来源：公众号“机器之心” 原文https://mp.weixin.qq.com/s/SCk63tSurxIeuaVNxqgSkA?scene=1&click_id=30 团队一作林之秋（Zhiqiu Lin）是卡内基梅隆大学（CMU）机器人研究所的博士，研究方向涵盖视觉 - 语言大模型的评估、数据与生成；前作 CameraBench 曾获 NeurIPS’25 Spotlight（T...

来源：公众号“数字内容合成与伪造检测” 原文链接：https://mp.weixin.qq.com/s/bdgq0Hl1oHDYm82DicJBow 计算机视觉领域顶级会议 IEEE/CVF Conference on Computer Vision and Pattern Recognition 2026（CVPR 2026）将于6月3日至7日在美国丹佛举办。本届CVPR共收到16,092...

来源：公众号“我爱计算机视觉” 原文链接：https://mp.weixin.qq.com/s/boFZV3ANqEX5c-TJQ7KNCw 在 VR / MR / XR 等沉浸式媒体飞速发展的今天，动态 3D 场景重建已成为连接真实世界与数字体验的关键技术。然而，面对长序列、大运动的复杂动态场景，现有方法始终难以兼顾「时间稳定性」与「可扩展性」。 近日，北京大学、鹏城实验室联合团队提出了 ...

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...

作者丨郑佳美 编辑丨马晓宁 图像生成行业正在从“生成能力竞争”进入“可控能力竞争”。 过去，模型的核心价值主要体现在能否生成高质量、高清晰度、风格丰富的单张图像；而随着文生图、图生图和指令式编辑能力逐渐成熟，新的瓶颈开始显现：模型能否理解多张图片之间的关系，能否在不同视角和场景中保持同一对象的一致性，能否把多个参考来源自然融合到同一画面中，能否在数据缺失或退化时恢复可信细节，以及能否让用户精...

一、论文信息 论文题目：ParTY: Part-Guidance for Expressive Text-to-Motion Synthesis中文题目：ParTY：富有表现力的文本到动作合成的部分指南论文链接：https://arxiv.org/pdf/2603.09611 所属单位：庆熙大学 核心速览： 提出ParTY框架以解决文本到动作合成中特定身体部位动作表达不足和全身动作连贯性差的...

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：知乎博主“TopR” 原文链接：https://zhuanlan.zhihu.com/p/2027411504710922571 论文链接：https://arxiv.org/abs/2601.03824 项目代码：https://github.com/CVL-UESTC/IDESplat 分享我们最近的一篇关于 Generalizable 3D Gaussian Splatting ...

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：知乎“智能CV” 原文链接：https://zhuanlan.zhihu.com/p/2040370312253071756 论文：https://arxiv.org/pdf/2604.03134 代码：https://github.com/Galaxy-Knight-Lee/SD-FSMIS一、研究方向及背景 这篇论文聚焦于少样本医学图像分割，即 Few-Shot Medical I...