👥 社会计算¶

🎞️ ECCV2026 · 7 篇论文解读

📌 同领域跨会议浏览： 📷 CVPR2026 (3) · 🔬 ICLR2026 (17) · 💬 ACL2026 (44) · 🧪 ICML2026 (9) · 🤖 AAAI2026 (10) · 🧠 NeurIPS2025 (20)

🔥 高频主题： 自监督学习 ×2

Dual-Margin Embedding for Fine-Grained Long-Tailed Plant Taxonomy: 针对真实生态监测中细粒度差异、长尾类别分布与开放世界域偏移并存的挑战，本文提出 TaxoNet，通过双边界惩罚损失抑制头部类别对尾部原型的排斥梯度，结合范数引导的样本选择策略，显著提升了植物层级分类在罕见类别与跨域场景下的泛化能力。
Evidence Triangulation for Multimodal Fact-Checking in the Wild: 针对真实社交网络多模态误导信息缺乏自然训练基准及现有核查架构推理割裂的问题，本文构建了首个源自 X (Twitter) Community Notes 的众包基准 X-POSE，并提出了基于三路交叉注意力与蕴涵/矛盾关系融合的轻量级证据三角互证模型 TRENT。
Fourier Self-Supervision for Fine-Grained Generalized Category Discovery: 针对细粒度广义类别发现中类间差异微弱导致难以聚类新类的问题，本文提出基于傅里叶变换的双频自监督对比学习框架，通过信噪比确定自适应截止频率并解耦表征空间，以低频提取粗粒度抽象层级、高频捕捉微小判别特征，显著提升新已知类别的发现精度。
HCSU: A Dataset and Benchmark for Fine-Grained Historical Calligraphy Style Understanding: 针对视觉语言模型在书法艺术上“通晓文字却不懂笔墨”的认知断层，HCSU 构建了首个解耦真迹墨迹（Tie）与石刻拓本（Bei）的大规模细粒度书法风格理解基准（39,307 字/49 位名家/10 个朝代），并引入层次化专家美学描述以驱动风格判别与可解释美学推理。
Coarse-to-fine Contrast: A Hybrid Self-supervised Method for Non-rigid 3D Shape Matching: 本文提出了一种由粗到细的混合自监督非刚体 3D 形状匹配方法，通过在正交拉普拉斯基底与非正交弹性基底构建的对称双分支中引入空间、谱域及跨域的由粗到细对比约束，并彻底舍弃耗时的最小二乘求解器与推理期微调，在保持高效计算的同时显著刷新了非等距变形与拓扑噪声场景的匹配精度。
MED-LCDS: Multi-Expert-Domain CLIP Classification via Logit Calibration: 针对独立微调的多个特定领域 LoRA 专家合并到统一模型时因 logit 尺度不一致导致的跨域干扰与虚高置信度问题，本文提出 MED-DSLC（MED-LCDS），结合领域监督门控路由与可学习的领域级温度校准，恢复跨领域全局 logit 可比性，在联合类别空间下取得大幅性能提升。
PanoRec: Spatially-Structured Sequence Modeling for Multi-Granularity Panoramic Retrieval: 针对传统视觉语言模型将全景图压缩为单一全局向量导致的严重语义稀释难题，PanoRec 通过将无畸变六面体投影面、下采样全局全景图与可学习空间锚点标记序列化，结合动态 MaxSim 路由与联合空间 InfoNCE 目标，在单次前向传播中实现了高效的多粒度全景图跨模态检索。