来源：公众号“AI上分搭子” 原文链接：https://mp.weixin.qq.com/s/26c4oCUgjQueMImEspWBow In-context segmentation 想做的事情并不复杂。 给一张带标注的参考图，再去目标图里把同一个概念分出来。 这个概念可以是一个物体。也可以是一个部件。甚至可以是某个特定实例。 难点在于，现在主流方法基本都卡在两条路里。 ...

来源：公众号“我爱计算机视觉 原文链接：https://mp.weixin.qq.com/s/zw_R86_cL48P-IEwE3PJfw 在 3D人体动作恢复（Human Motion Recovery, HMR）领域，我们常常面临一个尴尬的局面：即便模型预测的关节点位置在数值上已经足够精确，但生成的动作看起来总觉得“假”。要么是由于过平滑而失去了力量感的“慢动作”，要么是伴随着令人不...

来源：公众号“ICGS实验室” 原文链接：https://mp\.weixin\.qq\.com/s/kDssjQmcJYnAJnG1THufKQ?scene=1&click\_id=40 基本信息 题目：SAGE: Style-Adaptive Generalization for Privacy-Constrained Semantic Segmentation Acr...

来源：公众号“计算机视觉Daily”原文链接：https://mp\.weixin\.qq\.com/s/\_F7Tuh2NF\_sZfGGFwp58IA?scene=1&click\_id=39 南京大学硕士生刘尚格为本文第一作者；澳大利亚 University of Wollongong (UOW) Lei Wang 教授、新加坡 Nanyang Technolo...

来源：公众号“机器之心” 原文链接：https://mp\.weixin\.qq\.com/s/XoUvfQQojyE5WXt7VdOsKg 一辆车驶过一段路，它该如何知道自己刚才在三维空间中怎样移动？ 对人来说，答案似乎很自然：看一段行车视频，道路、车辆、路灯和建筑如何在画面中移动，几乎就能判断相机是在直行、转弯、减速，还是停下。但对自动驾驶系统来说，这是一项核心几何感知能力。系统不...

起初，不少人以为这是一个“山寨”会议或是某家公司的公关噱头。但点开讲者名单（Speaker List）一看，全网都沉默了—— 被誉为计算机视觉界泰斗、VGG网络提出者 Andrew Zisserman 赫然在列；近年来在多模态与视觉大模型领域频出爆款的香港大学李弘扬（Hongyang Li） 等顶尖华人学者也将登台分享。 这绝对不是野鸡会议。相反，这或许代表着未来国际顶级学术会议演变的最...

作者丨郑佳美 编辑丨马晓宁 图像生成行业正在从“生成能力竞争”进入“可控能力竞争”。 过去，模型的核心价值主要体现在能否生成高质量、高清晰度、风格丰富的单张图像；而随着文生图、图生图和指令式编辑能力逐渐成熟，新的瓶颈开始显现：模型能否理解多张图片之间的关系，能否在不同视角和场景中保持同一对象的一致性，能否把多个参考来源自然融合到同一画面中，能否在数据缺失或退化时恢复可信细节，以及能...

距CVPR 2026开幕（6月3日）仅剩5天，信息爆发进入"临会白热化"阶段。 本期三大信号同时激活：NVIDIA凭借LocateAnything拿下X平台435赞、26K播放与HF#1 Trending，技术创新点明确——并行解码取代逐坐标预测，视觉语言检测效率大幅跃升；与此同时，一篇兼具"Oral + Award Candidate（最佳论文候选）"双标签的Relightable Ho...

来源：AIGC Studio 原文链接：https://mp.weixin.qq.com/s/pUXcvlhrYNbc2Myxa4zdZg?scene=1&click_id=33 虚拟试穿一直是电商与内容创作的刚需，但传统视频虚拟换衣技术，长期卡在服装细节糊、背景闪、模型重、数据差四大痛点。2026 年 CVPR 最新接收的 KeyTailor，用一套关键帧驱动细节注入方案，不改...

来源：公众号“视觉语言导航” 原文链接：https://mp.weixin.qq.com/s/WRdwox6z8HajRGoHhdQvGA?scene=1&click_id=58 随着视觉语言模型（VLMs）飞速发展，具身机器人已从实验室走向家庭场景，能在3D室内环境中导航、感知，完成具身问答（EQA）任务，成为老人陪护、家务辅助的重要帮手。 但所有现有EQA基准都存在...