计算机视觉

微软推出开源视觉语言模型Fara-7B，专为网页任务自动化设计。70亿参数支持本地端侧运行，在WebVoyager基准测试中通过率达62%-73.5%，操作效率显著优于竞品。了解这一AI智能体技术新突...

2025中国AI年度评选进入最后5天倒计时！量子位第八届人工智能榜单设立五大权威奖项，涵盖领航企业、潜力创业公司等维度，评选结果将影响企业估值和投融资决策，符合条件企业请抓紧最后申报机会。

Meta公司发布第三代分割一切模型SAM 3，实现自然语言驱动的精准图像分割，分割准确率提升一倍，处理速度达30毫秒，支持复杂语义场景识别，将应用于电商、影视制作等多个领域。

索尼AI在《自然》发布全球首个基于知情同意的多样性人类图像数据集FHIBE，包含81个国家1981名参与者的10318张图像，专门用于系统性评估AI视觉模型中的性别、种族等偏见问题，推动自动驾驶、面部...

谷歌推出StreetReaderAI原型，基于计算机视觉和语音技术，实时识别街景环境并为视障人士提供语音导航。了解这一AI无障碍工具如何通过道路识别、建筑物描述等功能提升视障群体独立出行能力，以及谷歌...

深度解析苹果在ICCV 2025大会发布的八篇前沿论文，涵盖MM-Spatial三维空间应用、STIV视频生成等突破性技术，揭秘这些研究如何推动AR设备和iPhone创作功能的未来发展。

苹果公司即将完成对Prompt AI的收购，通过吸纳其核心团队与Seemour视觉技术，强化智能家居安防与空间感知能力。本文深度解析此次收购对HomeKit生态及AI行业竞争格局的影响。

深度解读谷歌DeepMind Veo 3模型论文：该模型在感知、建模、操纵、推理四个层面实现突破性进展，具备零样本执行视觉任务、理解物理世界、进行多步骤逻辑推理的能力，标志着计算机视觉领域迎来GPT...

亚马逊推出AI视觉购物功能Lens Live，通过实时摄像头扫描和AI技术实现即时商品识别与推荐，集成Rufus助手提供智能导购，覆盖美国iOS用户，重塑移动购物交互标准。

清华大学与IDEA研发的GUAVA框架实现单张照片0.1秒生成高保真3D化身，渲染速度50帧/秒，突破传统多视角限制。技术入选ICCV 2025，开源代码推动影视、游戏与虚拟会议应用，助力元宇宙基础设...