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...

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...

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...

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...

作者丨马晓宁 编辑丨岑   峰 这里有一幢大楼，叫做深度学习。 过去几年，人们不停地给它加盖、扩建，越盖越高，越盖越复杂。这幢大楼叫 Transformer。盖楼时用了一大批标准件，浮点精度是它的钢筋，层归一化和残差连接是它的混凝土，因果掩码是它的承重隔断。旁边还有两栋附楼：一栋是扩散模型；另一栋归一化流。在漫长的施工期里，人们不断加装更粗的钢筋、更复杂的控制系统，以为这样做就能让...

来源：公众号“GEM Group” 原文链接：https://mp.weixin.qq.com/s/F8NXE_UPXfEsz_lCY4qNAQ?scene=1&click_id=184 IMCL实验室文献分享会 在本期 Journal Club 中，黄强同学分享了 CVPR 2026 论文 Ultrasound-CLIP: Semantic-Aware Contrastive...

来源：公众号“华科大认知计算与智能信息处理” 原文链接：https://mp\.weixin\.qq\.com/s/gIQoSDa\_lkTbK0rt88PCmg?scene=1&click\_id=179 近日，计算机视觉领域的顶级国际会议CVPR 2026论文录用结果揭晓，华中科技大学认知计算与智能信息处理实验室共有5篇论文被录用。 论文介绍 ** ** 01 论文标...

来源：公众号“我爱计算机视觉” 原文链接：https://mp.weixin.qq.com/s/4-schz_SOIDnnHpROzrUjw?scene=1&click_id=154 在计算机视觉领域，3D 重建一直被视为一项“硬核”任务。传统的结构从运动（Structure-from-Motion, SfM）算法往往需要复杂的离线优化，而近年来兴起的前馈重建模型虽然速度快，但在...

    作者丨郑佳美****     编辑丨马晓宁 *                                                                                                               * 过去几年，计算机视觉行业一直在追求更强的识别、更大的模型和更复杂的生成能力，但真正落到机器人、...

    作者丨郑佳美****     编辑丨马晓宁 *                                                                                                               * 医学 AI 过去很长一段时间都在回答一个问题：模型能不能看得比人更准？ 于是，大量研究围绕病...