计算机视觉

香港科技大学与西北工业大学研究团队开源Robust-R1多模态大模型，创新提出“退化感知推理”技术，有效解决图像模糊、噪声、遮挡等真实场景退化问题，在ImageNet-C等基准测试中鲁棒性提升47...

深度解析智源研究院OmniGen2图像生成模型技术亮点：40亿参数开源架构，支持文本到图像无缝切换，在GenEval测试中评分0.86。了解其反思机制、多模态生成能力及FlagScale推理加速方案。

小红书AIGC团队研发的DynamicFace算法在计算机视觉领域取得重要突破，实现了高质量、高一致性的换脸效果，广泛应用于影视、游戏和电商领域。

上海交通大学发布全球首个AI生成3D人脸质量评估数据集Gen3DHF，配套创新LMME3DHF评估框架，解决行业可解释性痛点，推动虚拟现实、数字人等应用标准化发展。

深度解析Meta最新开源的DINOv3视觉大模型：70亿参数规模、17亿训练图像的自监督学习技术突破，及其在医疗影像、卫星遥感、自动驾驶等领域的革命性应用。了解这一计算机视觉领域里程碑式进展的技术细节...

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...

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。

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...