← CVPR 各届
CVPR 2025· Computer Vision and Pattern Recognition
CVPR 2025
亮点精读
8 篇 · 获奖 / oral / 高引📈 1.3k 引用
VGGT: Visual Geometry Grounded Transformer
提出VGGT，一种利用视觉几何约束的Transformer，提升3D场景理解。
💡 将几何先验融入Transformer，显著增强3D感知能力。
arXiv
📈 470 引用
Continuous 3D Perception Model with Persistent State
提出持续状态3D感知模型，实现连续帧的实时3D理解。
💡 突破传统逐帧处理，迈向实时3D感知新范式。
arXiv
📈 437 引用
CoT-VLA: Visual Chain-of-Thought Reasoning for Vision-Language-Action Models
提出视觉思维链推理方法，增强视觉-语言-行动模型的复杂推理能力。
💡 首次将思维链引入机器人动作生成，显著提升任务成功率。
arXiv
📈 325 引用
Fast3R: Towards 3D Reconstruction of 1000+ Images in One Forward Pass
Fast3R通过Transformer并行处理1000+图像，实现单次前向传播的3D重建。
💡 突破图像数量限制，大幅提升3D重建效率。
arXiv
📈 314 引用
Reconstruction vs. Generation: Taming Optimization Dilemma in Latent Diffusion Models
提出潜在扩散模型中的重构-生成优化困境，并设计策略平衡两者以提升性能。
💡 首次系统分析并解决LDM中重构与生成的矛盾。
arXiv
📈 260 引用
Gen3C: 3D-Informed World-Consistent Video Generation with Precise Camera Control
利用3D场景信息生成相机可控的世界一致视频，实现精确视角控制。
💡 首次实现3D感知的精确相机控制视频生成。
arXiv
📈 202 引用
FoundationStereo: Zero-Shot Stereo Matching
提出零样本立体匹配方法，无需微调即可泛化到新场景。
💡 突破传统方法对特定场景的依赖，提升实用性。
arXiv
📈 200 引用
Video Depth Anything: Consistent Depth Estimation for Super-Long Videos
提出Video Depth Anything，实现超长视频的连续深度估计。
💡 解决视频深度估计的时序一致性问题。
arXiv
全部论文
加载中…正在从 DBLP 加载全量论文…
全量索引来自 DBLP · 完整 proceedings 见 官方站点