LongE2V：如何用视频扩散模型解决事件相机长视界生成难题？
事件相机视频生成面临回归方法纹理模糊、长程预测时序漂移及插值重影等挑战。本文介绍LongE2V方法，通过微调CogVideoX并引入自回归展开、重编码对齐等创新机制，在ECD、MVSEC等数据集上实现SOTA重建与预测性能。需注意其推理速度较慢且对稀疏事件流敏感。
计算机视觉
HIVE：幻觉如何重塑VLM推理
传统观点认为VLM幻觉有害，但HIVE框架发现，在部分可观测场景下，幻觉生成的语义线索能拓宽推理路径，提升准确率。本文通过HIVE引擎对比忠实与幻觉路径，在PlantVillage等数据集上验证了适度幻觉的收益，并揭示了倒U型性能曲线。注意：此结论不适用于所有场景，过度幻觉仍会导致失效。
Wat3R：无标注水下3D重建，VGGT水下适配新范式
水下环境存在光衰减、散射及视图依赖退化，且缺乏大规模高质量3D标注，导致现有基于陆地数据的Feed-forward 3D重建模型泛化能力差。Wat3R提出了一种跨域半监督学习框架，利用合成数据和未标注真实视频，无需水下3D标注即可将VGGT适配至水下场景，并引入跨视图一致性损失以应对水体退化。实验表明，Wat3R在Sea-thru、FLSea Stereo、SQUID、SeaThru-NeRF及Water3D上均显著优于基线。但需注意，处理高动态元素能力有限，且在极端退化条件下性能仍受限于可见性。
SAM-MT：实时交互式多目标视频分割，延迟与目标数无关
现有视频对象分割方法如SAM2在处理多目标时，计算成本随目标数量线性增长，难以在密集场景中保持实时性。SAM-MT通过解耦全局上下文与个体目标查询，引入稀疏记忆和身份变换器，实现了高效的多目标跟踪与分割。实验显示，在MOSEv2等基准上性能优于SAM2.1-B+，且在10个目标场景下FPS从7.8提升至36.3。需注意，该方法仍为纯视觉架构，极端遮挡下可能存在身份漂移。
APIVOT：用视觉思维解决长程机器人规划的几何困境
长 horizon 机器人规划常因语义与几何脱节而失败。APIVOT 通过自适应交错语言推理与视觉思维（Visual Thoughts），在内部验证几何可行性。实验显示其在 KitchenWorlds 中成功率显著优于 Gemini-ER-1.5 等基线，且在复杂几何场景下优势更明显。需注意其目前仅在模拟器中验证，且自适应行为基于 SFT 学习。
EmbodiedGen V2：具身智能仿真环境自动化生成与Sim-to-Real验证
本文介绍EmbodiedGen V2，一个面向具身智能的仿真就绪3D世界引擎。针对现有3D生成模型缺乏物理属性和交互语义的问题，该系统通过代理式生成、Affordance自动标注和Vibe Coding编辑，实现从自然语言到可执行物理环境的自动化构建。实验显示，在生成环境中进行在线RL训练，仿真成功率从9.7%提升至79.8%，Sim-to-Real任务成功率从21.7%提升至75.0%。需注意，完全在线生成耗时较长，且部分资产需手动调整。
ZipDepth：6.1M参数实现零样本单目深度估计的实时部署
ZipDepth 是一个仅含 6.1M 参数的轻量级单目深度估计网络，通过从 Foundation Model 进行大规模知识蒸馏和硬件自适应架构设计，在嵌入式设备上实现了实时推理与卓越的零样本泛化能力。本文介绍了 ZipDepth 的架构设计、训练策略、实验结果及局限性，为嵌入式设备上的实时深度估计提供了新的解决方案。
OPSD-V：自回归视频长程退化问题的策略内自蒸馏解决方案
自回归视频生成器在长程生成中常出现误差累积、运动减弱和视觉伪影。OPSD-V通过策略内自蒸馏，利用真实长视频数据作为特权上下文，对少步生成器进行后训练。实验显示，该方法在MovieGenBench和MeiBench上显著提升了质量分数和动态程度，用户研究也证实其在运动质量和视觉质量上的优势。需注意语义匹配可能略有下降，且依赖高质量长视频数据。
视频生成也能推理？OpenCoF用17K数据与推理Token破解长程逻辑难题
现有视频生成模型缺乏针对Chain-of-Frame推理的专用训练信号，导致长程连贯性不足。本文提出OpenCoF框架，构建OpenCoF-17K数据集并在Wan2.2基座上微调得到Wan-CoF。实验显示，在MME-CoF、Gen-ViRe等基准上性能显著提升。进一步引入Visual/Textual Reasoning Tokens，通过注意力机制显式捕捉推理线索。需注意，高视觉真实感不等同于可靠推理，且Token效果依赖任务特性。
在线3D场景图为什么总合并错？NoPA的粒子表示
NoPA用固定大小的3D粒子集替代高斯近似，并通过Hellinger距离、MMD和关系传播构建在线场景图。本期核对3DSSG、ReplicaSSG与消融结果，并讨论2D检测器上限、长尾谓词和粒子数量权衡。