CVPR 2026 模型适应性研究盘点：从保留旧知识，到适应真实世界

事件概述

CVPR 2026 的多项研究聚焦模型适应性，从类增量学习中的灾难性遗忘、大规模预训练驱动数字人建模，到联邦学习下的持续稳定性和跨视觉模态协同，共同指向一个核心问题：如何让 AI 在复杂、动态的真实世界中保持稳定与可进化能力。

核心信息

1. 类增量学习：QKD（量子门控任务交互知识蒸馏）

• 问题：基于预训练模型的类增量学习中，模型不断学习新类别时易遗忘旧知识，且现有方法缺乏明确的任务交互机制。
• 方法：提出 QKD 框架，利用参数化量子电路将样本特征和任务表示映射到高维 Hilbert 空间，用量子门控输出样本与各任务的相关性权重，指导知识蒸馏和推理时的 adapter 融合。
• 结果：在 CIFAR-100、CUB-200、ImageNet-A/R、VTAB 等基准上达到领先或有竞争力的准确率，消融实验显示量子门控优于余弦相似度或神经网络控制器。

2. 数字人建模：LCA（大规模编解码器头像预训练）

• 问题：高保真数字人建模中，多视角影棚方法泛化差，野外数据方法细节不足。
• 方法：采用“预训练+后训练”范式，先在 100 万个真实世界单目视频上预训练通用外观与几何先验，再用高质量多视角影棚数据后训练提升可驱动性与保真度。模型使用 3D Gaussian 解码器，分 canonical 和 pose-dependent 分支。
• 结果：在多视角和单视角输入下均优于已有方法，对眼镜、帽子、不同服装等具有较好泛化能力，支持宽松服装形变和重新打光。

3. 联邦持续学习：FEAT（联邦几何感知校正）

• 问题：联邦学习下多客户端持续学习新任务，数据分布动态异质，历史样本有限，存在灾难性遗忘和类别不平衡。
• 方法：提出 FEAT，包含几何结构对齐（以固定 ETF 原型对齐特征角度）和能量基几何校正（推理时移除无关方向成分），增强样本回放效果。
• 结果：在 CIFAR10/100、TinyImageNet-Subset 上提升 Top-1 Accuracy，可与已有回放方法结合，通信开销低。

4. 统一大视觉模型：PolyV（跨视觉协同建模）

• 问题：现有统一视觉模型多模态间缺少深入交互，难以结合图像、视频、3D 的互补先验。
• 方法：提出 PolyV 框架，采用稀疏 MoE 架构和动态路由器，设计协同感知训练（模态特定预训练 + 粗/细粒度跨视觉协同训练），引入 synergy token 形成中间协同表示。
• 结果：在图像、视频、3D 任务共 10 个基准上优于已有模型，比基础模型 Qwen2.5-VL-7B 平均提升约 10%。

值得关注

这些工作表明，CVPR 2026 的研究正从“单点性能提升”转向“能力管理”——模型不仅需要学会更多，更需要知道如何保留旧知识、如何从大规模数据中获取泛化能力、如何在多客户端和分布变化下稳定学习、如何让不同视觉模态相互增强。这为大模型在真实世界中的落地提供了关键支撑。