论文雷达 Paper Radar

About

这个站是怎么做出来的

一个人的阅读速度追不上视觉领域的产出速度。这个站不试图替你读完， 它只做三件事：把标题译准、把摘要译全、把「这篇跟你有什么关系」写清楚。 下面是它凭什么可信，以及它在哪儿不可信。

01收录什么

只收计算机视觉方向的顶会论文。当前批次是 CVPR 2026 全量， 其余会议在路线图里。当前收录 4042 篇， 来自 CVPR 2026。

会议全称CCF 等级本批
CVPR Conference on Computer Vision and Pattern Recognition CCF-A 4042

说明：ECCV 在 CCF 目录中为 B 类、ICLR 未被 2022 版目录收录， 但两者在学术界的实际地位与 A 类同级。本站按「社区共识」收录，不按行政评级筛选。

02数据从哪来

论文元数据与摘要直接取自会议官方开放获取档案，不经过第三方聚合站。 CVPR 使用 CVF Open Access，每篇的标题、作者、页码、BibTeX 均来自详情页原文。

  • 标题与摘要：官方详情页 HTML，原样抽取，不做改写。
  • 作者与页码：同页面，用于生成可引用的 BibTeX 键。
  • 译文与分类：大模型生成，逐条过自动校验，不合格的进人工复核队列。

更新节奏：会议档案一年补齐数次，arXiv 增量每天一次。 页脚的「更新于」是数据最后一次落库的日期。

03分类体系

三级结构。L1 由会议直接映射（视觉三会 → 计算机视觉），不消耗模型判断； L2 是主方向，每篇有且只有一个，共 18 个； L3 是开放式技术标签，用来表达「用了什么方法、解了什么子问题」。

L2 的划分标准不是学科树，而是你找论文时的直觉。所以「3D 视觉与重建」 按输出形态切（核心输出是三维表示），「视觉语言模型」按任务是否需要语言切。 判据写得比名字重要——名字会误导，判据不会。

生成模型与扩散 436 怎么从噪声里采样出数据。扩散、流匹配、自回归图像生成，以及让采样更快的一切。
图像编辑与可控生成 230 在已有图像上做可控修改。输入一张图，输出它的修改版。
3D 视觉与重建 724 核心输出是三维表示：深度、点云、高斯、网格、隐式场。
视觉语言模型 660 视觉与语言联合建模。语言必须是任务的一部分，不是可有可无的注释。
目标检测与定位 71 输出边界框/关键点/掩码加类别。
图像分割 101 与输入同分辨率的掩码。语义、实例、全景、可提示分割。
视频理解与时序 122 时间维度是任务关键，而不是把图像模型逐帧跑一遍。
自监督与表征学习 219 不依赖人工标注，从数据本身构造监督信号。
高效模型与推理加速 198 性能不降的前提下砍算力。量化、剪枝、蒸馏、token 剪枝。
底层视觉与图像复原 214 让图像更好看、更接近真实，不涉及语义理解。
人脸与人体理解 87 输入域被限定在人脸或人体。
医学影像与生物视觉 136 数据集来自医学或生命科学，而非自然图像。
自动驾驶与遥感 115 街道、卫星、航拍等大尺度户外场景。
鲁棒性与安全 274 核心议题是失效模式本身：攻击、隐私、分布偏移。
可解释性与可视化 36 核心产出是解释，而不是更高的精度。
强化学习与具身智能 188 存在动作与环境的交互闭环。机器人操作、导航、VLA。
数据集与评测 225 贡献是数据集、基准、评测协议或系统性分析。
其他 6 暂时放不进任何一格。这个类应该一直很小。

为什么不用向量聚类自动分：聚类结果不可命名，同一批数据跑两次会得到两套标签， 而分类体系一旦漂移，站就没法用了。当前方案是封闭候选集 + 低置信度转人工， 可复现、可审计。

04翻译怎么做的

不是「把摘要丢给模型翻一遍」。三件事决定译文能不能用：

  1. 术语表前置。方法名（NeRF、SAM、DINOv2）保留原文，专业术语走统一词表。 同一概念全站一个译法，读十篇不需要在脑子里做二次映射。
  2. 分类与翻译合并成一次调用。两者输入都是摘要，合并后单篇成本约 ¥0.007，全量四千篇不到三十块。
  3. 机器校验兜底。译文长度比、中文占比、术语一致性、启发句的原文依据， 逐条自动检查。没通过的标「待复核」，不静默放行。

当前译文平均 428 字，与英文原文的信息量基本对齐。仍可能有错译， 关键结论请对照页面底部的英文原文。

05已知局限

译文会不会有错？
会。模型译文在长句和专业术语上仍可能出错，尤其是作者自造的名词。 每篇详情页都保留了英文原文，重要判断请以原文为准。
「与你有关的部分」是谁写的？
模型写的，但被强制要求引用摘要原文中的具体句子作为依据。 依据句对不上的会被打回复核，宁可不写也不编。
为什么有些方向一篇都没有？
当前批次只覆盖一个会议的一年。方向页会如实显示 0， 不拿不相关的论文凑数。
标签为什么这么碎？
长尾是开放标签的必然结果。只有出现 3 次以上的标签才进导航， 其余留给搜索。等样本够了会做一次人工归并。
能不能按作者、机构筛？
数据里有作者字段，但当前还没做索引。这是下一步。

06技术栈

静态生成 Astro · 数据入库 SQLite · 抓取 Python · 分类与翻译走大模型 API · 定时任务 GitHub Actions

全站无追踪、无广告、无登录。数据以 JSONL 形式随仓库公开，可自行取用。