← ICCV 各届
ICCV 2025· International Conference on Computer Vision
ICCV 2025
亮点精读
8 篇 · 获奖 / oral / 高引📈 475 引用
Visual-RFT: Visual Reinforcement Fine-Tuning
提出视觉强化微调方法，通过奖励反馈优化视觉生成模型。
💡 开创视觉RL微调范式，提升生成质量与可控性。
arXiv
📈 362 引用
R1-Onevision: Advancing Generalized Multimodal Reasoning Through Cross-Modal Formalization
提出跨模态形式化方法，通过视觉-语言对齐提升多模态推理能力。
💡 首次实现通用多模态推理的形式化突破。
arXiv
📈 352 引用
VACE: All-in-One Video Creation and Editing
提出统一框架VACE，实现视频生成与编辑一体化。
💡 首个全功能视频创作编辑统一模型。
arXiv
📈 326 引用
CoTracker3: Simpler and Better Point Tracking by Pseudo-Labeling Real Videos
通过伪标签真实视频，提出更简单且更优的点跟踪模型CoTracker3。
💡 简化训练流程，提升跟踪精度，推动视频理解发展。
📈 304 引用
R1-VL: Learning to Reason with Multimodal Large Language Models via Step-Wise Group Relative Policy Optimization
提出R1-VL，通过逐步组相对策略优化训练多模态大语言模型进行推理。
💡 将强化学习用于多模态推理，提升模型可解释性。
arXiv
📈 219 引用
Recammaster: Camera-Controlled Generative Rendering From a Single Video
从单视频生成相机可控的新视角渲染，无需多视图数据。
💡 实现单视频自由视角控制，简化3D内容创建。
arXiv
📈 162 引用
REPA-E: Unlocking VAE for End-to-End Tuning with Latent Diffusion Transformers
提出REPA-E方法，通过VAE与潜在扩散Transformer联合训练，实现端到端调优。
💡 首次解锁VAE在扩散模型中的端到端训练潜力。
arXiv
📈 160 引用
HPSv3: Towards Wide-Spectrum Human Preference Score
提出HPSv3，通过多模态偏好数据提升图像生成中人类偏好预测的广泛适用性。
💡 扩展了偏好模型对多样化生成场景的适应能力。
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