视觉语言模型是一类强大的机器学习模型，能够同时处理视觉（图像）和文本信息。随着最近 Qwen 3 VL 模型的发布，我想带大家深入探讨一下，如何利用这些强大的 ...

“人火了是连毕业论文都要被翻出来的。”这条互联网定律再次应验——宇树科技CEO王兴兴的硕士毕业论文近日被网友们掘地三尺找了出来。

“十五五”（2026–2030）时期，将是中国由“智能化应用突破”转向“系统化协同演进”的关键阶段。 随着低空经济、具身智能、工业视觉、远程医疗、应急指挥等新...

在今年欧洲计算机视觉会议(ECCV)上，我们提出了一种评估人脸识别系统偏差的新方法，不需要带有身份注释的数据。虽然该方法仅估计模型在不同人口群体数据上的性能，但...

定位与目标检测是计算机视觉中的两个核心任务，广泛应用于自动驾驶和机器人等实际场景。作为计算机视觉专家，深入理解这些技术至关重要。

Depth Anything模型基于DPT架构，并在超过6200万张图像上进行了训练。DPT模型的主干利用视觉变换器替代CNN进行密集预测任务，即逐像素预测。D...

理解我们万花筒般的视觉世界是计算机科学家数十年来的重大挑战。因为视觉远不止是"看见"。为了最大限度地利用机器，并最终让它们在我们中间有用且安全地移动，它们必须以...

在音视频流传输的世界中，编解码决定“如何压缩数据”，而协议则决定“如何传输和流动”。编解码技术关注如何高效地压缩数据、如何使得数据能够在有限的带宽上尽可能快速地...

滤波，是计算机视觉中最早建立秩序的环节。它回答了一个根本问题：什么是信号，什么是噪声。

我们常把“清晰度”简单等同于分辨率，于是第一次播放 4K 时就会感到惊艳；可一追问“你的显示设备是什么分辨率？”答案往往仍是 1080p。也就是说，你其实是在 ...

在自动驾驶、机器人导航等领域，3D场景的感知与生成一直是研究热点。然而，传统方法通常将这两个过程分离：生成模型仅仅作为数据增强工具，为下游感知任务提供合成数据。...

2025年的机器人行业，表面上热闹非凡：融资潮、IPO潮、政策红利轮番登场。从仓储物流到巡检安防，从酒店服务到低空经济，无数创业公司在讲述“具身智能”的故事。但...

该论文的第一作者是来自上海交通大学的Sikuang Li和Chen Yang，这项研究是在他们于华为实习期间完成的。Chen Yang目前仍是华为的研究实习生，...

此次私募包括出售200万股Safe Pro普通股。所得资金预计将加速和扩展Safe Pro的AI驱动计算机视觉和威胁检测系统的开发与集成，部署于美国和国际防御及...

2025年，中国的机器人赛道正在经历一场罕见的“资本风暴”。短短一年内，数十家机器人企业密集奔赴IPO，从仓储、酒店、家居，到农业、医疗、巡检，无一不在讲述自己...

在市政管网、工业巡检与地下管廊检测等场景中，视频链路已不再只是“可视化工具”，而是智能系统的神经主干。高温、高湿、长距离、无信号的封闭管道，对视频传输的稳定性、...

这篇名为《一致性模型》的论文提出了一类新的生成模型，能够一步到位地生成高质量图像，解决了扩散模型的主要瓶颈——采样过程慢、需要多次迭代。它的核心贡献在于证明了：...

通过某中心的健康服务，用户可使用智能手机拍摄的照片测量身体脂肪百分比，并通过个性化3D模型进行追踪。这种扫描通常需要昂贵精密设备，但该功能使其可通过手机应用普及...

人工智能的前沿不再只是数据中心；它在于工厂车间、零售店、公共基础设施以及我们周围的智能设备。推动这一转变的是视觉语言模型（VLM），这是一个革命性的人工智能，可...