距CVPR 2026开幕（6月3日）仅剩5天，信息爆发进入"临会白热化"阶段。 本期三大信号同时激活：NVIDIA凭借LocateAnything拿下X平台435赞、26K播放与HF#1 Trending，技术创新点明确——并行解码取代逐坐标预测，视觉语言检测效率大幅跃升；与此同时，一篇兼具"Oral + Award Candidate（最佳论文候选）"双标签的Relightable Hol...

来源：公众号“我爱计算机视觉” 原文链接：https://mp.weixin.qq.com/s/4-schz_SOIDnnHpROzrUjw?scene=1&click_id=154 在计算机视觉领域，3D 重建一直被视为一项“硬核”任务。传统的结构从运动（Structure-from-Motion, SfM）算法往往需要复杂的离线优化，而近年来兴起的前馈重建模型虽然速度快，但在处理...

来源：公众号“机器之心” 原文链接：https://mp.weixin.qq.com/s/K3SAxYWNK8RoZ_ndYSWK8Q?scene=1&click_id=147 在具身智能、机器人与增强现实等方向持续推进的今天，3D 场景理解能力正成为空间智能的核心基础设施。然而，一个长期存在却始终未被解决的问题是： 当高质量 3D 标注数据日益稀缺，我们能否用「海量」互联网视频构建...

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：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...

来源：公众号“InTimeLab” 原文链接：https://mp.weixin.qq.com/s/AbtZYKAhP5KEaChBnLIV7A 近日，由InTimeLab、腾讯、南京理工大学合作完成的研究成果《Towards Real-World Document Parsing via Realistic Scene Synthesis and Document-Aware Traini...

来源：公众号“机器之心” 原文链接：https://mp.weixin.qq.com/s/K8Hnh3bp-mnzJRDZvbaShw 近年来，3D Gaussian Splatting（3DGS）在三维视觉和图形学中展现出很强的表示与渲染能力。相比传统体素或神经辐射场，它用一组可优化的各向异性高斯来表示三维场景，既能保留连续空间结构，又能实现高速渲染。 但在医学和科学成像中，一个很自然的问...

来源：公众号 机器学习AI算法工程原文链接：https://mp.weixin.qq.com/s/sP4PytKu_gbyoV7gOL6Aqw两辆车撞了，谁的责任？ 以前AI只能告诉你"发生了追尾事故"，但不知道谁该赔钱。现在CVPR 2026的一篇论文直接把这个难题解决了——AITP（人工智能交警）不仅能看懂事故视频，还能像交警一样一步步推理，最后给出责任判定，准确率直接干翻人类专家！ 这...

从街景到仿真，离线地理信息正在成为车辆理解复杂道路的新线索。 作者丨郑佳美 编辑丨马晓宁 大模型的发展表明，智能体不能只依赖一次性的上下文输入，还需要能够检索、利用和管理长期记忆。自动驾驶也正在走向类似的路径：车辆不应只是根据当前摄像头和传感器看到的内容做即时判断，而应具备一种可检索的空间记忆，能够调取当前位置长期积累的道路结构信息。对于自动驾驶来说，这种记忆可以来自街景图、卫星图、历史地图...

代码驱动的视觉感知，正在为大模型补上「看」这门必修课。 作者丨陈淑瑜 编辑丨岑 峰 如果把过去几年多模态大模型在STEM领域的进展放在一起审视，会发现一个相当微妙的错位。研究者们几乎把全部精力都押在了推理能力的提升上，强化学习、思维链、自我纠错……各种花式推理策略层出不穷，模型在文本推理基准上的得分也确实在节节攀升。 但一个尴尬的事实始终摆在那里：当模型被丢进一道需要看图才能解答的几何题时，...