AAAI人工智能会议（AAAI Conference on Artificial Intelligence）是人工智能领域的重要国际会议，是CCF-A类推荐会议。AAAI2026将于2026年1月20日-27日在新加坡举办。今年共有23680篇论文投稿，最终4167篇论文接收，录用率17.6%。

目前部分论文已公开，小编精选十几篇CV方向论文，希望对大家有所帮助，有需要自取即可。

原文 资料 这里！

【论文1】UniMapGen: A Generative Framework for Large-Scale Map Construction from Multi-modal Data（AAAI2026:Oral）

关键词：Large-scale Map Construction, Multi-modal Data, Generative Framework, Discrete Sequence Representation

1.研究方法

本文提出一种面向大规模地图构建的新型生成式框架 UniMapGen，核心创新包括将车道线转化为离散序列表征并设计迭代生成策略，相较于传统基于感知的方法可输出更完整、平滑的地图向量；构建支持多模态输入的灵活架构，能动态融合鸟瞰图（BEV）、透视视图（PV）与文本提示等输入形式，有效弥补卫星数据存在的遮挡、过时等固有缺陷；提出针对性的状态更新策略，通过迭代复用前一状态的地图上下文，保障大规模地图的全局连续性与一致性。实验表明，UniMapGen 在 OpenSatMap 数据集上实现当前最优性能，且具备强大的推理能力，能够精准推断被遮挡道路，并补全数据集中标注缺失的道路信息。

2.论文创新点

1. 提出离散序列化表征与迭代生成策略：将车道线转化为离散序列，通过迭代生成模式输出更完整、平滑的地图向量，突破传统基于感知方法的向量生成局限。
2. 设计多模态灵活融合架构：支持动态融合鸟瞰图（BEV）、透视视图（PV）与文本提示等输入，针对性解决卫星数据遮挡、过时等固有缺陷。
3. 提出状态更新策略保障全局一致性：通过迭代复用前一状态地图上下文，实现大规模地图的全局连续性与一致性，避免传统 patch 处理导致的断裂问题。
4. 具备强推理与补全能力：可精准推断被遮挡道路，补全数据集中标注缺失的道路信息，在 OpenSatMap 数据集上达成当前最优性能。

论文链接：https://arxiv.org/pdf/2509.22262

代码链接：https://github.com/Yujianyuan/unimapgen.github.io

原文 资料 这里！

【论文2】Causal Tracing of Object Representations in Large Vision Language Models: Mechanistic Interpretability and Hallucination Mitigation（AAAI2026:Oral）

关键词：Large Vision-Language Models (LVLMs), Mechanistic Interpretability, Hallucination Mitigation, Fine-grained Cross-modal Causal Tracing (FCCT), Intermediate Representation Injection (IRI), Multi-head Self-Attention

1.研究方法

研究团队提出细粒度跨模态因果追踪（FCCT）框架，系统量化视觉对象感知的因果效应，涵盖视觉与文本标记、多头自注意力（MHSA）等三大核心模型组件及所有解码器层。该框架首次揭示，中间层最后一个标记的 MHSA 在跨模态信息聚合中起关键作用，前馈网络（FFNs）则呈现三阶段层级演进特征。基于此，团队提出无训练推理时技术 —— 中间表示注入（IRI），通过在特定组件和层精准干预跨模态表示，强化视觉对象信息流。在五个主流基准测试和多款 LVLMs 上的实验表明，IRI 在保持推理速度和基础性能的同时，有效提升了模型感知能力并减轻幻觉问题，达到当前最优性能。

2.论文创新点

1. 提出细粒度跨模态因果追踪（FCCT）框架，首次全面覆盖视觉与文本标记、MHSA/FFNs/隐藏状态三大核心组件及所有解码器层，系统量化视觉对象感知的因果效应，填补现有LVLMs机制可解释性分析不全面的空白。
2. 借助FCCT首次揭示LVLMs关键机制：中间层最后一个标记的MHSA在跨模态信息聚合中起核心作用，FFNs对视觉对象表示的存储与传递呈现三阶段层级演进特征。
3. 基于FCCT的发现，提出无训练推理时技术——中间表示注入（IRI），通过在特定组件和层精准干预并按因果效应（恢复率）自适应调整跨模态表示，强化视觉对象信息流。
4. IRI在五大主流基准测试及多款LVLMs上验证有效，既实现幻觉缓解的当前最优性能，又保持推理速度与模型基础能力，且具备模型无关性与良好泛化性。

论文链接：https://arxiv.org/pdf/2511.05923

原文 资料 这里！