【CNMO科技消息】據(jù)騰訊混元官方消息，近日，計(jì)算機(jī)視覺頂級(jí)學(xué)術(shù)會(huì)議CVPR 2026正式公布錄取結(jié)果。本屆大會(huì)共收到16092篇有效投稿，最終錄用4090篇，接受率為25.42%。在激烈的競(jìng)爭(zhēng)中，騰訊混元團(tuán)隊(duì)表現(xiàn)亮眼，共有超過25篇論文成功入選，研究范疇深度覆蓋視頻生成、圖像編輯、3D資產(chǎn)創(chuàng)建及多模態(tài)交互等核心領(lǐng)域。

　　在視頻生成與數(shù)字人領(lǐng)域，騰訊混元提出了多項(xiàng)突破性成果。SoliReward框架通過改進(jìn)損失函數(shù)與數(shù)據(jù)策略，有效緩解了視頻生成獎(jiǎng)勵(lì)模型中的“獎(jiǎng)勵(lì)黑客”與標(biāo)注噪聲問題，顯著提升了物理規(guī)律一致性。UniAVGen與Harmony則聚焦音視頻聯(lián)合生成，前者以非對(duì)稱跨模態(tài)交互機(jī)制實(shí)現(xiàn)了人像音視頻的時(shí)空精準(zhǔn)同步，后者通過跨任務(wù)協(xié)同范式解決了音畫同步漂移痛點(diǎn)。針對(duì)實(shí)時(shí)交互需求，StreamAvatar模型成功將高質(zhì)量擴(kuò)散模型蒸餾為高效的流式架構(gòu)，實(shí)現(xiàn)了低延遲的720P無限長(zhǎng)數(shù)字人視頻生成，而ActAvatar則通過時(shí)序感知機(jī)制，僅需50億參數(shù)即可實(shí)現(xiàn)高精度的虛擬形象動(dòng)作控制。

　　圖像編輯與理解方面，Meta-CoT提出元思維鏈編輯范式，通過三元組認(rèn)知分解與元任務(wù)操作分解，兼顧了細(xì)粒度指令跟隨與跨任務(wù)泛化能力。JarvisEvo構(gòu)建了編輯器與評(píng)估器協(xié)同優(yōu)化的自進(jìn)化智能體，利用交錯(cuò)式多模態(tài)思維鏈打破純文本推理的信息壁壘。此外，PromptEnhancer與TAG-MoE分別通過細(xì)粒度獎(jiǎng)勵(lì)優(yōu)化提示重寫及任務(wù)感知門控機(jī)制，大幅提升了文本到圖像生成的語義對(duì)齊度與多任務(wù)處理能力。

　　在3D生成與世界模型構(gòu)建上，騰訊混元同樣成果豐碩。LATTICE框架利用半結(jié)構(gòu)化VoxSet表示法，彌合了3D與2D生成模型在質(zhì)量與可擴(kuò)展性上的差距；NaTex與PoseMaster分別實(shí)現(xiàn)了基于潛在顏色擴(kuò)散的無縫紋理生成及原生3D骨架控制的姿態(tài)風(fēng)格化。ArtLLM與X-Part進(jìn)一步推動(dòng)了關(guān)節(jié)式資產(chǎn)生成與高保真形狀分解技術(shù)的發(fā)展。WorldStereo則通過幾何記憶模塊，成功橋接了可控視頻生成與3D場(chǎng)景重建。