图书信息
内容简介
对 arXiv cs.CV 分类的年度综述，涵盖 2025 年 9 月 至 2026 年 8 月 期间发表的研究。本卷基于对 156 篇论文 的细读整理，组织为 43 章，按该领域的研究子方向描绘这一年的全貌。
全书框架（年度产出占比）：
- 基于扩散的生成式图像合成与编辑 (13.0%) — 聚焦利用扩散模型及相关架构改进文生图、图像编辑与生成式建模。
- 多模态大语言模型与视觉推理 (12.1%) — 探索多模态大语言模型中视觉与语言的整合，处理视觉推理、对齐、安全与提示注入漏洞。
- 用于空间与语义理解的视觉-语言模型 (8.5%) — 研究视觉-语言模型（VLM）在空间推理、偏见分析与跨架构可迁移性方面的能力。
- 用于新视角合成的 3D 高斯泼溅 (8.4%) — 利用 3D 高斯泼溅（3DGS）技术与混合表示推进 3D 场景重建与渲染效率。
- 3D 场景重建与几何感知 (8.2%) — 处理单目或多视角输入下的 3D 几何估计、点云处理与场景重建。
- 视频生成与时序理解 (8.1%) — 发展可控视频生成、长视频理解以及视频-语言模型时序一致性的方法。
- 自动驾驶与具身世界模型 (7.8%) — 聚焦端到端自动驾驶、用于仿真的世界模型，以及具身智能体的感知-动作回路。
- 目标检测与异常检测系统 (7.6%) — 增强用于工业、农业与监控应用的目标检测、跟踪与异常检测算法。
- 医学图像分割与临床分析 (6.9%) — 将分割模型与 SAM 变体应用于医学成像任务，聚焦临床实用性与鲁棒性。
- 多模态融合与跨模态检索 (5.8%) — 探索融合多模态数据（如 RGB-D、音视频）的技术并改进跨模态检索与配准。
- 数据中心式学习与域适配 (5.0%) — 处理训练数据质量、域适配，以及从有限或合成数据中高效学习等挑战。
- 图像超分辨与计算成像 (5.0%) — 通过基于深度学习的超分辨与感知，改进图像分辨率、遥感分析与反问题。
- 深度学习架构与边缘部署 (3.4%) — 优化神经网络架构、模型压缩与面向边缘设备和专门分类任务的高效推理。
每个子方向均通过三章展开论述——它如何提出自己的问题、其关键结论的强度，以及它开放的争论与前沿，从而让读者获得该领域今年实际产出的可溯源图景。
