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“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...

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...

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：...

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“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...

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“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...