来源：公众号“3DCV” 原文链接：https://mp.weixin.qq.com/s/eSYRI16zVA-noIU16-W-Tw?scene=1&click_id=156 标题：DAGE: Dual-Stream Architecture for Efficient and Fine-Grained Geometry Estimation 作者：Tuan Duc Ngo, Ji...

6月17日至21日，2024年国际计算机视觉与模式识别会议（IEEE/CVF Conference on Computer Vision and Pattern Recognition，以下简称“CVPR”）在美国西雅图举办。CVPR作为人工智能领域最有学术影响力的顶级会议之一，今年仍以论文、论坛、挑战赛等方式聚焦自动驾驶等热门议题。会议期间，2024CVPR自动驾驶国际挑战赛（以下简称“挑...

6月19日-23日，全球人工智能计算机视觉领域顶级国际会议CVPR 2022（Computer Vision and Pattern Recognition，即国际计算机视觉与模式识别）在美国新奥尔良举行，并同步进行线上会议。商汤科技及联合实验室共71篇论文入选本届CVPR，再创新高，其中有接近四分之一被录用为Oral（口头报告），涵盖三维视觉、自动驾驶等多个备受关注的前沿研究领域和方向，继...

可动结构、4D 表征与高效重建登场。 作者丨郑佳美 编辑丨马晓宁 2026 年 6 月 1 日，国际机器人与自动化会议（ICRA）在奥地利维也纳召开。次日上午的自动驾驶与导航报告环节，雷峰网GAIR 2021大会嘉宾、上海交通大学教授王贺升发表了题为《Learning to Navigate: From Scene Understanding to Decision Makin》的演讲。 3...

3DReflecNet：一个专为玻璃、金属与陶瓷等材料建立的大规模数据集。 作者丨樊天骄、郑佳美 编辑丨郑佳美 想为手上的玻璃杯生成 3D 模型，需要几步？ 拍照、扫描、建模......听上去似乎很简单，可如果你真的动手试试，得到的往往是布满孔洞、边缘扭曲的残缺结果。 这就是当前 3D 重建技术的瓶颈：无论是爆火的 3D 高斯溅射（3D Gaussian Splatting, 3DGS）、神...

来源：公众号“视觉语言导航” 原文链接：https://mp.weixin.qq.com/s/ectOuJaJbvHWP9vhpP5PcQ?scene=1&click_id=33 作者：Dongqian Guo, Haoran Wei, Wencheng Han, Runzhou Tao, Zhongying Qiu, Jianfei Yang, Jianbing Shen 单位：澳...

来源：公众号“视觉语言导航” 原文链接：https://mp.weixin.qq.com/s/bf3QIqG81pKkP_78wfTKrA 传统地理定位高度依赖卫星影像，缺失老旧数据就直接“失灵”？这篇CVPR 2026新作重磅提出GeoBridge语义锚定多视图基础模型，跳出卫星中心固有范式，实现无人机、街景全景、卫星影像全视角双向匹配，还支持自然语言→地理图像跨模态检索。同时自研GeoL...

来源：公众号“深圳大学计算机与软件学院”原文链接：https://mp.weixin.qq.com/s/_ZOHn92s_WAcU6q3Y0X38Q跨视角目标地理定位技术广泛应用于辅助自动驾驶、智慧城市、航海导航等场景，核心是根据参考图像内目标的GPS确定查询图像内感兴趣目标的GPS等信息，面临着跨视角图像特征差异大、数据匮乏、定位精度不足等行业共性挑战。深圳大学计算机与软件学院未来媒体技术...

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...

多视角、事件视觉与相机轨迹，共同推动视觉模型走向更强空间推理。 作者丨郑佳美 编辑丨马晓宁 过去几年，计算机视觉行业一直在追求更强的识别、更大的模型和更复杂的生成能力，但真正落到机器人、工业检测、运动分析和空间交互等真实场景时，一个更底层的问题逐渐变得突出：视觉系统到底是在“看图像”，还是在“理解世界”？ 真实世界并不是由一张张干净、完整、静止的图片组成的，物体会被遮挡，单视角会带来深度和姿...