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“腾讯招聘” 原文链接：https://mp.weixin.qq.com/s/G0JIVvBbRNt0dwe691RMmA?scene=1&click_id=41 CVPR是计算机视觉领域最具影响力和权威性的国际顶级学术会议之一（CCF-A 类），聚焦计算机视觉、图像识别、多模态理解、生成式视觉模型、3D 视觉、自动驾驶等前沿方向。第43届会议将在美国丹佛举行，本届会议共...

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“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“AI上分搭子” 原文链接：https://mp.weixin.qq.com/s/26c4oCUgjQueMImEspWBow In-context segmentation 想做的事情并不复杂。 给一张带标注的参考图，再去目标图里把同一个概念分出来。 这个概念可以是一个物体。也可以是一个部件。甚至可以是某个特定实例。 难点在于，现在主流方法基本都卡在两条路里。 一条路是 fin...

来源：公众号“AI上分搭子 原文链接：https://mp.weixin.qq.com/s/6VviwXMsnFYLQHkVKMUZ3w LILA 盯的是一个很基础、但常常被绕开的点： 视觉 foundation model 很强，但很多输出仍然是 patch-level feature。 做分类、检索，patch feature 很够用。 但做 video object segmentat...

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：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：...

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...

起初，不少人以为这是一个“山寨”会议或是某家公司的公关噱头。但点开讲者名单（Speaker List）一看，全网都沉默了—— 被誉为计算机视觉界泰斗、VGG网络提出者 Andrew Zisserman 赫然在列；近年来在多模态与视觉大模型领域频出爆款的香港大学李弘扬（Hongyang Li） 等顶尖华人学者也将登台分享。 这绝对不是野鸡会议。相反，这或许代表着未来国际顶级学术会议演变的最终形...