跳至内容

pchao.org

PengChao

CoVLM-Bench:面向协同驾驶问答与规划的真实世界评测基准

30 9 月, 2026 作者 PengChao
基准设计

CoVLM-Bench在同一批车路协同真实成对场景上对齐CDQA与协同规划目标,并给出统一VLM基线CoVLM-Drive。

分类 CVPR三分钟 标签 CDQA、 CoVLM-Bench、 CoVLM-Drive、 CVPR三分钟、 人工智能、 深度学习、 计算机视觉 发表评论

医疗VLM如何未充分利用视觉编码器:皮肤科视角的诊断审计

30 9 月, 2026 作者 PengChao
性能缺口

以皮肤科为试验场,揭示医疗VLM强视觉编码器与端到端零样本诊断之间的性能缺口,并用免微调的描述—决策与编码器辅助重排收窄差距;明确非临床可用产品。

分类 CVPR三分钟 标签 CVPR三分钟、 InternVL3、 MedGemma-4B、 SkinVL、 人工智能、 深度学习、 计算机视觉 发表评论

参数化条带注意力:高效视频生成中的统一稀疏注意力

30 9 月, 2026 作者 PengChao
内核与搜索

PSA 用六参数条带掩码统一视频 DiT 的周期对角稀疏模式,并以单内核与离线搜索在可接受画质下加速推理。

分类 CVPR三分钟 标签 CUDA、 CVPR三分钟、 PSABlock、 ThunderKittens、 人工智能、 深度学习、 计算机视觉 发表评论

ReWorld-Track:面向语言引导多相机跟踪的递归事件世界模型

30 9 月, 2026 作者 PengChao
递归信念

ReWorld-Track 把候选匹配与等待的关联不确定性递归写入预测信念,在跨未观测间隙后仍能稳住身份连续性。

分类 CVPR三分钟 标签 CLIP、 CVPR三分钟、 GRU+、 ReWorld-Track、 人工智能、 深度学习、 计算机视觉 发表评论

RawVLA:面向机器人操作的具身神经图像信号处理器

30 9 月, 2026 作者 PengChao
流式神经ISP

RawVLA 把相机 RAW-to-RGB 成像管线做成可流式适应的神经 ISP,在冻结 VLA 策略下用动作驱动目标学习曝光、白平衡、色彩校正与色调,并配套 RawVLA-Bench 把成像条件变成显式评测变量。

分类 CVPR三分钟 标签 CVPR三分钟、 RAW-to-RGB、 RawVLA、 RawVLA-Bench、 人工智能、 深度学习、 计算机视觉 发表评论

AESplat:通过解耦外观建模推进无位姿前馈三维高斯泼溅

30 9 月, 2026 作者 PengChao
论文代表图:figure-02-p003-01

AESplat 把球谐外观拆成视角无关的零阶分量与视角相关的高阶分量,用免训练 I2DC 与带 GVSRE/WCM 归纳偏置的浅层 MLP 分别建模,显著提升无位姿前馈三维高斯的新视角渲染质量。

分类 CVPR三分钟 标签 AESplat、 CVPR三分钟、 GVSRE、 I2DC、 人工智能、 深度学习、 计算机视觉 发表评论

World2Motion:把视频世界模型变成三维人体动作生成器

30 9 月, 2026 作者 PengChao
单阶段适配

World2Motion 把 Cosmos 3 改造成单阶段框架,从单图与文本联合生成场景感知三维人体动作与对应视频。

分类 CVPR三分钟 标签 CameraHMR、 Cosmos 3、 CVPR三分钟、 World2Motion、 人工智能、 深度学习、 计算机视觉 发表评论

MeteoVerse:统一天气可控的视频世界模型

30 9 月, 2026 作者 PengChao
隐式天气难题

MeteoVerse 显式建模观测与目标天气之间的过渡,并用 MeteoMoE 把保留、引入、去除统一进相机可控视频世界模型。

分类 CVPR三分钟 标签 CVPR三分钟、 LingBot-World、 MeteoMoE、 MeteoVerse、 人工智能、 深度学习、 计算机视觉 发表评论

InsightMap:面向具身多模态推理的结构化空间建模

30 9 月, 2026 作者 PengChao
地图监督缺口

InsightMap 把顶视图地图同时当作显式空间记忆与动作后预测目标,在共享多模态骨干上联合学习导航与场景推理。

分类 CVPR三分钟 标签 BAGEL、 CVPR三分钟、 InsightMap、 RGB-D、 人工智能、 深度学习、 计算机视觉 发表评论

PreviewDiff:多模态评论家引导的扩散潜变量搜索

30 9 月, 2026 作者 PengChao
关键证据

PreviewDiff 免训练,在去噪中途解码预览并由多模态评论家提出语义修正,对潜变量分支做束剪枝搜索,从而改进组合性提示遵循。

分类 CVPR三分钟 标签 CVPR三分钟、 PreviewDiff、 SD-3.5、 SDXL、 人工智能、 深度学习、 计算机视觉 发表评论
较早文章
较新文章
← 上一页 页面1 … 页面8 页面9 页面10 … 页面75 下一页 →
© 2026 pchao.org • Built with GeneratePress