CVPR 2026 论文与开源代码合集：计算机视觉领域的年度"地图编辑器"

一篇论文从 arXiv 到落地，中间差了多远？

相信每个 AI 研究者都有过这样的经历：刷到一篇论文，标题炸裂，实验数据亮眼，读完摘要心潮澎湃——然后呢？去找代码？作者没开源。好不容易找到了代码？README 写得云里雾里，依赖版本对不上，跑了三小时报错。折腾一天之后，这篇"顶会论文"就此沉睡在你的收藏夹里。

amusi/CVPR2026-Papers-with-Code 解决的就是这个痛点。它不是一篇论文，不是一个模型，而是一张持续更新的计算机视觉领域地图：收录 CVPR 2026 全部录用论文，每篇标注 arXiv 链接、可运行代码仓库（如果有的话），并按 86 个细分类目索引整理。换句话说，这不是一个工具，而是一个让前沿研究与开源社区无缝衔接的索引枢纽。

图1：CVer学术交流群——获取CVPR 2026等前沿工作的日常窗口

背景：CVPR 2026 的"放榜时刻"与研究者的集体焦虑

2026 年初，CVPR 2026 的审稿结果在 OpenReview 上陆续公布。本届 CVPR 共收到 16092 篇投稿，最终录用 4090 篇，录用率约 25.42%——竞争激烈程度可见一斑。对于研究者来说，放榜之后的第一个动作往往不是庆祝，而是"查岗"：我的论文中了没有？同行的论文中了没有？同领域还有什么新鲜东西？

就在这时，GitHub 上一个持续活跃的维护者 amusi（意为"AMUSI"，通常解读为"AI MuSiC"或研究者自嘲的谐音梗）迅速整理出了 CVPR2026-Papers-with-Code 合集。这不是他第一次做这件事——他同时维护着 CVPR2019 到 CVPR2025 的历年论文合集，以及 ICCV、ECCV 等主流 CV 会议的类似项目，已经形成了完整的计算机视觉会议论文追踪体系。

什么是"Papers with Code"模式？

通俗地类比：传统的论文列表像是图书馆的卡片目录——你知道有这本书，但借阅需要你自己去找。"Papers with Code"模式则是图书馆在卡片上直接贴了二维码，扫码就能看到这本书的配套实验代码、数据集链接、在线演示。你不需要再在作者个人主页、Google Drive、百度网盘之间来回横跳。

这个项目收录的每篇论文条目通常包含：

• Paper 链接：直接指向 arXiv 论文 PDF 或摘要页
• Code 链接：指向 GitHub 代码仓库（如果有）
• Project 链接：指向项目主页或在线 Demo（如果有）

研究者无需注册任何账号，无需翻墙，直接点击即可跳转。在 CVPR 2026 录用的 4090 篇论文中，该仓库目前已收录带有代码链接的论文数十篇，覆盖 3DGS、Agent、扩散模型、目标检测等多个热门的子领域。

86 个分类：CV 研究的"百科全书式索引"

这个仓库最核心的价值不只是收录论文，而是按子领域精细分类。目前已建立的分类超过 86 个，涵盖了计算机视觉研究的主流方向：

底层视觉与图像处理：图像去噪、超分辨率、去雾、去雨、去模糊、图像增强、图像质量评价等

3D 视觉与重建：3DGS（高斯溅射）、NeRF、3D 点云、3D 目标检测、体积渲染等

检测与分割：目标检测、语义分割、实例分割、全景分割、异常检测、ReID（重识别）等

生成与扩散：GAN、扩散模型（Diffusion Models）、可控生成等

大模型与多模态：MLLM（多模态大语言模型）、LLM、视觉-语言模型（Vision-Language）、CLIP、Agent 等

视频与时序：视频目标跟踪、时序动作检测、视频质量评价等

垂直应用：医学图像、自动驾驶、遥感图像、OCR（光学字符识别）、低功耗图像识别等

基础架构：Backbone 网络、Vision Transformer、NAS（神经架构搜索）、Mamba、自监督学习等

这些分类不是随意堆砌，而是紧跟 CV 领域每年的研究热点——比如 2025-2026 年"3DGS"和"具身智能"已经成为独立分类，说明这两个方向的热度已经足以与传统方向并列。

关键论文案例：从中稿到代码落地的真实路径

光有分类还不够，论文有没有配套代码才是关键。以下是几个有代表性的案例：

FastGS（高斯溅射加速）：论文 "FastGS: Training 3D Gaussian Splatting in 100 Seconds" 在 CVPR 2026 录用，有配套 GitHub 仓库 fastgs/FastGS，项目主页 fastgs.github.io 提供在线演示。高斯溅射是 2023 年兴起的新型 3D 重建技术，相比传统 NeRF 在速度和交互性上有显著优势，FastGS 将训练时间压缩到 100 秒级别，是工程优化的典范。

MedCLIPSeg（医学图像分割）：来自 HealthX-Lab 的团队在医学图像分割领域贡献了配套代码仓库，展示了 CLIP 预训练知识向医学影像领域的迁移路径。

VLM Circuit Tracing（多模态大模型可解释性）：UIUC-MONET 团队发布了多模态大模型的电路追踪代码，为"大模型到底在想什么"这一黑箱问题提供了可量化的分析工具。

值得注意的是，大量论文目前仍然只有 Paper 链接而无 Code 链接。这本身就是这个仓库的价值所在——它如实反映了 CV 研究的现状：论文数量爆炸，但代码开源率仍远未饱和。

上手体验：零门槛的"克隆即用"

作为纯 Markdown 文件集合，这个项目没有任何部署门槛。你可以直接在 GitHub 网页上浏览，也可以克隆到本地用任意 Markdown 阅读器或编辑器打开。

git clone https://github.com/amusi/CVPR2026-Papers-with-Code.git
cd CVPR2026-Papers-with-Code
# 直接用任意 Markdown 编辑器打开 README.md 即可

推荐的工作流：每天花 5-10 分钟刷一遍自己关注方向的分类，有感兴趣的论文就点进去看摘要，决定是否深入阅读，再顺着 Code 链接去看代码实现。对于研究生和算法工程师来说，这是一个保持研究前沿敏感度的日常工具，而非需要复杂安装的重量级系统。

但也需要诚实指出：这不是一个自动化的情报系统。它不会推送更新提醒，不会按你的兴趣过滤，需要你主动浏览。如果想建立个人情报流，可以配合 RSS 订阅作者仓库（amusi 维护了从 CVPR2019 到 CVPR2026 的完整系列）或加入 README 中提供的"CVer 学术交流群"获取每日更新推送。

数据隐私与合规说明

本仓库仅包含论文元数据（标题、链接、摘要）和 Markdown 格式的索引，不存储任何原始论文 PDF、训练数据或模型权重。arXiv 链接指向的论文受各自作者的版权保护，使用时请遵循 arXiv 的使用条款。GitHub 代码仓库的代码遵循各自仓库的许可证规定（部分仓库无明确许可证，使用前请自行确认）。

行业意义：从"论文孤岛"到"开源生态"的桥梁

CVPR2026-Papers-with-Code 的存在，本质上回应了 AI 学术界一个长期的结构性问题：论文与代码之间的断层。每年 CVPR 录用上千篇论文，但真正开源代码的比例远低于 50%。大量有价值的算法因此停留在"论文里的实验"阶段，无法被社区复现、改进和迭代。

这个仓库通过降低发现成本，在一定程度上缓解了这个问题。它让研究者能快速定位有代码的论文，也让代码作者获得更多曝光——一个正向循环正在形成。同时，amusi 维护的历年合集系列（CVPR2019-2026、ICCV2025、ECCV2024 等）构成了一个持续追踪 CV 领域演进的纵向数据库，对研究趋势分析和历史对比有独特价值。

从数据角度看，CVPR 2026 的 25.42% 录用率创下近年新低，说明顶会竞争愈发激烈。而Papers with Code 的覆盖率不足录用论文的 10%，意味着大量落选中稿但同样有价值的研究被淹没。在这样的背景下，维护一个高质量的论文-代码索引，本身就是推动 AI 研究可复现性的一种行动主义。