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“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...

距CVPR 2026正式开幕（6月3日）仅剩两天，论文信息进入最后冲刺阶段。 本期三大爆点同日引爆：浙大&蚂蚁联合团队凭借HTD-Refine杀入Oral最佳论文候选，用高阶动力学对齐一举攻克单目人体动作恢复的"滑步+抖动"顽疾，成为本期国内团队最强信号；动态高斯重建方向，ClipGStream以"流式"架构首次同时拿下大运动+长序列，代码同步开源可直接复现；非视距感知赛道迎来标志性...

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“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“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：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，...

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...

模型正从影像识别走向高效适配、临床语义理解与跨模态推理。 作者丨郑佳美 编辑丨马晓宁 医学 AI 过去很长一段时间都在回答一个问题：模型能不能看得比人更准？ 于是，大量研究围绕病灶识别、器官分割、影像分类和报告生成展开，目标是在标准数据集上取得更高指标。但现在，这个问题已经不够了。 真实的医学与生物科研场景并不是一个干净、统一、标注充分的 benchmark，而是由不同设备、不同协议、不同数...