cvpr资讯_B站影视

唯一入选论文、获赛事冠军…交大在国际顶会上的“制胜秘诀”是？

近日，国际计算机视觉与模式识别会议CVPR 2025召开。西安交通大学电子与信息学部计算机科学与技术学院、陕西省大数据知识工程实验室曹相湧副教授团队取得多项重要突破。

本文介绍工作由中国人民大学高瓴人工智能学院宋睿华团队、李崇轩、许洪腾与值得买科技 AI 团队共同完成。第一作者王希华是人大高瓴博士生（导师：宋睿华），他的研究兴趣主要在多模态生成，之前提出利用音频布局（audio layout）为视频生成同步声音的TiVA模型

这份统计是基于全球 4 万多名作者 13008 份投稿结果产生的。相比往年，今年的投稿数量增长了 13%，最终有 2878 篇论文被接收，整体接收率为 22.1%。

前几天，谷歌在 I/O 2025 大会上正式发布了其最新一代 AI 视频生成模型 Veo 3，在生成高质量视频的同时首次实现了音画同步。对于 Veo 3 的震撼效果，有人高度评价称，「它会是不亚于 OpenAI Sora 的跨时代产品」，标志着 AI 视频进入

通过引入一个辅助的神经网络，只需一块6年前的2080Ti，就能做大模型数据蒸馏。与前SOTA相比，新方法的显存占用只有1/300，并且速度提升了20倍。

在计算机视觉领域，显著对象检测（SOD）任务已经取得了显著进展，旨在识别和分割图像中最视觉突出的对象。然而，一个更具挑战性的任务是显著对象排名检测（SRD），它不仅要求识别显著对象，还需要根据它们的显著程度进行排名。现有的SRD数据集大多基于鼠标轨迹数据构建，

接受率约0.7% (96/13008≈0.7%)，并且是今年该会议96篇口头报告中唯一聚焦遥感图像处理领域的工作。

论文第一作者林宏彬来自香港中文大学(深圳)理工学院的Deep Bit 实验室、深圳市未来智联网络研究院，导师为李镇老师。目前实验室的研究方向包括：自动驾驶、医学成像和分子理解的多模态数据分析和生成等。

在沉浸式 XR 体验中，使用少量追踪点还原全身真实动作，是实现自然交互与高度沉浸感的关键能力之一。在游戏娱乐、虚拟社交和具身智能等领域，高精度的人体运动估计技术正成为支撑高质量交互体验的核心要素。然而，市面主流的HMD设备（如PICO、Quest）往往只提供头