2月21日，国际计算机视觉与模式识别会议（IEEE/CVF Conference on Computer Vision and Pattern Recognition, CVPR 2026）录用结果正式公布。李征教授团队的研究论文《ClimaOoD: Improving Anomaly Segmentation via Physically Realistic Synthetic Data》被成功录用。CVPR是计算机视觉领域最具影响力的国际顶级会议之一，2026年CVPR共收到16,092篇有效投稿，最终推荐录用4,090篇论文，整体录用率为25.42%。
该论文聚焦开放世界自动驾驶场景中的异常分割（Open-world Anomaly Segmentation）问题。针对当前异常样本稀缺、真实数据天气与场景分布单一，以及现有合成方法在空间布局与物理一致性方面存在显著缺陷等核心挑战，作者提出了一种语义约束驱动的图像到图像生成框架 ClimaDrive。该框架通过引入语义地图与结构引导机制，实现跨天气条件的可控异常注入，在保证空间合理性与物理一致性的前提下生成高质量训练数据。
ClimaOoD数据集构造动机示意图
基于该生成框架，团队进一步构建了覆盖多种驾驶场景与复杂气候条件的大规模训练基准数据集 ClimaOoD。实验结果表明，引入 ClimaOoD训练后，多种主流异常分割模型在 Fishyscapes等权威基准上均取得显著提升，在 AP及 FPR95等关键指标上全面改进，尤其在复杂天气与极端场景下表现出更强的鲁棒性与泛化能力。实验结果验证了物理一致性合成数据对于开放世界视觉模型泛化能力提升的关键价值。
方法框架图
该论文第一作者为信息学院2025级博士研究生刘宇星，李征教授和刘勇教授联合指导。北京化工大学为论文第一完成单位，合作单位包括中国科学院软件所和西南民族大学，相关研究工作得到了国家自然科学基金、华为胡杨林基金等项目的资助。
论文下载网址：https://arxiv.org/pdf/2512.02686