来源：老博侃AI 原文链接：https://mp\.weixin\.qq\.com/s/i4d15fR2A3OlGDTHz\-p3Lw     给你一张普通照片，人一眼就能看出哪个东西近、哪个东西远。但对机器来说，一张平的 2D 图片里其实没有「距离」这个信息，得靠算法猜。这件事叫「单目深度估计」——就一只眼睛（一个摄像头），估出整张图每个像素离你多远。它有啥用？扫地机器人躲障碍、手机拍...

      来源：遥感与深度学习 原文链接：https://mp\.weixin\.qq\.com/s/vZ6MEu5IEEI3WvnSv4bdow 题目：RoadBench: Benchmarking MLLMs on Fine-Grained Spatial Understanding and Reasoning under Urban Road Scenarios 论文...

      来源：遥感与深度学习 原文链接：https://mp\.weixin\.qq\.com/s/vZ6MEu5IEEI3WvnSv4bdow 题目：RoadBench: Benchmarking MLLMs on Fine-Grained Spatial Understanding and Reasoning under Urban Road Scenarios 论文...

来源：小米技术 原文链接：https://mp\.weixin\.qq\.com/s/O3Gbep1eQoxuwvFIhfiXEA 单步推理就能修复严重退化的人脸视频，让修复结果既清晰又像本人；视频大模型不再“看完再想”，而是边看边思考，响应速度提升 15.7 倍；美学模型不再孤立打分，而是像人一样在比较中感知美的高低。这些亮眼的成果，只是小米 AI 团队与自动驾驶团队入选 ECCV...

来源：小米技术 原文链接：https://mp\.weixin\.qq\.com/s/O3Gbep1eQoxuwvFIhfiXEA 单步推理就能修复严重退化的人脸视频，让修复结果既清晰又像本人；视频大模型不再“看完再想”，而是边看边思考，响应速度提升 15.7 倍；美学模型不再孤立打分，而是像人一样在比较中感知美的高低。这些亮眼的成果，只是小米 AI 团队与自动驾驶团队入选 ECCV...

来源：小米技术 原文链接：https://mp\.weixin\.qq\.com/s/O3Gbep1eQoxuwvFIhfiXEA 单步推理就能修复严重退化的人脸视频，让修复结果既清晰又像本人；视频大模型不再“看完再想”，而是边看边思考，响应速度提升 15.7 倍；美学模型不再孤立打分，而是像人一样在比较中感知美的高低。这些亮眼的成果，只是小米 AI 团队与自动驾驶团队入选 ECCV...

来源：图灵学术计算机CCF论文辅导 原文链接：https://mp\.weixin\.qq\.com/s/8liHIB2W1BWwkb6PFAkz4A ECCV 2026是计算机视觉领域的三大顶级国际会议之一，由欧洲计算机视觉协会（ECVA）主办。该会议长期聚焦图像识别、三维视觉、深度学习与跨模态学习等前沿方向，致力于推动视觉智能的技术突破与产业应用。ECCV 2026将于瑞典马尔默举办...

来源：我爱机器人视觉 原文链接：https://mp\.weixin\.qq\.com/s/N5SebrlZO1mY1tWYvmLSSg 随着多模态基础模型与大语言视觉模型（MLLMs）的快速发展，面向人的视觉智能正在迎来新的范式转变。传统视觉系统往往依赖受控数据集与静态任务设定，而真实世界中的人类行为理解则面临更复杂的开放环境：光照变化、快速运动、严重遮挡、复杂交互、多源传感器噪声以及...

来源：我爱机器人视觉 原文链接：https://mp\.weixin\.qq\.com/s/N5SebrlZO1mY1tWYvmLSSg 随着多模态基础模型与大语言视觉模型（MLLMs）的快速发展，面向人的视觉智能正在迎来新的范式转变。传统视觉系统往往依赖受控数据集与静态任务设定，而真实世界中的人类行为理解则面临更复杂的开放环境：光照变化、快速运动、严重遮挡、复杂交互、多源传感器噪声以及...

来源：我爱机器人视觉 原文链接：https://mp\.weixin\.qq\.com/s/N5SebrlZO1mY1tWYvmLSSg 随着多模态基础模型与大语言视觉模型（MLLMs）的快速发展，面向人的视觉智能正在迎来新的范式转变。传统视觉系统往往依赖受控数据集与静态任务设定，而真实世界中的人类行为理解则面临更复杂的开放环境：光照变化、快速运动、严重遮挡、复杂交互、多源传感器噪声以及...