来源：知乎“智能CV” 原文链接：https://zhuanlan.zhihu.com/p/2040370312253071756 论文：https://arxiv\.org/pdf/2604\.03134 一、研究方向及背景 这篇论文聚焦于少样本医学图像分割，即 Few-Shot Medical Image Segmentation，简称 FSMIS。该任务希望...

    作者丨郑佳美****     编辑丨马晓宁 *                                                                                                               * 在自动驾驶进入大模型时代之后，行业正在从传统的“感知、预测、规划、控制”模块化流水线，逐步转向...

这句话对你来说轻而易举。因为你看到了杯子，理解了“拿起来”的含义，手自然地伸过去、捏住、提起。但对一个 AI 系统来说，这中间隔着数道几乎不可逾越的鸿沟：语言到动作、动作到视觉、视觉到空间、空间到执行。 传统做法是强迫模型学会直接映射，通过输入一段文字或一组动作参数，让其直接输出像素级的视频帧或关节角度。这种方法在受限环境和充足标注数据下勉强可行，但一旦面对真实世界的复杂性，系统就会崩溃，...

    作者丨郑佳美****     编辑丨马晓宁 *                                                                                                               * 大模型的发展表明，智能体不能只依赖一次性的上下文输入，还需要能够检索、利用和管理长期记忆。自动...

    作者丨陈淑瑜****     编辑丨岑   峰 *                                                                                                               * 如果把过去几年多模态大模型在STEM领域的进展放在一起审视，会发现一个相当微妙的错位。研究...

    作者丨郑佳美****     编辑丨马晓宁 *                                                                                                               * 过去，视觉模型更多是在回答“看见了什么”，但当 AI 进入自动驾驶、游戏、机器人和多智能体协作...

    作者丨郑佳美****     编辑丨马晓宁 *                                                                                                               * 过去，视频生成更多是在解决“像不像”的问题：人物是否清晰，画面是否流畅，风格是否统一。但随着模...

    作者丨陈淑瑜****     编辑丨岑   峰 *                                                                                                               * 一个在2026年越来越难以回避的问题是：如果H100全面断供、电费账单直线飙升、训练一次大...

    作者丨郑佳美****     编辑丨马晓宁 *                                                                                                               * 如果您漫步在 CVPR 2026 的会场，会产生一种强烈的错觉：自己是不是跑错了场馆，误入了...

    作者丨郑佳美****     编辑丨岑   峰 *                                                                                                               * 真正的室内空间智能，并不只是让机器认出画面里有一张桌子，而是让它理解真实三维物理空间内：...