作者丨郑佳美 编辑丨马晓宁 在生成式 AI 进入视频生产链之后，视频增强正在从后期修补工具，变成内容生产、内容分发和机器视觉理解中的基础能力。 现实需求已经不只是让画面变清楚，而是要在电商直播中看清商品质感，在工业巡检中识别裂纹和仪表读数，在远程协作中保留设计细节，在文博数字化中尽量还原影像纹理。 随着 4K 级高清内容逐渐成为视频平台、智能电视、大屏显示和专业制作流程中的常见需...

作者丨郑佳美 编辑丨马晓宁 当 AI 模型从“单次完成任务”走向真实世界部署时，真正的挑战不再只是参数规模和单点性能，而是模型能否在变化中保持稳定。 它要在持续出现的新类别中不遗忘旧知识，要从大规模真实数据中获得更强的泛化能力，要在多客户端、数据分布不断变化的环境下继续学习，也要把图像、视频和 3D 等不同视觉经验组织成统一理解。 这种变化也体现在 CVPR 2026 的相关研究...

来源：公众号“我爱计算机视觉 原文链接：https://mp.weixin.qq.com/s/UVeafUYkjy11SS1tYGjyEg 这是一篇入围CVPR 2026 最佳论文评选决赛圈的论文。 在深度学习参数量动辄百万、千万甚至亿万级通胀的今天，如何高效训练模型并抑制过拟合，成了摆在所有研究者面前的一道难题。为了打破这一瓶颈，来自‌印度国家理工学院鲁尔克拉分校（NIT Rou...

来源：公众号“我爱计算机视觉” 原文链接：https://mp.weixin.qq.com/s/R7Pi6hgPWAXKJcNmEuJveA 近年来，视觉语言模型（Vision-Language Models, VLM）在图文理解、零样本识别和开放词汇感知上表现越来越强。随着模型参数规模和图文预训练数据不断增大，很多人自然会期待：这些大规模预训练视觉编码器也应该具备更强的细粒度感知能力。...

作者｜吴思梦 编辑｜岑峰 2026年6月3日，计算机视觉与模式识别顶级会议（CVPR）在美国丹佛举行。在大会特邀演讲环节，前 DeepMind 蛋白质设计团队核心成员、2024年诺贝尔化学奖获奖项目 AlphaFold 核心研究员，Latent Labs 创始人兼 CEO Simon Kohl 发表了题为“Programmable Biology：Generative AI for ...

来源：“AI前沿速递”公众号 原文链接：https://mp.weixin.qq.com/s/kIWr4LaHcrYH1Aj3yb4K7w 当我们看一段视频时，看到的不只是“这一帧长什么样”，而是一个不断变化的 3D 世界：相机在动，物体在动，遮挡在发生，几何关系也在不断变化。 但过去的大多数 3D/4D 重建方法，依然在用一种偏“静态”的方式理解世界：深度一个头、位姿一个头、点云...

作者丨郑佳美 编辑丨马晓宁 2026 年 6 月 1 日，国际机器人与自动化会议（ICRA）在奥地利维也纳召开。次日上午的自动驾驶与导航报告环节，雷峰网GAIR 2021大会嘉宾、上海交通大学教授王贺升发表了题为《Learning to Navigate: From Scene Understanding to Decision Makin》的演讲。 3D 视觉研究正在从“重建形状...

作者丨郑佳美、樊天骄 编辑丨郑佳美 在生成式 AI 进入 3D 内容生产之后，行业最先解决的是“看起来像不像”的问题：一个模型能不能从文字或图片生成外观完整、纹理逼真、形状合理的 3D 物体。 但随着机器人、具身智能、数字孪生、AR / VR 和工业仿真的发展，真正制约应用落地的矛盾已经变了。现实世界中的物体不是静态摆件，而是带有尺度、材料、重量、关节、摩擦、碰撞和功能关系的物理对...

来源：公众号“我爱计算机视觉” 原文链接：https://mp.weixin.qq.com/s/ZAI3_QVi_70Y4AJiGLuxLQ 在计算机视觉的世界里，视频全景分割（Video Panoptic Segmentation, VPS）一直被视为一项“全能且昂贵”的任务。它不仅要求模型识别出视频中的每一个像素属于什么类别（语义分割），还要区分出不同的个体（实例分割），并且在时间轴...

作者丨美图影像研究院（MT Lab） 近年来，生成式AI加速推动了影像内容生产方式的变革，随着AI生图与修图逐渐成为人们影像生活中的新范式，也产出了不少“笑料”。比如当你希望调整照片中人物微笑弧度时，模型可能将五官结构也一起改变了，或者想让照片中的人“减龄”，却直接改变了性别。本质上，这是因为当前大量的生成模型虽然拥有强大的生成能力，但其内部语义仍然高度“纠缠（entangled）”。...