CVPR 2026全部獎項揭曉！最佳學生論文榮譽提名頒給了ChordEdit，一作和通訊都是廣東工業大學本科在讀生論文。他們用一塊7年半前的老Titan，跑完了全部實驗。
CVPR 2026頒獎了論文！
今年CVPR在丹佛舉辦，共收到16092篇投稿，錄用4090篇，錄用率25.42%論文。
剛剛，組委會公佈了全部獲獎名單論文。
最佳論文頒給了DeepMind團隊的D4RT，最佳學生論文頒給了清華+微軟聯合團隊的TRELLIS.2論文。
然後是最佳學生論文榮譽提名論文。
一作Liangsi Lu，廣東工業大學論文。通訊作者Yang Shi，廣東工業大學。
兩個人都是本科在讀論文。
展開全文
最佳學生論文提名
一行公式幹翻多步推理
論文題目論文：ChordEdit: One-Step Low-Energy Transport for Image Editing
作者：盧梁司（廣東工業大學論文，一作）、Xuhang Chen（惠州學院）、Minzhe Guo（廣東工業大學）、Shichu Li（深圳大學）、Jingchao Wang（北京大學）、Yang Shi（廣東工業大學，通訊作者）
兩個本科生，組隊登頂會
這篇ChordEdit的一作盧梁司（Liangsi Lu）和通訊作者Yang Shi，都是廣東工業大學本科在讀生論文。
盧梁司來自數學與統計學院，專業是資訊與計算科學，研究方向是表示學習和視覺生成論文。
在他看來，視覺是人與世界互動的高頻寬介面，視覺表示可以捕捉到文字無法描述的規律，幫助AI與人類共同發現物理法則、學習魯棒的世界模型論文。
基於這個方向，他做了RLSTG（建模真實世界非歐幾何的連續神經動力系統）和ChordEdit（高效穩定地增強生成模型抓取真實語義的編輯框架）論文。
Yang Shi來自計算機學院，預計2027年畢業，研究方向是計算機視覺和資料探勘論文。
兩個不同學院的本科生，組成了搭檔論文。
然後他們半年內交出了這樣一張成績單論文。
Yang Shi的個人主頁顯示論文，截至目前他以一作或sole通訊作者身份，入選了5個頂會：
CVPR 2026（ChordEdit論文，sole通訊，最佳學生論文提名）
ICML 2026（sole通訊論文，影像編輯語義粒度導航）
KDD 2026（一作論文，圖上的過度擠壓問題）
ACL 2026（一作論文，多模態推理錯誤檢測基準）
WWW 2026（sole通訊論文，黎曼液態時空圖網路）
CVPR 2026（ChordEdit論文，sole通訊，最佳學生論文提名）
ICML 2026（sole通訊論文，影像編輯語義粒度導航）
KDD 2026（一作論文，圖上的過度擠壓問題）
ACL 2026（一作論文，多模態推理錯誤檢測基準）
WWW 2026（sole通訊論文，黎曼液態時空圖網路）
這些工作橫跨影像編輯、圖神經網路、多模態推理、資料探勘四個完全不同的方向，從視覺生成到時空圖建模，再一路到VLM評測論文。
問題有多棘手
回到CVPR 2026這篇論文論文。
如今，一步式文生圖模型（SD-Turbo、SwiftBrush這類）已經把生成速度拉到了極限，但速度快的代價是，這類模型做影像編輯的時候幾乎不能用論文。
現有的training-free編輯方法（FlowEdit、Direct Inversion這些），原理上都依賴多步推理來平均掉軌跡中的不穩定性論文。強行壓到一步，畫面崩掉。物體扭曲變形，背景亂飄，編輯區和非編輯區的一致性完全喪失。
總結來說就是，一步推理意味著你必須沿著一條極其粗糙的路徑，一大步邁到目標位置論文。路徑越粗糙，軌跡能量越高，結果越不可控。
這個問題不是調參能解決的，是數學層面的結構性缺陷論文。
解法從哪來
盧梁司的解法，來自一套跨越兩個世紀的數學論文。
最優傳輸問題最早由法國數學家Monge在1781年提出，之後經歷了Kantorovich在1940年代的線性規劃鬆弛、Brenier在1991年的二次代價求解論文。
到2000年，Benamou和Brenier給出了動態最優傳輸的流體力學形式，也就是ChordEdit直接依賴的框架論文。
具體來說，ChordEdit把影像編輯重新定義為源分佈（原圖+原始prompt）和目標分佈（原圖+編輯後prompt）之間的傳輸問題論文。
樸素方法直接拿兩個漂移場的差值做編輯，單步推理下噪聲極大論文。ChordEdit則把這個差值場在兩個相鄰時間點的觀測做加權平均，得到一個低能量的Chord Control Field。
這個操作相當於一個時間維度上的平滑運算元論文。漂移場被平滑之後，方差被壓下來，能量降下來，天然就適合用一步積分走完全程。
整個方法的核心，濃縮成一個等式（Eq. 4.5），一行加權平均論文。
Jensen不等式保證能量收縮，平滑後的編輯場方差更低，單步積分的離散化誤差隨之壓縮論文。
不需要訓練論文。不需要反演。不需要額外的掩碼網路。不需要對模型做任何修改。
這篇論文總共33頁，光附錄就寫了25頁，全是數學證明論文。從能量為什麼會收縮、誤差界怎麼推、到單步積分為什麼能穩定收斂，一路證到底。
消融實驗部分則直接視覺化了兩種編輯場的能量分佈論文。
樸素方法的編輯場能量高且不均勻，對應的就是背景被摧毀、物體變形的區域論文。ChordEdit的編輯場能量低且平穩，非編輯區域幾乎零擾動。
一塊消費級顯示卡跑完
ChordEdit的全部實驗，跑在一塊2018年釋出的NVIDIA Titan 24GB上論文。推理時視訊記憶體佔用僅7GB。
對比之下，同賽道的SwiftEdit需要15GB，而且還得額外訓練一個反演網路論文。ChordEdit連訓練都省了。
速度方面更誇張論文。比FlowEdit快19倍，比Direct Inversion快208倍。
使用者研究中，42.5%的參與者在編輯語義準確性上選擇ChordEdit，48.3%在背景保持上選擇ChordEdit，均為壓倒性優勢論文。
而且這個方法是model-agnostic的，SD-Turbo能用，SwiftBrush-v2也能用，換模型不需要改程式碼、不需要重新訓練、不需要調架構論文。真正的即插即用。
從演示效果看，ChordEdit可以一步完成horse→unicorn、fall→spring、ground→snow等語義編輯，編輯區域跟隨prompt變化，非編輯區域保持不變論文。
這就是低能量傳輸場的效果，編輯路徑足夠平滑，非編輯區域幾乎零擾動論文。
從16092篇投稿裡，74篇進入最佳論文候選名單（Top 0.45%）論文。
最終ChordEdit拿到了最佳學生論文提名（Top 0.03%），同時也是Oral論文。
專案地址：
開源地址論文：
論文地址論文：
最佳論文論文：D4RT
論文題目論文：Efficiently Reconstructing Dynamic Scenes One D4RT at a Time
作者論文：Chuhan Zhang*、Guillaume Le Moing*、Skanda Koppula*°、Ignacio Rocco*、Liliane Momeni*、Junyu Xie°¹、Shuyang Sun*、Rahul Sukthankar*、Joëlle K. Barral*、Raia Hadsell*、Zoubin Ghahramani*、Andrew Zisserman*°、Junlin Zhang*、Mehdi S. M. Sajjadi*²
機構論文：*谷歌DeepMind、°倫敦大學學院、°牛津大學
獲獎理由：一種優雅且高效的方法，統一了深度估計、相機位姿、3D點追蹤和4D點雲的推斷，結果驚豔論文。
傳統的4D重建方法要麼需要為每個任務單獨設計解碼器，要麼要對每一幀做密集解碼，計算量極大論文。
D4RT繞開了這兩個瓶頸，設計了一個統一的解碼介面，可以獨立查詢空間和時間中任意一個點的3D位置，不需要逐幀密集處理論文。
這讓整個方法既輕量又可擴充套件，在多個4D重建基準上全面超越了此前的SOTA論文。
作者團隊陣容強大，Raia Hadsell是DeepMind VP級研究員，Zoubin Ghahramani是DeepMind首席科學家，Andrew Zisserman是牛津大學VGG組創始人論文。一作Chuhan Zhang此前也在DeepMind從事動態場景重建研究。
最佳學生論文論文：TRELLIS.2
論文題目論文：Native and Compact Structured Latents for 3D Generation
作者論文：Jianfeng Xiang¹²、Xiaoxue Chen¹*、Sicheng Xu²、Ruicheng Wang³²*、Zelong Lv³²*、Yu Deng²、Hongyuan Zhu⁴、Yue Dong²、Hao Zhao¹、Nicholas Jing Yuan⁴、Jiaolong Yang²
機構論文：¹清華大學、²微軟研究院、³中國科學技術大學、⁴微軟AI（*為實習期間完成）
獲獎理由：一種稀疏、無場的潛在體素表示，在一個開源流水線中統一了開放、非流形、封閉和半透明3D資產的帶紋理生成，為幾何與外觀編碼樹立了新標準論文。
技術上，TRELLIS.2的核心是一種叫O-Voxel的「全能體素」結構論文。相比於傳統的3D表示方法，O-Voxel採用的是稀疏體素同時編碼幾何和外觀資訊（包括PBR材質引數），不需要依賴多視角2D影像特徵的間接監督。
在此基礎上，團隊設計了Sparse Compression VAE做高壓縮率的潛空間編碼，然後訓練了一個4B引數的flow-matching生成模型論文。
一作Jianfeng Xiang來自清華大學，工作在Microsoft Research實習期間完成論文。通訊作者Jiaolong Yang是MSRA的資深研究員，長期深耕3D視覺方向。整個流水線已開源（microsoft/TRELLIS.2）。
最佳論文榮譽提名（2篇）
論文題目論文：NitroGen: An Open Foundation Model for Generalist Gaming Agents
作者論文：Loïc Magne¹*、Anas Awadalla¹²*、Guanzhi Wang¹³*†、Yinzhen Xu¹、Joshua Belofsky⁴、Fengyuan Hu¹、Joohwan Kim¹、Ludwig Schmidt²、Georgia Gkioxari³、Jan Kautz¹、Yisong Yue³†、Yejin Choi¹²†、Yuke Zhu¹⁵†、Linxi Fan¹†
機構論文：¹英偉達、²斯坦福大學、³加州理工學院、⁴芝加哥大學、⁵得克薩斯大學奧斯汀分校
獲獎理由：一個4萬小時、1000款遊戲的資料集，配套評估模擬器和視覺到動作遊戲Agent基礎模型，開啟了新的研究方向論文。
作者陣容集結了多個領域的頂尖學者論文。Yejin Choi是ACL 2022主席、MacArthur天才獎得主。Jan Kautz是NVIDIA VP Research。Linxi Fan（範麟熙）是NVIDIA高階研究科學家，此前因MineDojo專案獲NeurIPS 2022 Outstanding Paper。
論文題目：SAM 3D: 3Dfy Anything in Images
作者論文：Xingyu Chen*、Fu-Jen Chu*、Pierre Gleize*、Kevin J Liang*、Alexander Sax*、Hao Tang*、Weiyao Wang*、Michelle Guo、Thibaut Hardin、Xiang Li、Aohan Lin、Jiawei Lin、Ziqi Ma、Anushka Sagar、Bowen Song*、Xiaodong Wang、Jianing Yang*、Bowen Zhang*、Piotr Dollár†、Georgia Gkioxari†、Matt Feiszli‡、Jitendra Malik‡⁺
機構論文：Meta超級智慧實驗室（*核心貢獻者、†專案負責人、‡同等貢獻）
獲獎理由：從雜亂的野外單張圖片中重建3D物體模型的重大進展，並提供了可擴充套件的資料採集流水線論文。
這篇背後站著Meta超級智慧實驗室的全明星陣容論文。Jitendra Malik是UC Berkeley的CV泰斗級人物，Piotr Dollár是Meta Research的核心負責人之一，Georgia Gkioxari在今年的NitroGen中也出現了，同時入圍兩篇Best Paper候選。
時間檢驗獎
ResNet和YOLO論文，十年後回來領獎
今年的Longuet-Higgins Test of Time Award頒給了兩篇十年前的CVPR 2016經典，ResNet和YOLO論文。
論文題目論文：Deep Residual Learning for Image Recognition
作者：何愷明、張祥雨、任少卿、孫劍論文，微軟研究院
這篇提出了殘差連線，讓深度網路的訓練成為可能論文。在此之前，網路堆到幾十層就開始退化，梯度消失是一堵牆。ResNet用一根跳線繞過了這堵牆，152層的網路跑起來比淺層網路還穩。
2015年ImageNet五項第一，錯誤率3.57%，遠低於人類水平（約5.1%）論文。
十年後回頭看，ResNet的殘差連線思想已經滲透到了幾乎所有的深度學習架構裡論文。從Transformer到擴散模型，跳躍連線是最基礎的基礎設施之一。
Google Scholar上超過32萬次引用
論文題目論文：You Only Look Once: Unified, Real-Time Object Detection
作者：Joseph Redmon、Santosh Divvala、Ross Girshick、Ali Farhadi論文，華盛頓大學
YOLO把目標檢測從兩階段流程（先提候選框再分類）壓縮成了單階段的端到端預測，一次前向傳播完成定位和分類論文。速度從秒級拉到了毫秒級，真正讓目標檢測可以即時執行。
十年過去，YOLO已經迭代到了第11代，仍然是工業界即時檢測的首選方案論文。從自動駕駛到安防監控到工廠質檢，YOLO的後代無處不在。
參考資料論文：
文章來源：新智元論文。
