng Liu, Yi Wang 等
AlignBlock模块通过特征对齐显著提升ViT数据效率，终端场景mAP@50提升至0.973。
Haoran Sui, Yaoyuan Jia
PCFlow通过流匹配实现高效图像修复，显著提升视觉质量。
Sangwoo Jo, Donggeun Ko, Jayeon Kang 等
本研究通过系统性审查发现，冻结脑MRI基础模型中的站点信息以线性方式高度可解，超越临床和人口变量，揭示低层次图像统计特征的固有指纹。
Saman Rahbar
提出空间创造指数（SCI）结合事件索引，评估足球比赛中空间利用质量，揭示死球与空间创造的区别。
Seongjin Choi