ICML 精选Spotlight Poster汇总：Session 7-1

7月9日，人工智能与计算机视觉领域的风向标盛会ICML 2026正式开启了三天的核心议程。本届大会在创纪录的投递量中严选出6352篇录用论文，其中包含代表前沿风向的Spotlight论文536篇（占投稿总数的 2.2%），以及极具开创性的Oral 论文168篇 （仅占投稿总数的 0.7 %）。 本届入选的研究方向展现了极高的多元性，全面覆盖了从多模态大模型到三维高斯泼溅、从具身智能视觉到神经辐射场优化、从可信视觉到高效边缘端部署的激进探索。在整体投稿规模较去年呈现翻倍式增长、同行评审机制经历全面“严苛重塑”的背景下，这批在重重筛选中脱颖而出的顶尖工作，凝聚了当前计算机视觉领域最不容错过的学术硬核。 雷峰网AI科技评论团队已于数日前抵达现场，在热闹非凡的Poster展示区，我们从几千份密密麻麻的学术海报中，抽丝剥茧地筛选出了最具启发性的代表作，通过“高清学术海报 + 核心逻辑拆解”的直观形式，为远在屏幕另一端的你搭建一座跨越空间的学术桥梁。 这不仅仅是一份成果的罗列，更是对当前视觉计算技术演进脉络的一次深度复盘——从感知智能到认知推理的跃迁，从纯虚拟像素到物理世界具身交互的融合。我们期待这些来自一线的视觉定格，能带你直面并读懂正发生在这场学术潮头之上的底层变革。 以下为你奉上精选自Poster Session 7的八篇Spotlight论文，带你一文洞悉计算机视觉最前沿的进化轨迹。（若你希望自己的科研成果也能在此专题中获得全行业关注，欢迎随时与我们取得联系）： 1.适应同质性偏移的渐进式图结构调整 Progressive Graph Structure Adjustment for Homophily Shift Adaptation 本研究聚焦于图域适配中不同领域节点间同质性差异对跨域迁移效果的影响。针对源图和目标图间节点同质性不匹配导致的结构不一致问题，本文提出了一种名为PSAHS的轻量化图结构调整方法。 针对低同质性节点降低迁移质量的现象，该方法一方面通过重设边权重与增加类内连接来提升源图同质性；另一方面，结合结构感知的GNN与仅依赖属性的MLP，逐步优化目标图结构，并采用域对抗训练对齐节点表示，以减轻标签稀缺的负面影响。 在多个图域适配基准数据集上的实验表明，PSAHS在严重同质性失配条件下显著优于现有强基线。本研究引入的渐进式结构调整与表示对齐机制，为跨图迁移提供了更强的通用性与可靠性。 论文地址：https://openreview.net/forum?id=OkyO74bJqE 2.理论级自动形式化：从孤立陈述到统一的形式化知识库 Theory-Level Autoformalization: From Isolated Statements to Unified Formal Knowledge Bases 自动形式化旨在将非正式的自然语言翻译