廣東工業(yè)大學(xué)兩名本科生，CVPR斬獲最佳學(xué)生論文提名

CVPR 2026全部獎(jiǎng)項(xiàng)揭曉！最佳學(xué)生論文榮譽(yù)提名頒給了ChordEdit，一作和通訊都是廣東工業(yè)大學(xué)本科在讀生。他們用一塊7年半前的老Titan，跑完了全部實(shí)驗(yàn)。

CVPR 2026頒獎(jiǎng)了！

今年CVPR在丹佛舉辦，共收到16092篇投稿，錄用4090篇，錄用率25.42%。

剛剛，組委會(huì)公布了全部獲獎(jiǎng)名單。

最佳論文頒給了DeepMind團(tuán)隊(duì)的D4RT，最佳學(xué)生論文頒給了清華+微軟聯(lián)合團(tuán)隊(duì)的TRELLIS.2。

然后是最佳學(xué)生論文榮譽(yù)提名。

一作Liangsi Lu，廣東工業(yè)大學(xué)。通訊作者Yang Shi，廣東工業(yè)大學(xué)。

兩個(gè)人都是本科在讀。

最佳學(xué)生論文提名

一行公式干翻多步推理

論文題目：ChordEdit: One-Step Low-Energy Transport for Image Editing

作者：盧梁司（廣東工業(yè)大學(xué)，一作）、Xuhang Chen（惠州學(xué)院）、Minzhe Guo（廣東工業(yè)大學(xué)）、Shichu Li（深圳大學(xué)）、Jingchao Wang（北京大學(xué)）、Yang Shi（廣東工業(yè)大學(xué)，通訊作者）

兩個(gè)本科生，組隊(duì)登頂會(huì)

這篇ChordEdit的一作盧梁司（Liangsi Lu）和通訊作者Yang Shi，都是廣東工業(yè)大學(xué)本科在讀生。

盧梁司來(lái)自數(shù)學(xué)與統(tǒng)計(jì)學(xué)院，專(zhuān)業(yè)是信息與計(jì)算科學(xué)，研究方向是表示學(xué)習(xí)和視覺(jué)生成。

在他看來(lái)，視覺(jué)是人與世界交互的高帶寬接口，視覺(jué)表示可以捕捉到文本無(wú)法描述的規(guī)律，幫助AI與人類(lèi)共同發(fā)現(xiàn)物理法則、學(xué)習(xí)魯棒的世界模型。

基于這個(gè)方向，他做了RLSTG（建模真實(shí)世界非歐幾何的連續(xù)神經(jīng)動(dòng)力系統(tǒng)）和ChordEdit（高效穩(wěn)定地增強(qiáng)生成模型抓取真實(shí)語(yǔ)義的編輯框架）。

Yang Shi來(lái)自計(jì)算機(jī)學(xué)院，預(yù)計(jì)2027年畢業(yè)，研究方向是計(jì)算機(jī)視覺(jué)和數(shù)據(jù)挖掘。

兩個(gè)不同學(xué)院的本科生，組成了搭檔。

然后他們半年內(nèi)交出了這樣一張成績(jī)單。

Yang Shi的個(gè)人主頁(yè)顯示，截至目前他以一作或sole通訊作者身份，入選了5個(gè)頂會(huì)：

• CVPR 2026（ChordEdit，sole通訊，最佳學(xué)生論文提名）

• ICML 2026（sole通訊，圖像編輯語(yǔ)義粒度導(dǎo)航）

• KDD 2026（一作，圖上的過(guò)度擠壓?jiǎn)栴}）

• ACL 2026（一作，多模態(tài)推理錯(cuò)誤檢測(cè)基準(zhǔn)）

• WWW 2026（sole通訊，黎曼液態(tài)時(shí)空?qǐng)D網(wǎng)絡(luò)）

這些工作橫跨圖像編輯、圖神經(jīng)網(wǎng)絡(luò)、多模態(tài)推理、數(shù)據(jù)挖掘四個(gè)完全不同的方向，從視覺(jué)生成到時(shí)空?qǐng)D建模，再一路到VLM評(píng)測(cè)。

問(wèn)題有多棘手

回到CVPR 2026這篇論文。

如今，一步式文生圖模型（SD-Turbo、SwiftBrush這類(lèi)）已經(jīng)把生成速度拉到了極限，但速度快的代價(jià)是，這類(lèi)模型做圖像編輯的時(shí)候幾乎不能用。

現(xiàn)有的training-free編輯方法（FlowEdit、Direct Inversion這些），原理上都依賴(lài)多步推理來(lái)平均掉軌跡中的不穩(wěn)定性。強(qiáng)行壓到一步，畫(huà)面崩掉。物體扭曲變形，背景亂飄，編輯區(qū)和非編輯區(qū)的一致性完全喪失。

總結(jié)來(lái)說(shuō)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(biāo)位置。路徑越粗糙，軌跡能量越高，結(jié)果越不可控。

這個(gè)問(wèn)題不是調(diào)參能解決的，是數(shù)學(xué)層面的結(jié)構(gòu)性缺陷。

解法從哪來(lái)

盧梁司的解法，來(lái)自一套跨越兩個(gè)世紀(jì)的數(shù)學(xué)。

最優(yōu)傳輸問(wèn)題最早由法國(guó)數(shù)學(xué)家Monge在1781年提出，之后經(jīng)歷了Kantorovich在1940年代的線(xiàn)性規(guī)劃松弛、Brenier在1991年的二次代價(jià)求解。

到2000年，Benamou和Brenier給出了動(dòng)態(tài)最優(yōu)傳輸?shù)牧黧w力學(xué)形式，也就是ChordEdit直接依賴(lài)的框架。

具體來(lái)說(shuō)，ChordEdit把圖像編輯重新定義為源分布（原圖+原始prompt）和目標(biāo)分布（原圖+編輯后prompt）之間的傳輸問(wèn)題。

樸素方法直接拿兩個(gè)漂移場(chǎng)的差值做編輯，單步推理下噪聲極大。ChordEdit則把這個(gè)差值場(chǎng)在兩個(gè)相鄰時(shí)間點(diǎn)的觀測(cè)做加權(quán)平均，得到一個(gè)低能量的Chord Control Field。

這個(gè)操作相當(dāng)于一個(gè)時(shí)間維度上的平滑算子。漂移場(chǎng)被平滑之后，方差被壓下來(lái)，能量降下來(lái)，天然就適合用一步積分走完全程。

整個(gè)方法的核心，濃縮成一個(gè)等式（Eq. 4.5），一行加權(quán)平均。

Jensen不等式保證能量收縮，平滑后的編輯場(chǎng)方差更低，單步積分的離散化誤差隨之壓縮。

不需要訓(xùn)練。不需要反演。不需要額外的掩碼網(wǎng)絡(luò)。不需要對(duì)模型做任何修改。

這篇論文總共33頁(yè)，光附錄就寫(xiě)了25頁(yè)，全是數(shù)學(xué)證明。從能量為什么會(huì)收縮、誤差界怎么推、到單步積分為什么能穩(wěn)定收斂，一路證到底。

消融實(shí)驗(yàn)部分則直接可視化了兩種編輯場(chǎng)的能量分布。

樸素方法的編輯場(chǎng)能量高且不均勻，對(duì)應(yīng)的就是背景被摧毀、物體變形的區(qū)域。ChordEdit的編輯場(chǎng)能量低且平穩(wěn)，非編輯區(qū)域幾乎零擾動(dòng)。

一塊消費(fèi)級(jí)顯卡跑完

ChordEdit的全部實(shí)驗(yàn)，跑在一塊2018年發(fā)布的NVIDIA Titan 24GB上。推理時(shí)顯存占用僅7GB。

對(duì)比之下，同賽道的SwiftEdit需要15GB，而且還得額外訓(xùn)練一個(gè)反演網(wǎng)絡(luò)。ChordEdit連訓(xùn)練都省了。

速度方面更夸張。比FlowEdit快19倍，比Direct Inversion快208倍。

用戶(hù)研究中，42.5%的參與者在編輯語(yǔ)義準(zhǔn)確性上選擇ChordEdit，48.3%在背景保持上選擇ChordEdit，均為壓倒性?xún)?yōu)勢(shì)。

而且這個(gè)方法是model-agnostic的，SD-Turbo能用，SwiftBrush-v2也能用，換模型不需要改代碼、不需要重新訓(xùn)練、不需要調(diào)架構(gòu)。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(yǔ)義編輯，編輯區(qū)域跟隨prompt變化，非編輯區(qū)域保持不變。

這就是低能量傳輸場(chǎng)的效果，編輯路徑足夠平滑，非編輯區(qū)域幾乎零擾動(dòng)。

從16092篇投稿里，74篇進(jìn)入最佳論文候選名單（Top 0.45%）。

最終ChordEdit拿到了最佳學(xué)生論文提名（Top 0.03%），同時(shí)也是Oral。

項(xiàng)目地址：https://chordedit.github.io

開(kāi)源地址：https://github.com/ChordEdit/ChordEdit

論文地址：https://arxiv.org/pdf/2602.19083

最佳論文：D4RT

論文題目：Efficiently Reconstructing Dynamic Scenes One D4RT at a Time

作者：Chuhan Zhang*、Guillaume Le Moing*、Skanda Koppula*°、Ignacio Rocco*、Liliane Momeni*、Junyu Xie°1、Shuyang Sun*、Rahul Sukthankar*、Jo?lle K. Barral*、Raia Hadsell*、Zoubin Ghahramani*、Andrew Zisserman*°、Junlin Zhang*、Mehdi S. M. Sajjadi*2

機(jī)構(gòu)：*谷歌DeepMind、°倫敦大學(xué)學(xué)院、°牛津大學(xué)

獲獎(jiǎng)理由：一種優(yōu)雅且高效的方法，統(tǒng)一了深度估計(jì)、相機(jī)位姿、3D點(diǎn)追蹤和4D點(diǎn)云的推斷，結(jié)果驚艷。

傳統(tǒng)的4D重建方法要么需要為每個(gè)任務(wù)單獨(dú)設(shè)計(jì)解碼器，要么要對(duì)每一幀做密集解碼，計(jì)算量極大。

D4RT繞開(kāi)了這兩個(gè)瓶頸，設(shè)計(jì)了一個(gè)統(tǒng)一的解碼接口，可以獨(dú)立查詢(xún)空間和時(shí)間中任意一個(gè)點(diǎn)的3D位置，不需要逐幀密集處理。

這讓整個(gè)方法既輕量又可擴(kuò)展，在多個(gè)4D重建基準(zhǔn)上全面超越了此前的SOTA。

作者團(tuán)隊(duì)陣容強(qiáng)大，Raia Hadsell是DeepMind VP級(jí)研究員，Zoubin Ghahramani是DeepMind首席科學(xué)家，Andrew Zisserman是牛津大學(xué)VGG組創(chuàng)始人。一作Chuhan Zhang此前也在DeepMind從事動(dòng)態(tài)場(chǎng)景重建研究。

最佳學(xué)生論文：TRELLIS.2

論文題目：Native and Compact Structured Latents for 3D Generation

作者：Jianfeng Xiang12、Xiaoxue Chen1*、Sicheng Xu2、Ruicheng Wang32*、Zelong Lv32*、Yu Deng2、Hongyuan Zhu?、Yue Dong2、Hao Zhao1、Nicholas Jing Yuan?、Jiaolong Yang2

機(jī)構(gòu)：1清華大學(xué)、2微軟研究院、3中國(guó)科學(xué)技術(shù)大學(xué)、?微軟AI（*為實(shí)習(xí)期間完成）

獲獎(jiǎng)理由：一種稀疏、無(wú)場(chǎng)的潛在體素表示，在一個(gè)開(kāi)源流水線(xiàn)中統(tǒng)一了開(kāi)放、非流形、封閉和半透明3D資產(chǎn)的帶紋理生成，為幾何與外觀編碼樹(shù)立了新標(biāo)準(zhǔn)。

技術(shù)上，TRELLIS.2的核心是一種叫O-Voxel的「全能體素」結(jié)構(gòu)。相比于傳統(tǒng)的3D表示方法，O-Voxel采用的是稀疏體素同時(shí)編碼幾何和外觀信息（包括PBR材質(zhì)參數(shù)），不需要依賴(lài)多視角2D圖像特征的間接監(jiān)督。

在此基礎(chǔ)上，團(tuán)隊(duì)設(shè)計(jì)了Sparse Compression VAE做高壓縮率的潛空間編碼，然后訓(xùn)練了一個(gè)4B參數(shù)的flow-matching生成模型。

一作Jianfeng Xiang來(lái)自清華大學(xué)，工作在Microsoft Research實(shí)習(xí)期間完成。通訊作者Jiaolong Yang是MSRA的資深研究員，長(zhǎng)期深耕3D視覺(jué)方向。整個(gè)流水線(xiàn)已開(kāi)源（microsoft/TRELLIS.2）。

最佳論文榮譽(yù)提名（2篇）

論文題目：NitroGen: An Open Foundation Model for Generalist Gaming Agents

作者：Lo?c Magne1*、Anas Awadalla12*、Guanzhi Wang13*?、Yinzhen Xu1、Joshua Belofsky?、Fengyuan Hu1、Joohwan Kim1、Ludwig Schmidt2、Georgia Gkioxari3、Jan Kautz1、Yisong Yue3?、Yejin Choi12?、Yuke Zhu1??、Linxi Fan1?

機(jī)構(gòu)：1英偉達(dá)、2斯坦福大學(xué)、3加州理工學(xué)院、?芝加哥大學(xué)、?得克薩斯大學(xué)奧斯汀分校

獲獎(jiǎng)理由：一個(gè)4萬(wàn)小時(shí)、1000款游戲的數(shù)據(jù)集，配套評(píng)估模擬器和視覺(jué)到動(dòng)作游戲Agent基礎(chǔ)模型，打開(kāi)了新的研究方向。

作者陣容集結(jié)了多個(gè)領(lǐng)域的頂尖學(xué)者。Yejin Choi是ACL 2022主席、MacArthur天才獎(jiǎng)得主。Jan Kautz是NVIDIA VP Research。Linxi Fan（范麟熙）是NVIDIA高級(jí)研究科學(xué)家，此前因MineDojo項(xiàng)目獲NeurIPS 2022 Outstanding Paper。

論文題目：SAM 3D: 3Dfy Anything in Images

作者：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(jī)構(gòu)：Meta超級(jí)智能實(shí)驗(yàn)室（*核心貢獻(xiàn)者、?項(xiàng)目負(fù)責(zé)人、?同等貢獻(xiàn)）

獲獎(jiǎng)理由：從雜亂的野外單張圖片中重建3D物體模型的重大進(jìn)展，并提供了可擴(kuò)展的數(shù)據(jù)采集流水線(xiàn)。

這篇背后站著Meta超級(jí)智能實(shí)驗(yàn)室的全明星陣容。Jitendra Malik是UC Berkeley的CV泰斗級(jí)人物，Piotr Dollár是Meta Research的核心負(fù)責(zé)人之一，Georgia Gkioxari在今年的NitroGen中也出現(xiàn)了，同時(shí)入圍兩篇Best Paper候選。

時(shí)間檢驗(yàn)獎(jiǎng)

ResNet和YOLO，十年后回來(lái)領(lǐng)獎(jiǎng)

今年的Longuet-Higgins Test of Time Award頒給了兩篇十年前的CVPR 2016經(jīng)典，ResNet和YOLO。

論文題目：Deep Residual Learning for Image Recognition

作者：何愷明、張祥雨、任少卿、孫劍，微軟研究院

這篇提出了殘差連接，讓深度網(wǎng)絡(luò)的訓(xùn)練成為可能。在此之前，網(wǎng)絡(luò)堆到幾十層就開(kāi)始退化，梯度消失是一堵墻。ResNet用一根跳線(xiàn)繞過(guò)了這堵墻，152層的網(wǎng)絡(luò)跑起來(lái)比淺層網(wǎng)絡(luò)還穩(wěn)。

2015年ImageNet五項(xiàng)第一，錯(cuò)誤率3.57%，遠(yuǎn)低于人類(lèi)水平（約5.1%）。

十年后回頭看，ResNet的殘差連接思想已經(jīng)滲透到了幾乎所有的深度學(xué)習(xí)架構(gòu)里。從Transformer到擴(kuò)散模型，跳躍連接是最基礎(chǔ)的基礎(chǔ)設(shè)施之一。

Google Scholar上超過(guò)32萬(wàn)次引用

論文題目：You Only Look Once: Unified, Real-Time Object Detection

作者：Joseph Redmon、Santosh Divvala、Ross Girshick、Ali Farhadi，華盛頓大學(xué)

YOLO把目標(biāo)檢測(cè)從兩階段流程（先提候選框再分類(lèi)）壓縮成了單階段的端到端預(yù)測(cè)，一次前向傳播完成定位和分類(lèi)。速度從秒級(jí)拉到了毫秒級(jí)，真正讓目標(biāo)檢測(cè)可以實(shí)時(shí)運(yùn)行。

十年過(guò)去，YOLO已經(jīng)迭代到了第11代，仍然是工業(yè)界實(shí)時(shí)檢測(cè)的首選方案。從自動(dòng)駕駛到安防監(jiān)控到工廠質(zhì)檢，YOLO的后代無(wú)處不在。

參考資料：

https://chordedit.github.io

https://luliangsi.github.io

https://cnshiyang.github.io

https://cvpr.thecvf.com/Conferences/2026/News/Technical_Program

https://github.com/SkalskiP/top-cvpr-2026-papers

文章來(lái)源：新智元。