计算机视觉

麻省理工学院华人团队在《Nature》发表具身智能突破性研究，开发出仅需普通RGB摄像头即可实现多类型机器人高精度控制的深度学习框架，为医疗、制造等领域提供低成本自动化解决方案。

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...

小米AI团队在ICCV 2025发表两项行业首创技术：Q-Frame视频理解大模型和Any-SSR持续学习框架。Q-Frame通过动态帧选择与分辨率自适应提升模型性能，Any-SSR解决大语言模型持续...

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。

字节跳动最新开源的EX-4D框架实现单目视频到4D序列的突破性转换，采用深度防水网格与双mask策略，在FID/VBench指标上超越现有方案70.7%用户认可其物理一致性，为VR/影视行业提供高效解...

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。

腾讯在计算机视觉领域顶级会议CVPR 2025上宣布开源混元3D 2.1大模型。作为全球首个全链路开源的工业级3D生成模型，该技术实现了从模型权重、训练代码到数据处理流程的完整开放，显著降低了3D内容...

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...

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...

中科院深圳先进院发布HYPIR图像复原大模型，1.7秒完成8K超高清修复，速度提升数十倍。该技术突破在影视修复、医疗影像和文化遗产保护领域具有广泛应用前景。