作者丨张   璐****     编辑丨齐铖湧 *                                                                                                       * 让机器人真正理解世界，需要更大的语言模型、更逼真的视频生成，还是别的什么？ 雷峰网(公众号：雷峰网)小编...

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...

    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...

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...

作者丨陈淑瑜 编辑丨岑峰 16,092篇投稿，4,071篇录用，25.3%录取率，今年的CVPR创下了多项历史纪录。 但比数字更具风向标意义的是行业风向：5篇获奖论文中至少3篇直指具身智能；展台上NVIDIA和Tesla正合力把机器人从实验室推向商业化；一场关于“可编程生物学”的重磅演讲，则彻底打破了计算机视觉与传统药物设计的边界。 如果你没能亲自前往丹佛，这篇全景盘点将带你用最...

来源：公众号“AI上分搭子” 原文链接：https://mp.weixin.qq.com/s/M8hMiiMzQeIcRwwPe7eZ3Q Dense Video Object Captioning，简称 DVOC。 它想做的事很细： 这篇 CVPR 2026 论文走了一条很干净的路线。 先造数据。 作者用 Gemini 2.0 Flash 给 LVIS 和 LV-VIS 生...

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。...

作者丨小雷哥 编辑丨岑   峰 美国当地时间6月5日，在结束了两天的Workshop议程后，全球计算机视觉与模式识别领域的顶级学术盛会 CVPR 2026（IEEE Conference on Computer Vision and Pattern Recognition）正会，在科罗拉多州丹佛市正式拉开帷幕。 随着开幕式各项重磅数据与大奖的揭晓，现场气氛被彻底点燃。 01 ...

6月4日，当维也纳多瑙河畔的 ICRA 2026 进入正会的最后一天，大洋彼岸的美国丹佛科罗拉多会议中心（Colorado Convention Center）已经人声鼎沸。许多我们前几天还在维也纳见到的熟悉面孔，各大顶尖高校的学者和硬科技企业的高管，此刻都正拖着行李箱，马不停蹄地出现在丹佛的街头。 这种罕见的“全球双城赶场”现象背后，是计算机视觉（CVPR）与机器人（ICRA）两大顶会赛...

来源：公众号“量子位” 原文链接：https://mp.weixin.qq.com/s/pp7aAP_R0avsBVS48r_hiA?scene=1 2026 AI赛道最火的概念——物理AI！ 自动驾驶公司在讲、车企在讲、大模型玩家在讲、投资人在讲…… 概念成为共识，真正的分水岭才开始浮现：率先拿出完整技术栈、论文、代码，以及已经在路上跑着、在量产实车上验证的，到底是谁？ 在今...