内容提要
百度在CVPR 2026会议上成功入选12篇论文，涉及多模态理解、人脸识别和自动驾驶等领域，展示了其技术实力与创新能力。此次会议吸引了全球顶尖投稿，录用率为25.42%。
关键要点
-
百度在CVPR 2026会议上成功入选12篇论文，展示了其技术实力与创新能力。
-
会议吸引了全球顶尖投稿，录用率为25.42%。
-
入选论文涵盖多模态理解、人脸识别、自动驾驶等多个前沿研究方向。
-
PP-OCRv5是一款超轻量级OCR系统，参数仅5M，性能媲美大模型。
-
PaddleOCR-VL通过粗到精的架构提升文档解析效率与性能。
-
FaithFusion引入像素级信息增益，解决3D场景生成中的几何保真度问题。
-
ViLoMem框架用于构建紧凑的多模态语义记忆，提升学习能力。
-
GenHOI增强了手物交互视频生成的一致性与真实感。
-
RnG统一了3D重建与新视角生成，推理速度快且高效。
-
CoLoGen解决多任务图像生成中的概念与定位表征冲突。
-
OptiMVMap提出多车协同建图的新范式，提升地图构建质量。
-
TAR-FAS框架提升人脸防伪检测的泛化性与可解释性。
-
FCLM通过一致性损失函数提升细粒度视觉理解能力。
-
Blink框架增强多模态大模型的视觉感知与推理能力。
-
提出的自监督强化学习框架提升统一多模态模型的生成能力。
延伸问答
百度在CVPR 2026会议上入选了多少篇论文？
百度在CVPR 2026会议上成功入选了12篇论文。
CVPR 2026会议的整体录用率是多少？
CVPR 2026会议的整体录用率为25.42%。
PP-OCRv5的主要特点是什么？
PP-OCRv5是一款仅5M参数的超轻量级OCR系统，其性能媲美大模型，打破了“模型越大越好”的传统观念。
PaddleOCR-VL如何提升文档解析效率？
PaddleOCR-VL采用“由粗到精”的架构，专注于语义相关的关键区域，抑制冗余信息，从而提升解析效率与性能。
GenHOI在视频生成中解决了什么问题？
GenHOI通过引入时间偏移和空间注意力，增强了手物交互视频生成的一致性与真实感，解决了物体外观退化问题。
OptiMVMap的创新点是什么？
OptiMVMap提出了“先优选、再融合”的新范式，通过最优车辆选择模块提升地图构建质量，避免冗余视角。
