智东西

编译|王涵

智东西6月16日消息，上周五，IEEE计算机学会（CS）与计算机视觉基金会（CVF）联合公布了2025年计算机视觉与模式识别会议（CVPR）获奖论文及本年度AI艺术奖项。本次公布的7篇获奖论文全部都有华人科研人员参与其中，其中2篇文章由全华人团队完成。尤为亮眼的是，斩获“CVPR2025最佳论文”的成果同样出自华人研究员之手。

CVPR是IEEE国际计算机视觉与模式识别会议(IEEE/CVFConferenceonComputerVisionandPatternRecognition)。它是计算机视觉和模式识别领域最重要的年度国际会议之一，被公认为该领域的顶级盛会，许多人甚至称其为计算机视觉界的“奥斯卡”。

一、CVPR2025最佳论文：华人一作，多项3D任务达最先进水平

该文章提出VGGT（视觉几何基础Transformer），能够直接从单视角、多视角乃至上百个视角中推断场景的所有关键3D属性，包括相机参数、点云图、深度图和3D点轨迹。该方法推动了3D计算机视觉领域的发展，传统模型通常局限于单一任务且需要专门优化。

VGGT不仅结构简洁高效（图像重建耗时不足1秒），其性能更超越了需要视觉几何优化技术进行后处理的替代方案。该网络在多项3D任务中达到最先进水平，包括相机参数估计、多视角深度估计、稠密点云重建和3D点追踪。实验表明，将预训练的VGGT作为特征骨干网络，可显著提升非刚性点追踪和前馈式新视角合成等下游任务的性能。

二、CVPR2025最佳学生论文：根据物理规律逆向渲染，可屏蔽反射光干扰三、荣誉提名奖项：华为和北大浙大的全华团队夺得最佳学生论文提名

荣誉提名奖项授予那些在质量上仅次于最佳论文，但同样非常优秀且具有显著影响力的论文。它表明这些论文虽然不是最终的“第一名”，但其研究成果和贡献也得到了高度认可。

其中共有4篇论文获得最佳论文荣誉提名，1篇论文获得最佳学生论文提名，分别是：

1、最佳论文荣誉提名

在熟悉环境中，NWM可通过轨迹模拟与目标达成度评估自主规划路径。与传统固定行为的监督式导航策略不同，NWM能在规划过程中动态整合约束条件。实验证明其具备两种核心能力：（1）从零开始规划轨迹；（2）对外部策略采样轨迹进行择优。更突出的是，NWM能基于单张输入图像，利用学习到的视觉先验对陌生环境进行轨迹推演，这使其成为新一代导航系统中兼具灵活性与强大性能的工具。

该团队提出Molmo系列模型。核心突破在于PixMo数据集组合：包含用于预训练的精细化图像描述数据集、用于微调的自由格式图像问答数据集，以及创新的2D指向数据集，所有数据均未借助外部VLM生成。该方案的成功取决于三个要素：（1）精细的建模选择；（2）优化充分的训练流程；（3）最关键的新建数据集质量。他们提出的72B旗舰模型不仅超越同类开源模型，更在学术基准和大规模人工评估中胜过、/Flash等商业大模型，性能仅次于GPT-4o。

该团队提出了一个由灵活的学生t分布（Student’stdistributions）组成的新混合模型，该模型同时包含正密度（溅射）和负密度（舀取）。此模型被命名为“学生溅射与舀取”（StudentSplattingandScooping），简称SSS。通过在多个数据集、设置和指标上进行的详尽评估与比较，该团队证明了SSS在质量和参数效率方面均优于现有方法。例如，在使用相似数量组件的情况下，SSS能达到同等或更优的质量；并且在将组件数量减少高达82%的情况下，仍能获得可比较的结果。

2、最佳学生论文荣誉提名

多模态大语言模型（MLLM）的最新研究致力于通过结合LLM与扩散模型（分别为各自任务中的前沿技术）来实现视觉理解与生成的统一。现有方法依赖于空间视觉tokens，即图像块按空间顺序（如光栅扫描）编码排列。但研究发现，空间tokens缺乏语言固有的递归结构，导致LLM难以掌握这种“非语言化”表征。

该研究提出通过扩散时间步长学习离散递归视觉tokens，可随时间步长递增递归补偿噪声图像的渐进属性损失，使扩散模型能在任意时间步重建原始图像。该方法有效融合了LLM自回归推理优势与扩散模型精确图像生成能力，在统一框架内实现了无缝多模态理解与生成。大量实验表明，相比其他MLLMs，该模型在多模态理解与生成任务上同步取得了更优性能。

四、让AI与艺术对话，全华人团队获奖

除技术研究外，CVPRAI艺术项目（AIArtProgram）探索科学与艺术的交叉领域，征集运用计算机视觉技术（包括生成模型、物体与面部识别等）的创作作品。今日公布的获奖作品从100余件入选作品中脱颖而出：

1、TomWhite的《AtlasofPerception（感知图册）》，通过探索神经网络的潜空间（latentspace），揭示视觉模型的“视觉词汇”。该雕塑作品解析机器如何理解世界，展现外观本身的语法规则：视觉的模块化语义。

2、MasaruMizuochi的《GreenDiffusion（绿色扩散）》，将土壤微生物分解物质为养分的“破坏”过程，与AI扩散模型（diffusionmodel）的加噪去噪“创造”过程并置，凸显二者的同步性。

AI艺术项目策展人LubaElliott评价称：“AI与艺术交汇处蕴藏丰富素材，本项目鼓励艺术家持续探索其潜力。祝贺所有获奖者及参与者对当下图景的深刻诠释。”

结语：华人正站在世界AI研究前沿

此次CVPR2025大会上，科技巨头Meta和谷歌都没有缺席领奖台，华为的研究团队也获得了荣誉提名。除此之外，华人在获奖论文中的参与度让人十分惊喜。

华人在CVPR2025上的超高“出镜率”凸显了华人在全球计算机视觉与模式识别领域的卓越贡献，多篇获奖论文及成果也彰显了中国在全球AI发展进程中日益增长的影响力。