来源：机器之心 原文链接：https://mp.weixin.qq.com/s/u_TLN8q7bp-GJVcJVXYdPw 近年来，视觉语言模型（Vision-Language Model, VLM）在图像理解、语义推理等任务中展现出了强大的能力。然而，当这些模型真正进入物理世界，让机器人根据一句自然语言指令完成自主导航时，仍然面临巨大挑战。 例如，机器人完成一句简单的指令： “穿过走廊，...

来源：我爱计算机视觉 原文链接：https://mp.weixin.qq.com/s/2pGGqmJAUvmP_nflnXBh3g 论文标题：MedSynapse-V: Bridging Visual Perception and Clinical Intuition via Latent Memory Evolution 作者：Chunzheng Zhu、Jiaqi Zeng、Junyu ...

来源：复旦大数据研究院原文链接：https://mp.weixin.qq.com/s/jKJOsNcG9chkEBSwtrlGxg IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI)由 IEEE Computer Society 出版，是计算机科学与人工智能领域公认的国际顶级期刊之一，也是模式分析、机器...

来源：遥感和深度学习 原文链接：https://mp.weixin.qq.com/s/kvFykKLlDoECC_M2-1aaQg 题目：RBE-Flow: Recurrent Bayesian Estimation on Feature Manifolds for Cross-Modal Registration 期刊：European Conference on Computer Vis...

为什么字节要把“空间表示”的体积压掉 90%？ 作者丨吴思梦 编辑丨岑 峰 如果有一天，沉浸式直播里的每一个主播都拥有一个实时跟随的 3D 分身，观众可以在任何角度切进去和他对话，看到他的表情、衣服褶皱、头发飘动的细节，那么这个 3D 分身究竟应该有多大？ 这不是一个凌空蹈虚的问题，已经逐渐落定变成一个非常具体的工程问题。 过去几年，3D Gaussian Splatting（3DGS）让“...

Spatial-TTT 给 2B 模型装上“流式空间记忆” ，在空间基准上超越 GPT-5。 作者丨张 璐 编辑丨幸丽娟 单纯拉长上下文，可以解决“能塞进多少信息”的问题。但面对状态变化、时序关联这类长程任务时，注意力还是容易被稀释，关键证据也容易找不回来。当场景扩展到具身机器人、自动驾驶和智能硬件这些需要与三维物理世界实时交互的领域时，这一矛盾被进一步放大。与纯文本或静态图文不同，真实物理...