【封面图片来源：网站名微信公众号，所有者：极市平台】一、背景 工业质检和医疗影像分析中，传统方法采用"一个任务一个模型"的碎片化模式，检测不同模态（如RGB、红外、3D深度）需要部署多个专用模型，导致运维成本高、泛化能力差。现有方法存在域干扰问题——直接融合多域特征会引入噪声，导致大量误报。能否构建一个通用的"大脑"，既能理解多模态融合信息，又能针对不同任务动态调用"专家知识"？这一问题的解...

稳定性，正在成为大模型落地的关键命题。 作者丨郑佳美 编辑丨马晓宁 当 AI 模型从“单次完成任务”走向真实世界部署时，真正的挑战不再只是参数规模和单点性能，而是模型能否在变化中保持稳定。 它要在持续出现的新类别中不遗忘旧知识，要从大规模真实数据中获得更强的泛化能力，要在多客户端、数据分布不断变化的环境下继续学习，也要把图像、视频和 3D 等不同视觉经验组织成统一理解。 这种变化也体现在 C...

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“GEM Group” 原文链接：https://mp.weixin.qq.com/s/F8NXE_UPXfEsz_lCY4qNAQ?scene=1&click_id=184 IMCL实验室文献分享会在本期 Journal Club 中，黄强同学分享了 CVPR 2026 论文 Ultrasound-CLIP: Semantic-Aware Contrastive Pre...

来源：公众号“华科大认知计算与智能信息处理” 原文链接：https://mp.weixin.qq.com/s/gIQoSDa_lkTbK0rt88PCmg?scene=1&click_id=179近日，计算机视觉领域的顶级国际会议CVPR 2026论文录用结果揭晓，华中科技大学认知计算与智能信息处理实验室共有5篇论文被录用。论文介绍 01论文标题：CoRiM: Conflict-dr...

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...

来源：公众号“Al & Multimodal ” 原文链接：https://mp.weixin.qq.com/s/RUoVbXgdFbIeeDOcnYQqng?scene=1&click_id=148 作者 | Darlene 论文题目：OddGridBench：揭示多模态大语言模型缺乏细粒度视觉差异敏感性 OddGridBench: Exposing the Lack of...

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：公众号“遥感与深度学习“ 原文链接：https://mp.weixin.qq.com/s/ojm6yRWRURFIL1UlD9ZwPw?scene=1&click_id=138 题目：Prompt-Free Universal Region Proposal Network会议：The IEEE/CVF Conference on Computer Vision and Pat...