来源：公众号“Al & Multimodal ” 原文链接：https://mp\.weixin\.qq\.com/s/RUoVbXgdFbIeeDOcnYQqng?scene=1&click\_id=148 作者 | Darlene 论文题目： OddGridBench：揭示多模态大语言模型缺乏细粒度视觉差异敏感性 OddGridBench: Exposing...

  来源：公众号“遥感与深度学习“ 原文链接：https://mp\.weixin\.qq\.com/s/ojm6yRWRURFIL1UlD9ZwPw?scene=1&click\_id=138 题目：Prompt-Free Universal Region Proposal Network ***会议：The IEEE/CVF Conference on Computer V...

来源：3D视觉工坊 原文链接：https://mp.weixin.qq.com/s/OeuvkEsZfxOF4SEZcD4wPA 标题：DLWM: Dual Latent World Models enable Holistic Gaussian-centric Pre-training in Autonomous Driving 作者：Yiyao Zhu, Ying Xue, Hai...

来源：机器之心 原文链接：https://mp\.weixin\.qq\.com/s/sBfUF2R5Ii\-wEWNFTrc2ig 本文第一作者为西湖大学科研助理蔺明慧，通讯作者为阿里巴巴达摩院算法专家黄思腾和西湖大学人工智能系副主任王东林。所有作者均来自西湖大学机器智能实验室（MiLAB）和西湖机器人科技有限公司，团队工作 ReconVLA 近期获得 AAAI 2026 最佳论文奖。...

原文链接：https://mp\.weixin\.qq\.com/s/AbtZYKAhP5KEaChBnLIV7A 近日，由InTimeLab、腾讯、南京理工大学合作完成的研究成果《Towards Real-World Document Parsing via Realistic Scene Synthesis and Document-Aware Training》被 CVPR 2026...

来源：微软亚洲研究院 原文链接：https://mp\.weixin\.qq\.com/s/GECHPc8h\_mblnXirldVaRg?scene=1&click\_id=96 CoD：面向图像压缩的扩散基础模型 基于一维隐表示的生成式视频压缩 HiSpatial：增强视觉-语言大模型的层级3D空间认知能力 面向3D生成的原生紧凑结构化隐表示（Oral, Awa...

来源：公众号“什么是人工智能” 原文链接：https://mp.weixin.qq.com/s/b1hLVqT9LJI2tRznuQ1L1Q 根据 CVPR 2026 官方公布的数字： 16,092 篇有效投稿，4,090 篇录用论文，录用率 25.42%。 数据的背后，计算机视觉正在经历一次深刻的转变：从识别与生成，转向理解物理规律、支持多步推理、适应开放世界。 本篇以 3D 视...

  来源：公众号“机工智能AI科研” 原文链接：https://mp\.weixin\.qq\.com/s/6Nw8B\_EDJCjfIikW\_lseXA 工业异常检测现在不缺模型，缺的是能扛产线波动的模型。 真实工厂里，光照会漂、曝光会变、批次会换，相机位姿也可能微调。很多方法在实验室里指标很好，一到产线就误检、漏检。更麻烦的是，不少方案还要按类别重训、按产品调阈值，每上一条...

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...