CVPR 2026

四川大学雷印杰团队在CVPR 2026提出新方法，通过事件链和物理公式约束视频生成，大幅提升过程合理性和时间顺序正确性，在多个物理场景中取得最佳效果，让生成视频不再“出戏”。

港中文薛天帆团队提出CubeComposer，通过时空自回归与连续性设计，首次实现从普通视角视频直接生成原生4K 360°视频，极大降低了沉浸式内容创作门槛。

中科院计算所与上海交大提出MultiAnimate框架，仅用双人数据训练即可生成多达七人的高一致性动画，解决多人交互中的身份混淆与空间错位问题，效果显著优于现有方法。

中山大学梁小丹团队在CVPR 2026提出的ProPhy，通过分层物理对齐大幅减少视频生成中的物理违规现象，从视觉真实迈向物理正确。

浙大与腾讯团队提出UnicEdit-10M千万级图像编辑数据集和UnicBench基准，通过统一验证框架大幅提升开源模型编辑质量，在多项指标上接近闭源模型，为图像编辑研究提供新方向。

智源清华等提出PAM框架，仅需初始与目标手部姿态及物体几何即可生成高保真手物交互视频。无需第一帧输入，性能全面超越现有SOTA，其合成数据可大幅提升下游手部姿态估计任务，用50%真实数据即可达到全量数...

中山大学郭裕兰团队在CVPR 2026提出MangoBench基准，系统性分析多智能体离线强化学习在稀疏奖励与信用分配下的困境，揭示目标驱动与分层策略的有效性，为协作智能指明方向。

北京大学王选所彭宇新团队提出TARA方法，通过生物基础模型对齐表征，显著提升多模态大模型在层级视觉识别中的一致性表现，并大幅增强对未知物种的泛化能力，论文入选CVPR 2026。

中山大学与MBZUAI联合发布开源VLA模型A₁，通过截断式自适应推理将机器人实时控制延迟降低72%，骨干计算量减少76.6%，性能不降反升。CVPR 2026 Findings收录，全面开放代码与权...

西湖大学王东林团队提出HiF-VLA模型，通过运动信息让机器人记住过去并预判未来，在长序列任务中成功率最高达96.4%，推动具身智能从“看到就做”走向“边想边做”。本文详解方法、实验与背后的科研力量。