作者丨马晓宁 编辑丨岑 峰 这里有一幢大楼，叫做深度学习。 过去几年，人们不停地给它加盖、扩建，越盖越高，越盖越复杂。这幢大楼叫 Transformer。盖楼时用了一大批标准件，浮点精度是它的钢筋，层归一化和残差连接是它的混凝土，因果掩码是它的承重隔断。旁边还有两栋附楼：一栋是扩散模型；另一栋归一化流。在漫长的施工期里，人们不断加装更粗的钢筋、更复杂的控制系统，以为这样做就能让这几栋楼更稳固...

来源：公众号“CV实验室” 原文链接：https://mp.weixin.qq.com/s/65JSJhgEB_O_2epsG0pfIw?scene=1&click_id=51 在计算机视觉领域，目标追踪（Visual Tracking）一直需要在“高精度”和“低功耗”之间寻找平衡。SNN（脉冲神经网络）因其生物仿真特性和极高的能源效率被寄予厚望，但在处理复杂的RGB视觉追踪任务时，...

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“我爱计算机视觉” 原文链接：https://mp.weixin.qq.com/s/4-schz_SOIDnnHpROzrUjw?scene=1&click_id=154 在计算机视觉领域，3D 重建一直被视为一项“硬核”任务。传统的结构从运动（Structure-from-Motion, SfM）算法往往需要复杂的离线优化，而近年来兴起的前馈重建模型虽然速度快，但在处理...

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...