DyG2T：用粒子补全与时间解耦打破可微动力学建模的表示坍缩
DyG2T通过空间补全与时间解耦增强关键点表示，并利用粒子图Transformer建模多尺度交互，实现从稀疏视角视频中准确预测动态物体运动轨迹。
CVPR三分钟
USR-Drive：让稠密几何与3D检测框在同一去噪过程中互相成就
USR-Drive提出一个统一生成框架，将稠密3D高斯几何与稀疏3D检测框作为共同演化的潜在变量，通过多模态扩散Transformer联合去噪，实现动态重建与3D检测的相互增强。
相机控制视频生成的质量评估：从通用VQA到运动感知的CWQA
提出首个相机控制视频生成质量评估基准CamWorldQA（720个生成视频）及三支路无参考质量评估模型CWQA，联合空间、时序与光流特征预测感知质量。
PATE-Forensics：把检测定位变成工具，让冻结的通用MLLM直接解释深度伪造
提出 Perception-as-Tool 范式，将检测与定位外置为取证感知工具，为冻结的通用 MLLM 提供结构化取证上下文以生成解释，无需任务特定微调。
StateTrace：让视频模型记住看不见的物体状态
StateTrace 提出对象中心的时空状态记忆框架，使 VideoLLM 能够在目标物体长时间不可见时显式推理其隐藏状态，并在新基准 HSR-Bench 上取得 15–28 点的显著提升。
GS-VLA：用4M参数的3D高斯canonicalizer，让冻结VLA策略在相机漂移下恢复成功率
GS-VLA提出一个4M参数的3D高斯canonicalizer，在冻结VLA策略前恢复规范视角观测，无需策略重训练即可大幅恢复相机视角扰动造成的成功率损失。
ReWEIGH：用词元级序数证据校准，缓解大视觉语言模型幻觉
ReWEIGH 是一种免训练的解码干预方法，通过聚合视觉位置的词汇排名（DMRR）并与词元特定参考比较，对有证据不足的候选词元施加有界惩罚，从而缓解 LVLM 幻觉。
DistScan：用NMS前预测分布偏移检测目标检测后门
DistScan 通过度量模型 NMS 前预测类别分布与训练数据类别频率之间的 Jensen-Shannon 散度来检测目标检测模型中的后门，无需触发器知识、权重访问或额外训练。