【CNMO科技消息】据腾讯混元官方消息，近日，计算机视觉顶级学术会议CVPR 2026正式公布录取结果。本届大会共收到16092篇有效投稿，最终录用4090篇，接受率为25.42%。在激烈的竞争中，腾讯混元团队表现亮眼，共有超过25篇论文成功入选，研究范畴深度覆盖视频生成、图像编辑、3D资产创建及多模态交互等核心领域。
在视频生成与数字人领域，腾讯混元提出了多项突破性成果。SoliReward框架通过改进损失函数与数据策略，有效缓解了视频生成奖励模型中的“奖励黑客”与标注噪声问题，显著提升了物理规律一致性。UniAVGen与Harmony则聚焦音视频联合生成，前者以非对称跨模态交互机制实现了人像音视频的时空精准同步，后者通过跨任务协同范式解决了音画同步漂移痛点。针对实时交互需求，StreamAvatar模型成功将高质量扩散模型蒸馏为高效的流式架构，实现了低延迟的720P无限长数字人视频生成，而ActAvatar则通过时序感知机制，仅需50亿参数即可实现高精度的虚拟形象动作控制。
图像编辑与理解方面，Meta-CoT提出元思维链编辑范式，通过三元组认知分解与元任务操作分解，兼顾了细粒度指令跟随与跨任务泛化能力。JarvisEvo构建了编辑器与评估器协同优化的自进化智能体，利用交错式多模态思维链打破纯文本推理的信息壁垒。此外，PromptEnhancer与TAG-MoE分别通过细粒度奖励优化提示重写及任务感知门控机制，大幅提升了文本到图像生成的语义对齐度与多任务处理能力。
在3D生成与世界模型构建上，腾讯混元同样成果丰硕。LATTICE框架利用半结构化VoxSet表示法，弥合了3D与2D生成模型在质量与可扩展性上的差距；NaTex与PoseMaster分别实现了基于潜在颜色扩散的无缝纹理生成及原生3D骨架控制的姿态风格化。ArtLLM与X-Part进一步推动了关节式资产生成与高保真形状分解技术的发展。WorldStereo则通过几何记忆模块，成功桥接了可控视频生成与3D场景重建。