【论文学习】CVPR 2026 和 ICLR 2026论文
CVPR 2026| OmniLottie: Generating Vector Animations via Parameterized Lottie Tokens
OmniLottie：基于参数化 Lottie 令牌的矢量动画生成
OmniLottie 是首个端到端多模态矢量动画生成框架，通过自研 Lottie 分词器实现 10 倍压缩，结合预训练视觉语言模型，支持文本、图像、视频输入生成小体积、高清无损、可编辑的 Lottie 矢量动画，同时开源了包含 200 万个动画的大规模 MMLottie-2M 数据集，解决了传统 AI 生成动画文件大、无法无限高清、不可编辑的痛点。
CVPR 2026| OpenDPR: Open-Vocabulary Change Detection via Vision-Centric Diffusion-Guided Prototype Retrieval for Remote Sensing Imagery
OpenDPR：面向遥感影像的、以视觉为中心的扩散引导原型检索实现开放词汇变化检测
OpenDPR 是首个基于扩散模型的零训练、开放词汇遥感变化检测框架，通过「扩散模型生成视觉原型 + DINOv2 提特征 + SAM 定位变化区域 + 视觉空间匹配」的 pipeline，实现了无需提前限定类别、几乎无需训练的遥感图像变化检测，还推出了弱监督升级版本 OpenDPR-W，仅用图像级标签即可完成优化。
ICLR 2026| PMDformer: Patch-Mean Decoupling Information Transformer for Long-term Forecasting
PMDformer：面向长期时序预测的 Patch 均值解耦信息 Transformer
PMDformer 是针对 Transformer 长时序预测中「数值尺度干扰注意力建模」问题提出的创新框架，通过Patch 均值解耦（PMD） 强制分离数据的水平偏移与形状相似性，让注意力只关注时序形状；同时搭配近邻变量注意力（PVA）和趋势恢复注意力（TRA），在不丢失全局趋势的前提下，大幅提升长时序预测的精度与效率。
ICLR 2026| Distributional Vision-Language Alignment by Cauchy-Schwarz Divergence
基于柯西 - 施瓦茨散度的分布型视觉 - 语言对齐
CS-Aligner 是针对 CLIP 等传统方法仅做样本对对齐、忽略全局分布差异的痛点提出的极简多模态对齐框架，通过柯西 - 施瓦茨（CS）散度强制对齐图像与文本的全局特征分布，同时用互信息保证细粒度语义匹配，实现了 “既管好每对图文、又管好整体分布” 的更紧致、精准的跨模态对齐，显著提升了文生图等下游任务效果。