苹果将在2026年IEEE/CVF计算机视觉与模式识别会议（CVPR）上展示新研究，会议定于6月3日至7日在丹佛举行。苹果将设立展位，展示实时视觉流助手模型评估和视频生成建模等项目。此外，苹果还将参与2024年神经信息处理系统会议（NeurIPS）和自然语言处理经验方法会议（EMNLP）。

联邦学习中，平衡模型性能、数据隐私和通信开销是一大挑战。清华大学等研究团队提出了基于表征纠缠的框架FedRE，能够有效保护隐私并降低通信成本，同时适应模型异构场景。FedRE通过融合不同类别的表征生成纠缠表征，上传至服务器训练全局分类器，从而显著提升模型性能和隐私保护能力。

浙大城市学院等团队构建了首个专用超声图像-文本数据集US-365K，解决了超声影像领域的数据缺口和语义模糊问题。提出的Ultrasound-CLIP框架通过结构化推理和双目标优化，提升了超声诊断的准确性和模型的泛化能力，相关成果已开源，为超声AI研究奠定基础。

ReCALL框架通过“诊断-生成-校准”闭环解决了多模态大模型在检索中的范式冲突，提升了细粒度推理能力，显著提高了组合图像检索的性能，标志着大模型向下游任务迁移的新阶段。

浙江大学与阿里巴巴等团队研究发现，多模态大模型在视觉推理中存在“盲目自信”现象，即在图像质量下降时仍保持高置信度。为解决此问题，提出CA-TTS框架，通过置信度校准和资源分配优化推理效果。实验表明，该方法在多个视觉推理基准上显著提升准确率，强调了先感知后推理的重要性。

Luma AI推出的Uni-1模型在图像理解与生成方面表现优异，超越谷歌的Nano Banana Pro和GPT Image 1.5。该模型由不到15人的华人团队开发，具备角色姿态迁移和草稿转漫画等功能，展现出强大的竞争力，预示着视觉AI的未来发展方向。

本文介绍了OmniZip，一种轻量化的多模态无损压缩框架，能够高效压缩自然图像、医疗影像和文本等七种模态数据。OmniZip通过统一分词策略和动态路由机制，在保持小参数量的同时显著提升压缩效率，超越传统工具，适用于资源受限的移动设备，实现近实时推理。

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%。

抱歉，提供的文本内容不足以进行总结。请提供更详细的文章内容。

抱歉，您提供的文本内容过于简短，无法进行有效总结。请提供更详细的文章内容。