多视角、事件视觉与相机轨迹，共同推动视觉模型走向更强空间推理。 作者丨郑佳美 编辑丨马晓宁 过去几年，计算机视觉行业一直在追求更强的识别、更大的模型和更复杂的生成能力，但真正落到机器人、工业检测、运动分析和空间交互等真实场景时，一个更底层的问题逐渐变得突出：视觉系统到底是在“看图像”，还是在“理解世界”？ 真实世界并不是由一张张干净、完整、静止的图片组成的，物体会被遮挡，单视角会带来深度和姿...

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...

在同行评审机制中，Reviewer的质量直接决定了顶会的含金量。官方数据显示，今年共有高达 17,491名 学者参与了CVPR的审稿工作，而能够被领域主席（Area Chairs）评定为“高质量评审”并跻身这份名单的，仅有排名前5%的极少数人。 作为持续关注CV圈动态的媒体，当我们拿到这份长长的名单时，最直观的感受是：华人CV力量，正在全面“霸榜”！ 从A到Z的字母排序中，华人学者的拼音名字...

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：机器之心 原文链接：https://mp.weixin.qq.com/s/sBfUF2R5Ii-wEWNFTrc2ig 本文第一作者为西湖大学科研助理蔺明慧，通讯作者为阿里巴巴达摩院算法专家黄思腾和西湖大学人工智能系副主任王东林。所有作者均来自西湖大学机器智能实验室（MiLAB）和西湖机器人科技有限公司，团队工作 ReconVLA 近期获得 AAAI 2026 最佳论文奖。 具身智能要...

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...