CVPR 2026 主会议于6月7日正式落幕，闭幕日释放出三大重磅信号，每一次信号都在重新定义计算机视觉的发展边界。奖项方面，Google DeepMind 的 D4RT 荣获最佳论文，牛津 VGG 实现了罕见的“背靠背”两连冠；何恺明团队的 ResNet 与 YOLO 同时斩获 Longuet-Higgins 时间检验奖；微软与清华联手的 TRELLIS.2 则摘得最佳学生论文。数据基建领域迎来大动作——被誉为“视觉物理 ImageNet 时刻”的 PhysInOne 数据集震撼发布，包含 200 万段视频、超过 15 万个 3D 场景，覆盖 71 种物理现象。与此同时，VLA 方向的论文数量暴涨 5 倍，世界模型方向增长 3 倍，已成为行业共识。人才端更是热闹非凡：两名本科生在半年内拿下 5 个顶会，一位大三学生仅凭老旧泰坦 GPU 就斩获最佳学生论文提名。中国本科生的顶会现象成为闭幕日全网热议的焦点。以下以三个热门议题为线索，带你一口气看完 CVPR 2026 闭幕日的所有精华。

热门议题一：五大奖项全揭晓——D4RT 封神、牛津 VGG 两连冠、何恺明再获至高荣誉

闭幕式上，本届 CVPR 的五大奖项悉数落定。Google DeepMind 的 D4RT 凭借在 4D 动态场景重建上的突破，摘得最佳论文。这不仅是论文本身的胜利，更标志着牛津 VGG 连续两年站上 CVPR 最高领奖台——2025 年的 VGGT 加上今年的 D4RT，谱写了一曲“背靠背”两连冠的传奇。何恺明团队的 ResNet 与 YOLO 同时获得 Longuet-Higgins 时间检验奖，再次印证这两项工作在计算机视觉史上不可撼动的基石地位。微软与清华大学联合提出的 TRELLIS.2，以 17 秒生成 PBR 资产的惊人速度斩获最佳学生论文。SAM 3D 获得最佳论文提名，NVIDIA 的 NitroGen 则拿下最佳论文荣誉提名。这五大奖项不仅是个体成果的胜利，更折射出计算机视觉从 2D 到 4D、从感知到生成的范式迁移主线。

D4RT —— CVPR 2026 Best Paper Award（Google DeepMind / UCL / Oxford）

本次 Google DeepMind、UCL 和 Oxford 联手推出的 D4RT 相当能打。它提出了一套高效的 4D 动态场景重建方法，在重建质量与计算效率之间找到了一个突破性的平衡点。而更让人感慨的是，这是 Oxford VGG 实验室连续第二年拿下最佳论文——从 2025 年的 VGGT 到 2026 年的 D4RT，四年两冠的“背靠背”传奇，足以写进计算机视觉史。这也意味着，4D 动态场景重建已经从研究前沿正式进入主流视野。

ResNet & YOLO —— Longuet-Higgins 时间检验奖（何恺明团队）

何恺明团队的 ResNet 和 YOLO 检测框架同时获得 CVPR 2026 Longuet-Higgins 时间检验奖，表彰的是它们对计算机视觉长达十年以上的深远影响。从 2015 年的 ResNet 到 2016 年的 YOLO，这两项工作经过大规模工业验证后，终于被最高级别的学术奖项肯定。某种程度上，何恺明“一作即封神”的传奇轨迹，又增添了一笔厚重的注脚。

TRELLIS.2 —— 最佳学生论文奖（微软×清华 · 17 秒生成 PBR 资产）

微软研究院与清华大学联合推出的 TRELLIS.2 拿到了最佳学生论文奖。作为一款原生 3D 大模型，它能在 17 秒内生成超高精度的 PBR（物理渲染）资产，将 3D 资产生成从“天级”直接缩短到“秒级”。这个速度，说它是 3D 生成领域的新标杆一点也不为过，同时也是产学研结合的经典范本。

SAM 3D（最佳论文提名）& NitroGen（NVIDIA · 最佳论文荣誉提名）

SAM 3D 提出从单张图像进行 3D 重建的生成模型，获得最佳论文提名；NVIDIA 的 NitroGen 则拿到最佳论文荣誉提名，延续了 NVIDIA 在 CVPR 上的一贯强势表现。两篇论文分别落在 3D 重建与图像生成两个方向，而这正是当前计算机视觉最具活力的两个子领域。

热门议题二：PhysInOne 发布——“视觉物理 ImageNet 时刻”开启，世界模型与具身智能论文暴涨

如果说 D4RT 代表的是过去几年技术积累的顶峰，那么 PhysInOne 的发布，就是在为接下来十年定调。这个包含 200 万段视频、超过 15 万个动态 3D 场景、覆盖 71 种物理现象（从力学、光学到流体、磁学）的超大型数据集，被学界称为“视觉物理的 ImageNet 时刻”。它的意义不只是一个技术突破，而在于为世界模型和具身 AI 的研究，补齐了此前缺失的那块最关键的数据基础设施。与此同时，CVPR 2026 的数据也清晰显示，VLA 方向的论文数量增长了 5 倍，世界模型方向增长了 3 倍。而前 AlphaFold2 核心成员 Simon Kohl 的那场 Keynote，被不少人评价为“全场最佳”，他直接在演讲中打通了从蛋白质设计到生成式 AI 的跨领域链路。种种迹象表明，具身智能正在从学术春天走向真正的产业夏天。

PhysInOne: Physics-Grounded World Models & Embodied AI Dataset（“视觉物理 ImageNet 时刻”）

PhysInOne 是一个面向物理世界模型和具身 AI 的大规模数据集。200 万段视频、超过 15 万个动态 3D 场景、71 种物理现象，再加上完整的 2D/3D/4D/文本标注——这个规模，几乎可以说是世界模型训练的一个分水岭事件。在此之前，研究者们一直缺少一个大规模、多元化、带物理标注的数据集来作为世界模型的学习基础。PhysInOne 的出现，很可能成为具身智能时代的数据标准，推动机器人从“看懂世界”向“理解物理”跨出质变的一步。

Simon Kohl（前 AlphaFold2 / Latent Labs CEO）Keynote

前 AlphaFold2 核心成员、现任 Latent Labs CEO Simon Kohl 的这场 Keynote，被多位参会者评价为“全场最精彩”。他分享了一个核心洞见：“预测器赋能生成模型”。在 AlphaFold2 里，团队做的是预测器（Predictor）；而在 Latent Labs，转向了生成器（Generator）。他提到，AI 设计的抗体已经在十人人类 panel 中展示出低免疫激活。这场跨越计算机视觉、计算生物学与药物设计的演讲，让在场所有人都看到了视觉模型与生命科学深度交汇的巨大潜力。

MAPS: VLA 鲁棒微调框架 + VQ-VA World：具身智能方法论的集中爆发

CVPR 2026 上，具身智能方向的数据令人瞩目——VLA 论文增长 5 倍，世界模型增长 3 倍，这个赛道热度已经坐实。MAPS 提出的是 VLA 模型的鲁棒微调框架，核心发现是 VLA 的不同组件需要不同级别的保留与适配策略；VQ-VA World 等世界模型相关论文也同期亮相。可以说，具身智能正从早期的单点突破阶段，正式进入系统性方法论构建阶段。

热门议题三：中国本科生顶会现象引爆网络——2 人半年 5 个顶会、大三学生老泰坦逆袭、美团 560B 开源模型齐登 CVPR

CVPR 2026 闭幕日，最出圈的讨论不是最佳论文花落谁家，而是一群中国本科生的惊艳表现。两名本科生在半年内，于 CVPR、ICCV、ECCV 等顶级会议上狂揽 5 篇论文；一位大三学生仅凭一块老旧泰坦 GPU 完成的研究，成功获得最佳学生论文提名。这条消息以极快的速度在各大科技媒体间发酵，成为闭幕日全网最热话题。与此同时，中国科技巨头在 CVPR 现场同样分量十足：美团正式开源 560B 参数的 LongCat MoE 大模型，字节跳动的 HiFi-Inpaint 图像修复新范式高调亮相，微软与清华合作的 TRELLIS.2 更是让产学研合作成果站上国际舞台。中国力量，正在以不可忽视的姿态，成为 CVPR 的主角。

大三本科生凭老泰坦 GPU 斩获 CVPR 最佳学生论文提名

一位大三本科生，用一块老旧泰坦（Titan）GPU 完成的研究，拿下了 CVPR 2026 最佳学生论文提名。这个故事迅速引爆全网。在算力军备竞赛愈演愈烈的今天，这种“低配逆袭”的叙事，精准击中了学术界的集体共鸣点——也让更多资源受限的高校学生看到了冲顶顶会的希望。

2 名本科生半年 5 个顶会——中国青年学者全民出海

两名本科在读学生，仅用半年时间便在 CVPR、ICCV、ECCV 等五大顶级会议上发表了 5 篇论文，并在 CVPR 2026 上获得最佳学生论文提名。这个现象折射出的是中国计算机视觉教育——尤其是本科阶段拔尖人才培养体系——跨越式的进步。

LongCat：美团开源 560B MoE 大模型（CVPR 现场展出）

美团在 CVPR 2026 现场正式发布并开源了 LongCat 模型家族：560B 参数的 Mixture-of-Experts 架构，但每次推理仅需激活约 27B 参数，在推理速度与模型能力之间取得了出色的平衡。这是中国互联网巨头在 CVPR 舞台上最大规模的模型开源行动之一，也标志着美团 AI 战略正在从应用层向基础模型层纵深延伸。

HiFi-Inpaint：字节跳动图像修复新范式

字节跳动在 CVPR 2026 上带来的 HiFi-Inpaint，用全新思路解决了图像修复任务中长期困扰业界的高频细节恢复难题。这项成果在本届 CVPR 中国科技企业赛道中，是平面视觉方向最受关注的成果之一。

视觉物理时代，才刚刚开始

从 D4RT 的 4D 重建到 PhysInOne 的物理数据集，从中国本科生的泰坦逆袭到 LongCat 560B 的开源浪潮。CVPR 2026 传递出的信号很清晰：计算机视觉正在从“理解图像”的时代，大踏步迈向“理解世界”的时代——而中国，已站上这场变革的中心舞台。