IEEE/CVF 计算机视觉与模式识别会议（IEEE/CVF Conference on Computer Vision and Pattern Recognition，简称CVPR）是计算机视觉与模式识别领域的顶级国际学术会议，位列CCF-A类推荐会议。CVPR 2026 已于近期公布录用结果，我院共有2篇论文成功入选，研究方向涵盖单视角三维动态烟雾重建、非对齐RGB-T显著目标检测等前沿领域。录用论文简要介绍如下：
论文1
论文题目：SmokeSVD: Smoke Reconstruction from A Single View via Progressive Novel View Synthesis and Refinement with Diffusion Models
论文概述：该工作面向单视角视频的三维动态烟雾重建这一高欠定问题，提出高效的SmokeSVD框架。现有单视角方法往往依赖可微渲染优化，计算成本高且易陷入不适定，而直接多视角扩散生成又容易出现跨视角不一致，导致三维密度重建模糊。为此，SmokeSVD首先引入物理感知的侧视图扩散模型SvDiff，以主视图与历史帧条件逐帧生成侧视图，并在去噪过程中注入速度与空间分布约束以提升时序稳定性。随后，提出2D生成与3D重建循环迭代的渐进式新视角修复策略，从近到远逐步扩展视角、迭代提升多视角一致性与细节。最终，结合可微平流与源项估计，重建细粒度密度场与速度场，支持重模拟与下游编辑控制。在真实数据ScalarFlow与合成数据上验证了SmokeSVD在重建质量与效率上的优势，相比优化式方法可将单序列推理时间降低至分钟级，同时保持更好的细节与时序连贯性。该研究为稀疏观测条件下的复杂体渲染现象重建提供了可推广的技术路径，对计算机视觉与图形学中的动态体场建模具有重要意义。方法可直接服务于影视特效制作、数字孪生与应急可视化等场景，显著降低多机位采集成本并提升重建与编辑效率。
该论文第一作者是高赞教授团队的李晨副教授，并由 Shanshan Dong, Sheng Qiu, Jianmin Han, Yibo Zhao, Taku Komura等共同完成。
[1]Chen Li, Shanshan Dong, Sheng Qiu, Jianmin Han, Yibo Zhao, Zan Gao, Taku Komura, Kemeng Huang. SmokeSVD: Smoke Reconstruction from A Single View via Progressive Novel View Synthesis and Refinement with Diffusion Models. In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2026.
论文2
论文题目：Uncertainty-Aware Modality Fusion for Unaligned RGB-T Salient Object Detection
论文概述：该工作面向真实场景中非对齐RGB-T显著目标检测这一挑战性问题，提出了不确定性感知模态融合网络UMFNet。现有方法通常假设模态间完美对齐，或依赖计算密集且对视差敏感的显式几何配准，导致在非对齐条件下融合效果不佳且易受噪声干扰。为此，UMFNet将跨模态对齐重新表述为不确定性感知表示学习问题。具体而言，提出的不确定性对齐模块（UAM）将像素级特征建模为高斯潜在分布，通过估计局部不确定性在特征空间中识别跨模态一致性区域，从而实现隐式对齐而无需显式配准。随后，引入置信度引导的全局调制（CGM）机制，利用从不确定性估计中导出的置信图，动态调节RGB与热红外特征的融合过程，在增强可靠区域显著线索的同时，有效抑制噪声或不一致信息的干扰。在五个非对齐和三个对齐的RGB-T显著性目标检测基准数据集上，UMFNet均达到了最先进的（SOTA）性能，且在准确性与计算效率之间取得了良好平衡。该研究为多模态传感器空间失配条件下的特征融合提供了鲁棒且高效的解决方案，在复杂环境下的目标检测、场景理解等领域具有重要应用价值。
该论文第一作者是陈胜勇教授团队的王绵沼博士后，并由Fan Shi, Xu Cheng, Chen Jia共同完成。
[2] Mianzhao Wang, Fan Shi, Xu Cheng, Chen Jia, Shengyong Chen. Uncertainty-Aware Modality Fusion for Unaligned RGB-T Salient Object Detection. In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2026.
