来源：公众号“visual AI“ 原文链接：https://mp.weixin.qq.com/s/ZLQVjw-W-tWQOY-x6mxmTA · · · 1摘要 ? 3D Gaussian Splatting（3DGS）近年来在实时、高保真新视角合成中取得了显著进展，能够用显式 Gaussian 表示重建逼真的真实场景。然而，这些高质量 3DGS 场景大多仍然是“静态可看”的：它们可以被...

来源：公众号“我爱计算机视觉” 原文链接：https://mp.weixin.qq.com/s/ZAI3_QVi_70Y4AJiGLuxLQ 在计算机视觉的世界里，视频全景分割（Video Panoptic Segmentation, VPS）一直被视为一项“全能且昂贵”的任务。它不仅要求模型识别出视频中的每一个像素属于什么类别（语义分割），还要区分出不同的个体（实例分割），并且在时间轴上准...

来源：公众号“我爱计算机视觉 原文链接：https://mp.weixin.qq.com/s/zw_R86_cL48P-IEwE3PJfw 在 3D人体动作恢复（Human Motion Recovery, HMR）领域，我们常常面临一个尴尬的局面：即便模型预测的关节点位置在数值上已经足够精确，但生成的动作看起来总觉得“假”。要么是由于过平滑而失去了力量感的“慢动作”，要么是伴随着令人不适的...

来源：公众号“Hyman的杂货铺” 原文链接：https://mp.weixin.qq.com/s/LU5ldsQhD0EcIcOy0ynOtw 街上每天都有海量行车记录仪、手机拍摄、 ADAS 车辆视频。里面藏着很多自动驾驶系统最想要的东西：事故前几秒、夜间低能见度、奇怪并线、突发施工、行人横穿、车辆擦碰。这些场景真实发生过，物理过程也可信。 难点在另一个地方：自动驾驶系统不能直接吃这些视...

来源：公众号“机器之心” 原文链接：https://mp.weixin.qq.com/s/XoUvfQQojyE5WXt7VdOsKg 一辆车驶过一段路，它该如何知道自己刚才在三维空间中怎样移动？ 对人来说，答案似乎很自然：看一段行车视频，道路、车辆、路灯和建筑如何在画面中移动，几乎就能判断相机是在直行、转弯、减速，还是停下。但对自动驾驶系统来说，这是一项核心几何感知能力。系统不仅要看见场景...

来源：公众号“CV实验室” 原文链接：https://mp.weixin.qq.com/s/65JSJhgEB_O_2epsG0pfIw?scene=1&click_id=51 在计算机视觉领域，目标追踪（Visual Tracking）一直需要在“高精度”和“低功耗”之间寻找平衡。SNN（脉冲神经网络）因其生物仿真特性和极高的能源效率被寄予厚望，但在处理复杂的RGB视觉追踪任务时，...

来源：公众号“视觉语言导航” 原文链接：https://mp.weixin.qq.com/s/WRdwox6z8HajRGoHhdQvGA?scene=1&click_id=58 随着视觉语言模型（VLMs）飞速发展，具身机器人已从实验室走向家庭场景，能在3D室内环境中导航、感知，完成具身问答（EQA）任务，成为老人陪护、家务辅助的重要帮手。 但所有现有EQA基准都存在一个致命前提：...

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, Haimin...

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。 具身智能要...

MindVLA-U1：统一视觉语言动作架构，实现理解后规划。 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，逐步转向端到端智能系统。 过去，VA 模型能够直接从视觉输入生成驾驶轨迹，在规划精度和实时性上表现突出，但它们更多依赖隐式视觉特征，很难清楚解释“为什么这样开”，也难以处理那些需要语义理解和常识推理的长尾场景。 比如车...