AI 正从看懂画面，走向理解空间、预测变化、执行动作。 作者丨张岂萍 编辑丨幸丽娟 AI 已经越来越会生成一个“看起来真实”的世界，却依然很难真正理解并行动于这个世界。物体在哪里、彼此是什么空间关系，遮挡之后还剩下什么；一个动作发生后，世界会怎样变化。这些问题的解法，共同指向空间智能。而近两年具身智能与世界模型的爆火，进一步推动空间智能成为 AI 走向物理世界的核心能力基座。回看 ECCV ...

AI 不应只做更强的观察者，而应成为帮助人学会现实世界技能的 AI Guide。 作者丨张岂萍 编辑丨幸丽娟 过去十年，计算机视觉的技术演进主线几乎围绕同一件事展开：让机器看得更准。从目标检测、姿态估计到三维重建、视频理解，“看懂”正在成为大模型的基础能力。但一个被反复验证的现实是：机器越会“看懂人”，人获得的实际帮助并没有同步增长。健身 App 能识别动作，却未必知道该让你改哪一寸；教学视...

给生成模型引入仿真，补上难以获得的声音感知。 作者丨张岂萍 编辑丨幸丽娟 机器人要进入真实世界，需要处理的信息远不止视觉。倒水时，声音可以帮助判断杯子是不是快满了；物体发生碰撞时，不同材质会发出不同的声音；一个人在小房间和大房间里说话，空间回声也不一样。然而，这些人类习以为常的多模态感知，以及诸如切苹果、叠杯子这类极其复杂的双手灵巧操作，在机器人的训练阶段却面临着极其高昂的“数据采集壁垒”。...

93场Workshop，吴佳俊成全场最忙碌的人！ 作者丨幸丽娟 编辑丨岑 峰 瑞典当地时间8点，ECCV 2026 正式迎来开幕。清晨，马尔默全城各区的参会者涌向会场，还有一群人乘坐火车横跨厄勒海峡大桥，从哥本哈根赶来。当马尔默遇上历年来最火爆的 ECCV，这座北欧小城显然有些“措手不及”。会前，已经有不少参会者在全网“花式拼房”，然而住到哥本哈根每天跨境通勤的参会者依旧不在少数。以至于参会...

只靠语言和 token，AI 永远跨不过物理世界这道门槛！ 作者丨幸丽娟 编辑丨岑 峰 AI 行业的主叙事，曾被 Scaling Law 垄断：更大的模型、更多的 token，更强的文本推理，仿佛只要把语言模型继续堆大，通用人工智能就会自动到来。但这条路线撞上了天花板：预训练的边际收益肉眼可见地递减；模型一旦部署到真实世界，漏洞百出。2026 年，“世界模型”接棒 Scaling Law，成...

学习模型已经具备很强的局部视觉先验，而 3D 几何可以帮助建立跨视角、长距离的全局一致性。二者如何结合，是 3D 视觉与空间智能中的重要问题。 编辑丨岑峰 在生成式 AI 的快速发展中，Sora 等视频和图像扩散模型（Diffusion Models）展示了很强的视觉生成能力。大规模 2D 数据让模型学到了丰富的视觉与语义先验，在单帧和局部视频生成上取得了显著进展。但当任务进一步要求多视角、...

来源：电子科技大学智能计算研究院 原文链接：https://mp.weixin.qq.com/s/--mdskLsbu1aT3BkgV7kCg 2026年7月，国际多媒体领域顶级会议 ACM International Conference on Multimedia（ACM MM 2026）公布论文录用结果，电子科技大学智能计算研究院6篇论文被会议接收。以下为论文录用信息，排名不分先后。R...

告别模型拼贴套路，自回归与离散扩散的融合，正在开启 AI 的体验时代。 作者丨张璐 编辑丨岑峰 “理解”和“生成”真的无法在同一个模型底座中完美融合吗？不同于拼接独立模型的传统做法，NUS Show Lab 选择了一条更原生的架构路线：在单个 Transformer 中同时打通自回归预测与离散扩散生成。作为多模态领域的重磅成果，Show-o 系列不仅打破了模态壁垒，更将触角延伸至具身机器人决...

2D去噪范式在真实3D遮挡前失效，破局关键在于将物理机制转化为结构先验。 作者丨张璐 编辑丨岑峰 大模型在文本与 2D 图像上的狂飙，归功于互联网上近乎无穷的干净数据。但当 AI 试图跨越屏幕、理解真实的 3D 物理世界时，这套经验法则瞬间失效。真实扫描数据充斥着噪点与死角，物理遮挡造成的几何缺失既非随机发生，更无法用简单的去噪算法抹平。面对这一死结，多数团队选择用人工合成数据去“硬碰硬”，...