来源：Deepvisionary 原文链接：https://mp\.weixin\.qq\.com/s/1bJKvSqYA6DsCElE6c\-ICQ 生成式 AI 行业有一个公开的秘密:它最赚钱的应用,恰恰是最烧钱的应用。视频生成模型每生成一秒画面,背后都是几十上百次扩散去噪迭代;商用视频生成 API 的毛利,很大一部分被推理电费吃掉了。 2026 年 7 月 9 日,阿里云与上海交...

来源：深度学习研究生 原文链接：https://mp\.weixin\.qq\.com/s/LXcUJQZW93VOteOFdpj8QA ✨导读：通用多模态检索常用对比学习，但它把负样本简单当成“不是答案”，容易忽略查询里的细粒度实体、属性和动作。ELVA 把检索训练改成 ranking-driven RL：不用额外 reward model，而用可验证排序奖励和 margin re...

来源：CVer 原文链接：https://mp\.weixin\.qq\.com/s/g4UuPC\_SqdUwYFQOoaQoEA 论文题目：From One-to-One to Many-to-Many: Dynamic Cross-Layer Injection for Deep Vision-Language Fusion 会议：ECCV 2026 论文：https://...

来源：深蓝具身智能 原文链接：https://mp\.weixin\.qq\.com/s/\_JknLgOM4Z3tki836EJuug 安全和任务完成度天生就有矛盾，光靠堆安全样本治标不治本，运动规划和图文匹配得拆开单独优化 ——物理碰撞安全 + 语义指令安全 机器人真的安全吗？ 现有的LIBERO、VLA-Arena这些评测基准，全在考“活能不能干完”，从来没把“安不安...

来源：全民AI学习 原文链接：https://mp\.weixin\.qq\.com/s/8dpeFwBhkxawr2o1pUo\-kg 该论文的第一作者和通讯作者均来自北京大学王选计算机研究所，共同第一作者为博士生雷廷和实习生刘佳林，通讯作者为博士生导师刘洋。团队近年来在 TPAMI、IJCV、CVPR、ICML 等顶会上有多项代表性成果发表，多次荣获国内外多模态理解与生成竞赛冠军，和...

来源：我爱计算机视觉 原文链接：https://mp\.weixin\.qq\.com/s/3xekNy\_ObCYtS2\-mFkos1g 扩散Transformer（Diffusion Transformers, DiT）如今已成为高保真视觉生成领域的黄金标准，像广为人知的 FLUX.1 和 HunyuanVideo 等模型，其生成效果确实令人惊叹。然而，这种惊艳效果的背后，是极其高...

今天，距离 ECCV 2026 在瑞典马尔默开幕只剩 12 天，会前预热迎来最重磅的一天：官方完整议程首次揭晓，图灵奖得主 Yann LeCun 携手自动驾驶与世界模型领域的两位顶尖学者压轴 Keynote；与此同时，中国团队带来仅 71M 参数的实时人像“全能模型”，CMU 则拿出能一键修复 3D 渲染瑕疵的通用视频模型。 这些进展不仅勾勒出本届大会“世界模型 + 自动驾驶 + 轻量实时...

来源：量子位 原文链接：https://mp\.weixin\.qq\.com/s/zF8fzbPUgIXTTC4Inh7dhA 给图像生成模型一张人物参考图，它大概率能抓住身份特征。 再给一张背景图，它也许还能把人放进去。 但如果一次给它5张、6张甚至7张不同类型的参考图：一个人物、一张背景、一种姿势、一种光照、一个风格，还要求它把这些信息组合成一张自然、统一、符合指令的新图呢？ ...

来源：AI TIME 论道 原文链接：https://mp\.weixin\.qq\.com/s/2z\_HOFRd7K1FgH5\_QD3TXw 本文内容基于公开论文资料整理，相关研究成果版权归原作者及所属机构所有。我们尊重每一位研究者的原创贡献，如有任何建议或权益相关问题，欢迎联系我们，我们将及时沟通处理。 ECCV 2026 Oral 论文题目：CoverPrune: Co...

来源：数策智合 原文链接：https://mp\.weixin\.qq\.com/s/kEaqXJ5BGpqXjgd1mrT71Q?scene=1 ⚡ ECCV 2026 的 LocateAnything 给出了一条更结构化的路线：把完整 bounding box 当成一个几何原子单元，一次并行解码。 ? 论文：LocateAnything: Fas...