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...

近日，国际计算机视觉顶会CVPR 2024在西雅图召开，阿里共34篇论文被收录，其中有6篇入选Highlight和Oral Paper，被收录论文研究方向涵盖多模态模型、图像编辑及可控视频生成等前沿领域。早些时候火遍国内外的Animate Anyone、EMO、Facechain等模型也在会议现场亮相，并吸引了大量参会人员的关注与体验。 CVPR是计算机视觉领域最顶级的学术会议，每年都...

2024 年美国时间 6 月 17 日至 21 日，IEEE 国际计算机视觉与模式识别会议（CVPR）在美国西雅图召开。 如大家预料，视觉 Foundation Model 成为今年 CVPR 除自动驾驶、3D 视觉等传统研究课题以外的核心会议主题。 此外，由于会议召开前后，国内快手「可灵」开放图生视频功能火爆出圈、Runway 时隔一年推出新模型 Gen-3 Alpha，文生视频也成为...

作者：赖文昕 马蕊蕾 编辑：陈彩娴 北京时间今天凌晨，美国西雅图正在召开的计算机视觉盛会 CVPR 2024 正式公布了最佳论文等奖项。今年共有 2 篇论文获得了这份全球最重要的计算机视觉领域的大奖，团队成员分别来自谷歌研究院、加州大学圣地亚哥分校、南加州大学、剑桥大学及布兰迪斯大学。 本周（6.17-6.21），第四十一届国际计算机视觉与模式识别会议（CVPR）在美国西雅图拉开帷幕。...

    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...

来源：公众号“ 阿嬷也读AI 论文” 原文链接：https://mp\.weixin\.qq\.com/s/wI21ifNRMdwL\-pww0n5ddA?scene=1&click\_id=44 编者按：CVPR 2026已在美国丹佛拉开帷幕，来自全球各地的科研院校与谷歌、英伟达、Meta等头部科技企业进驻会场布展，并配套举办多场闭门沙龙、技术交流活动。而大会主议程将自6月5日...

来源：公众号“视觉语言导航” 原文链接：https://mp\.weixin\.qq\.com/s/ectOuJaJbvHWP9vhpP5PcQ?scene=1&click\_id=33 ?研究背景：两大行业痛点，催生无地图导航新方案 当下自动驾驶商业化落地进入瓶颈期，核心桎梏集中在高精地图依赖与传统VLN无法适配行车场景两大难题： 基于以上现实痛点，研...

来源：公众号“视觉语言导航” 原文链接：https://mp\.weixin\.qq\.com/s/bf3QIqG81pKkP\_78wfTKrA 来源：公众号“视觉语言导航” 原文链接：https://mp\.weixin\.qq\.com/s/bf3QIqG81pKkP\_78wfTKrA 传统地理定位高度依赖卫星影像，缺失老旧数据就直接“失灵”？这篇CVPR 202...

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...

作者丨李傲 中国人民大学 近年来，以LLaVA、Qwen系列为代表的大视觉语言模型（LVLM）推动了多模态智能的发展，在视觉理解与推理任务中展现不错的表现。然而，其伴随着高昂的推理成本。面对高分辨率图像或者视频时，模型往往需要处理大量视觉Token，而这些Token会在整个推理过程中持续参与计算，成为制约模型效率的重要瓶颈。因此，如何识别并保留真正重要的视觉Token，在尽可能不影响性...