来源：公众号“新智元” 原文链接：https://mp.weixin.qq.com/s/c1-_wQSRKYNkq2z3SR4FSg 计算机视觉领域一年一度最重要的「开奖」时刻到了。 就在2月21日，CVPR 2026向全球投稿者发出了录用通知邮件。 官方解释道，目前结果仅通过邮件发送，系统尚未开放查询 在进入审稿流程的16092篇论文中，程序委员会最终推荐录用4090篇，录用率25.42%...

来源：公众号“深圳大学计算机与软件学院” 作者：房云鹏 原文链接：https://mp.weixin.qq.com/s/uWReTqghPxC-DJzRwvMV5g 自动、精确的超声心动图视频分割对于高效、可重复地测量关键临床心功能指标（如射血分数等）以及心血管疾病的诊断至关重要。然而，由于超声影像固有的散斑噪声、心脏结构的复杂动态运动，以及标注数据的严重稀缺，这在临床和计算领域仍然是一个极...

来源：公众号“机工智能AI科研” 原文链接：https://mp.weixin.qq.com/s/6Nw8B_EDJCjfIikW_lseXA 论文链接：https://arxiv.org/abs/2605.14808 项目开源地址：https://github.com/LukasRoom/SuperADD 作者：Lukas Roming, Felix Lehnerer, Jonas V. ...

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...

MindVLA-U1：统一视觉语言动作架构，实现理解后规划。 作者丨郑佳美 编辑丨马晓宁 在自动驾驶进入大模型时代之后，行业正在从传统的“感知、预测、规划、控制”模块化流水线，逐步转向端到端智能系统。 过去，VA 模型能够直接从视觉输入生成驾驶轨迹，在规划精度和实时性上表现突出，但它们更多依赖隐式视觉特征，很难清楚解释“为什么这样开”，也难以处理那些需要语义理解和常识推理的长尾场景。 比如车...

“请把杯子拿起来”。这句话对你来说轻而易举。因为你看到了杯子，理解了“拿起来”的含义，手自然地伸过去、捏住、提起。但对一个 AI 系统来说，这中间隔着数道几乎不可逾越的鸿沟：语言到动作、动作到视觉、视觉到空间、空间到执行。 传统做法是强迫模型学会直接映射，通过输入一段文字或一组动作参数，让其直接输出像素级的视频帧或关节角度。这种方法在受限环境和充足标注数据下勉强可行，但一旦面对真实世界的复杂...

从街景到仿真，离线地理信息正在成为车辆理解复杂道路的新线索。 作者丨郑佳美 编辑丨马晓宁 大模型的发展表明，智能体不能只依赖一次性的上下文输入，还需要能够检索、利用和管理长期记忆。自动驾驶也正在走向类似的路径：车辆不应只是根据当前摄像头和传感器看到的内容做即时判断，而应具备一种可检索的空间记忆，能够调取当前位置长期积累的道路结构信息。对于自动驾驶来说，这种记忆可以来自街景图、卫星图、历史地图...

代码驱动的视觉感知，正在为大模型补上「看」这门必修课。 作者丨陈淑瑜 编辑丨岑 峰 如果把过去几年多模态大模型在STEM领域的进展放在一起审视，会发现一个相当微妙的错位。研究者们几乎把全部精力都押在了推理能力的提升上，强化学习、思维链、自我纠错……各种花式推理策略层出不穷，模型在文本推理基准上的得分也确实在节节攀升。 但一个尴尬的事实始终摆在那里：当模型被丢进一道需要看图才能解答的几何题时，...

从仿真构造到多主体配合，AI 正在补齐行动决策链条。 作者丨郑佳美 编辑丨马晓宁 过去，视觉模型更多是在回答“看见了什么”，但当 AI 进入自动驾驶、游戏、机器人和多智能体协作场景时，问题已经不只是识别环境，而是“看见之后如何行动”。 一辆自动驾驶汽车不能只知道前方有车，还要判断如何避让、如何规划路线，甚至要在遮挡、夜晚和复杂天气中借助外部信息补足感知，一个游戏智能体不能只识别画面里的角色、...

视频智能正从画面生成走向运动控制、动态建模、信号理解与真实场景应用。 作者丨郑佳美 编辑丨马晓宁 过去，视频生成更多是在解决“像不像”的问题：人物是否清晰，画面是否流畅，风格是否统一。但随着模型能力提升，视频真正困难的部分开始显现出来——它不是一组漂亮帧的连续播放，而是一个由时间、空间、运动、相机、光照和物理信号共同构成的动态系统。 只要模型无法理解这些隐含结构，它生成的视频就可能看似逼真，...