計(jì)算機(jī)視覺領(lǐng)域正迎來一場由推理擴(kuò)展技術(shù)驅(qū)動(dòng)的范式變革。隨著大語言模型通過測試時(shí)計(jì)算擴(kuò)展（Test-time Scaling）在邏輯推理層面實(shí)現(xiàn)突破，視覺智能的研究重心正從靜態(tài)像素分析轉(zhuǎn)向動(dòng)態(tài)世界建模。這種轉(zhuǎn)變標(biāo)志著視覺系統(tǒng)從"被動(dòng)感知"向"主動(dòng)認(rèn)知"的跨越，為構(gòu)建具備人類級(jí)空間理解能力的AI模型開辟了新路徑。

2026年6月，第二屆計(jì)算機(jī)視覺推理擴(kuò)展研討會(huì)（ViSCALE 2026）將在美國舉行。本屆會(huì)議由清華大學(xué)、普林斯頓大學(xué)、加州大學(xué)圣克魯茲分校及新加坡國立大學(xué)等機(jī)構(gòu)聯(lián)合主辦，聚焦如何通過計(jì)算資源動(dòng)態(tài)分配突破現(xiàn)有視覺模型的性能瓶頸。繼首屆會(huì)議開創(chuàng)性地將TTS技術(shù)引入視覺領(lǐng)域后，本屆研討會(huì)將深入探討物理世界建模、三維空間推理等前沿課題。

會(huì)議核心議題涵蓋四大方向：在物理世界建模領(lǐng)域，研究者將探索如何利用測試時(shí)擴(kuò)展技術(shù)提升視頻生成的時(shí)空連貫性與因果推理能力；空間認(rèn)知方向則致力于突破二維平面限制，使模型具備三維環(huán)境中的導(dǎo)航與操作直覺；借鑒大語言模型的思維鏈機(jī)制，視覺思維鏈（Visual CoT）研究將推動(dòng)模型實(shí)現(xiàn)多步推理與自我修正；會(huì)議還將首次系統(tǒng)探討視覺推理性能與計(jì)算量之間的量化關(guān)系，為模型優(yōu)化提供理論依據(jù)。

學(xué)術(shù)陣容方面，Sergey Levine、Manling Li、Ziwei Liu等國際知名學(xué)者已確認(rèn)參會(huì)。這些來自學(xué)術(shù)界與產(chǎn)業(yè)界的頂尖研究者將圍繞具身智能、自動(dòng)駕駛等應(yīng)用場景展開跨界對(duì)話，特別關(guān)注長時(shí)序空間推理、統(tǒng)一模型架構(gòu)等關(guān)鍵技術(shù)挑戰(zhàn)。會(huì)議設(shè)置的專題討論環(huán)節(jié)，將為跨學(xué)科創(chuàng)新提供碰撞平臺(tái)。

為促進(jìn)原始創(chuàng)新，主辦方現(xiàn)面向全球征集研究論文。征稿范圍包括但不限于：TTS算法的理論突破、世界模型在復(fù)雜決策中的應(yīng)用、具身智能系統(tǒng)的時(shí)空推理機(jī)制、視覺思維鏈的可解釋性研究，以及推理擴(kuò)展帶來的模型安全性問題。投稿類型分為正式論文（8頁，需存檔）和擴(kuò)展摘要（4頁，非存檔）兩類，均要求使用CVPR 2026官方模板。

重要時(shí)間節(jié)點(diǎn)已確定：投稿截止日期為2026年3月10日（任意時(shí)區(qū)），錄用通知將于3月18日發(fā)出。會(huì)議采用線上線下混合模式，主體活動(dòng)安排在6月3日或4日下午舉行。這項(xiàng)前沿技術(shù)盛會(huì)為研究者提供了展示創(chuàng)新成果的頂級(jí)平臺(tái)，詳細(xì)投稿指南可訪問會(huì)議官網(wǎng)獲取。