圖書信息
內容簡介
對 arXiv cs.CV 分類的年度綜述，涵蓋 2025 年 9 月 至 2026 年 8 月 期間發表的研究。本卷基於對 156 篇論文 的細讀整理，組織為 43 章，按該領域的研究子方向描繪這一年的全貌。
全書框架（年度產出佔比）：
- 基於擴散的生成式圖像合成與編輯 (13.0%) — 聚焦利用擴散模型及相關架構改進文生圖、圖像編輯與生成式建模。
- 多模態大語言模型與視覺推理 (12.1%) — 探索多模態大語言模型中視覺與語言的整合，處理視覺推理、對齊、安全與提示注入漏洞。
- 用於空間與語義理解的視覺-語言模型 (8.5%) — 研究視覺-語言模型（VLM）在空間推理、偏見分析與跨架構可遷移性方面的能力。
- 用於新視角合成的 3D 高斯潑濺 (8.4%) — 利用 3D 高斯潑濺（3DGS）技術與混合表示推進 3D 場景重建與渲染效率。
- 3D 場景重建與幾何感知 (8.2%) — 處理單目或多視角輸入下的 3D 幾何估計、點雲處理與場景重建。
- 視頻生成與時序理解 (8.1%) — 發展可控視頻生成、長視頻理解以及視頻-語言模型時序一致性的方法。
- 自動駕駛與具身世界模型 (7.8%) — 聚焦端到端自動駕駛、用於仿真的世界模型，以及具身智能體的感知-動作迴路。
- 目標檢測與異常檢測系統 (7.6%) — 增強用於工業、農業與監控應用的目標檢測、跟蹤與異常檢測算法。
- 醫學圖像分割與臨床分析 (6.9%) — 將分割模型與 SAM 變體應用於醫學成像任務，聚焦臨床實用性與魯棒性。
- 多模態融合與跨模態檢索 (5.8%) — 探索融合多模態數據（如 RGB-D、音視頻）的技術並改進跨模態檢索與配準。
- 數據中心式學習與域適配 (5.0%) — 處理訓練數據質量、域適配，以及從有限或合成數據中高效學習等挑戰。
- 圖像超分辨與計算成像 (5.0%) — 通過基於深度學習的超分辨與感知，改進圖像分辨率、遙感分析與反問題。
- 深度學習架構與邊緣部署 (3.4%) — 優化神經網絡架構、模型壓縮與面向邊緣設備和專門分類任務的高效推理。
每個子方向均通過三章展開論述——它如何提出自己的問題、其關鍵結論的強度，以及它開放的爭論與前沿，從而讓讀者獲得該領域今年實際產出的可溯源圖景。
